agentic-commerce-protocol

GitHub
1.3k 199 较难 1 次阅读 昨天Apache-2.0Agent开发框架
AI 解读 由 AI 自动生成,仅供参考

agentic-commerce-protocol(ACP)是由 OpenAI 和 Stripe 共同维护的开源协议,旨在为买家、其 AI 代理与商家之间搭建一座无缝交易的桥梁。在 AI 自主执行任务日益普及的今天,如何让 AI 安全、规范地替用户完成商品发现、比价及支付,是行业面临的一大挑战。ACP 通过定义一套标准化的交互模型,解决了不同系统间“语言不通”的难题,让 AI 代理无需成为商户即可直接嵌入商业交易流程,同时确保商家能利用现有基础设施触达高意向客户。

该协议主要面向开发者、支付服务提供商及电商平台架构师。对于构建 AI 应用的技术人员,它提供了清晰的集成路径;对于支付机构,它定义了安全的令牌传递机制以处理代理交易。其技术亮点在于采用了基于日期的版本管理策略(如 2026-01-30),确保规范的演进透明可控,并配套提供了人类可读的 RFC 设计文档、机器可执行的 OpenAPI 接口定义以及丰富的 JSON Schema 数据模型。目前 ACP 处于 Beta 阶段,正致力于推动"AI 代理电商”生态的标准化落地,让智能购物变得更加简单可靠。

使用场景

一家初创旅行平台希望让用户通过内置的 AI 助手直接完成机票与酒店的比价、预订及支付全流程,而无需跳转第三方页面。

没有 agentic-commerce-protocol 时

  • 连接成本高昂:开发团队需为每家航空公司和酒店集团单独编写定制化 API 适配器,耗时数月才能覆盖少量供应商。
  • 支付合规风险大:AI 助手若直接处理用户信用卡信息,平台需承担复杂的 PCI-DSS 合规认证及资金托管责任,法律风险极高。
  • 交易流程断裂:用户在对话中选定商品后,常被强制跳转到外部网页完成支付,导致转化率大幅流失,体验割裂。
  • 功能扩展困难:想要支持动态折扣或协商价格等高级功能,需重新设计整个后端交互逻辑,迭代周期漫长。

使用 agentic-commerce-protocol 后

  • 标准化快速接入:平台只需遵循 ACP 开放标准,即可让 AI 助手无缝对接所有支持该协议的商家,无需重复造轮子。
  • 安全令牌化支付:借助 Stripe 支持的协议机制,AI 仅传递加密支付令牌而非敏感卡号,平台彻底免除商户主体责任与合规负担。
  • 原生闭环体验:用户在对话框内即可完成从选品到付款的全部操作,agentic-commerce-protocol 确保交易在应用内部流畅闭环,显著提升转化。
  • 灵活能力协商:通过协议内置的“能力协商”机制,AI 可自动与商家系统沟通库存、应用优惠券或调整订单细节,无需额外开发。

agentic-commerce-protocol 通过建立统一的交互标准,让 AI 助手真正成为能安全、独立执行复杂商业交易的智能代理。

运行环境要求

GPU

未说明

内存

未说明

依赖
notes该项目是一个协议规范(包含 OpenAPI、JSON Schema 和文档),而非可直接运行的软件或模型,因此没有特定的操作系统、GPU、内存或编程语言运行时需求。用户需参考 OpenAI 或 Stripe 的具体实现文档进行集成开发。
python未说明
agentic-commerce-protocol hero image

快速开始

代理式商务协议(ACP)

许可证 CLA 维护方 状态

**代理式商务协议(ACP)**是一种交互模型和开放标准,旨在无缝连接买家、其AI代理以及商家,以完成购买流程。

该规范由OpenAIStripe共同维护(见[MAINTAINERS.md]),目前处于beta阶段。

  • 面向商家:触达更多客户。通过让您的产品和服务可通过AI代理进行购买,吸引高意向买家——同时仍使用您现有的商务基础设施。
  • 面向AI代理:将商务功能嵌入您的应用中。允许您的用户在您的应用内直接发现并与商家交易,而无需作为实际的交易主体。
  • 面向支付服务商:提升交易量。通过AI代理在买家与商家之间传递安全的支付令牌,处理代理式交易。

