AP2
AP2(Agent Payments Protocol)是一个旨在为 AI 驱动支付构建安全且互操作未来的开源协议。随着人工智能代理(Agent)逐渐承担起购物、预订等任务,如何让这些自主程序安全地完成支付成为一大挑战。AP2 正是为解决这一痛点而生,它定义了一套标准通信规范,让不同来源的 AI 代理能够与各类支付系统无缝协作,同时确保交易过程的安全可控。
该项目主要面向开发者和技术研究人员,提供了丰富的代码示例和演示场景。无论是使用 Python 还是 Android 进行开发,用户都能通过仓库中的示例快速上手,理解如何将支付能力集成到自己的智能代理应用中。虽然官方示例结合了谷歌的 Agent 开发套件(ADK)和 Gemini 模型,但 AP2 本身具有高度的技术开放性,不强制绑定特定工具,开发者可自由选择心仪的技术栈进行构建。
其核心亮点在于“互操作性”与“安全性”并重,打破了以往支付接口各自为政的局面,让 AI 代理能像人类一样在不同平台间流畅完成支付流程。如果你正在探索下一代自动化商业应用,AP2 将是你构建可信 AI 支付生态的重要基石。
使用场景
某电商平台的开发团队正致力于构建一个能自主完成“搜索 - 比价 - 支付”全流程的 AI 购物助手,以应对日益复杂的用户指令。
没有 AP2 时
- 支付链路断裂:AI 助手虽能精准推荐商品,但无法直接调用支付接口,必须强制跳转至人工确认页面或传统收银台,打断自动化流程。
- 安全验证繁琐:每次交易需硬编码特定的网关认证逻辑,不同银行或支付渠道的协议差异导致代码耦合度高,维护成本巨大。
- 互操作性缺失:若需接入新的支付服务商,必须重新训练模型或重写大