更多信息请访问agenticcommerce.dev


📦 仓库结构

rfcs/
├── rfc.agentic_checkout.md
├── rfc.capability_negotiation.md
├── rfc.payment_handlers.md
├── rfc.seller_backed_payment_handler.md
├── rfc.extensions.md
├── rfc.discount_extension.md
└── ...

spec/
├── 2025-09-29/              # 初始发布
├── 2025-12-12/              # 履行增强
├── 2026-01-16/              # 能力协商
├── 2026-01-30/              # 扩展、折扣、支付处理器
└── unreleased/              # 当前开发中

examples/
├── 2025-09-29/
├── 2025-12-12/
├── 2026-01-16/
├── 2026-01-30/
└── unreleased/

changelog/
├── 2025-09-29.md
├── 2025-12-12.md
├── 2026-01-30.md
└── unreleased/              # 各版本变更日志条目(当前开发中)

docs/
├── governance.md
├── principles-mission.md
└── sep-guidelines.md

legal/cla/
├── INDIVIDUAL.md
├── CORPORATE.md
└── SIGNATORIES.md

🔗 快速链接

规范类型 最新稳定版 描述
RFC(Markdown) rfcs/ 人类可读的设计文档,包含背景、流程及发布计划。
OpenAPI(YAML) spec/2026-01-30/openapi/ 机器可读的HTTP API规范,用于集成结账端点。
JSON Schema spec/2026-01-30/json-schema/ 用于有效载荷、事件和可重用对象的数据模型。
示例 examples/2026-01-30/ 示例请求与响应。
变更日志 changelog/ API版本历史及破坏性变更记录。

📅 版本控制

ACP采用基于日期的版本号格式,形式为YYYY-MM-DD。每个版本代表该时间点上规范的完整快照。

版本结构

目录 用途
spec/<version>/ 已发布版本的完整规范快照
spec/unreleased/ 当前开发中(尚未发布)
examples/<version>/ 与各规范版本对应的示例
changelog/<version>.md 每个版本的发布说明

版本生命周期

  1. unreleased/ - 新功能和更改在此处开发。
  2. 已发布 - 准备就绪时,将unreleased/快照为一个带日期的版本(例如,2026-01-16/)。
  3. 已弃用 - 较旧的版本仍可使用,但在变更日志中会被标记为已弃用。

🛠 开始使用

ACP已由OpenAI和Stripe率先实现,为商家和开发者提供了生产就绪的参考实现:

开始构建ACP:

  1. 查阅本仓库的OpenAPI规范JSON Schema以获取最新稳定版本。
  2. 选择一个参考实现:
    • 使用OpenAI的实现来集成ChatGPT及其他AI代理界面。
    • 使用Stripe的实现来利用其支付和商家工具。
  3. 按照链接文档中的指南操作。
  4. 使用本仓库提供的示例进行测试。

📚 文档

领域 资源
结账API规范 spec/2026-01-30/openapi/openapi.agentic_checkout.yaml
委托支付规范 spec/2026-01-30/openapi/openapi.delegate_payment.yaml
治理 docs/governance.md
项目原则 docs/principles-mission.md
SEP指南 docs/sep-guidelines.md

📝 贡献

我们欢迎贡献!请参阅CONTRIBUTING.md了解:

  • 分支模型
  • 拉取请求模板和指南
  • 规范版本管理和评审流程
  • 社区准则

拉取请求模板

创建PR时,请选择合适的模板:

  • SEP提案 - 用于重大协议变更、破坏性变更或流程变更。
  • 小改进 - 用于文档修复、错误修正或工具改进。

有关哪些内容需要SEP,请参阅docs/governance.md

贡献者许可协议(CLA)

所有贡献者必须签署CLA后方可接受其贡献。

查看已签署的CLA | 了解更多关于我们的CLA

所有更改必须包含:

  • 更新的 OpenAPI / JSON 模式(如适用)
  • 新的或更新的示例
  • changelog/unreleased/ 中的变更日志条目文件(详情请参阅 CONTRIBUTING.md

🏛 治理

ACP 由 OpenAIStripe 作为创始维护者共同治理,并已规划出一条通往更广泛社区治理的清晰路径。


🤝 社区


📜 许可证

根据 Apache 2.0 许可证授权。

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|3天前
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|4天前
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

147.9k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

108.1k|★★☆☆☆|昨天
开发框架图像Agent

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器

93.4k|★★☆☆☆|3天前
插件开发框架

LLMs-from-scratch

LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备

90.1k|★★★☆☆|3天前
语言模型图像Agent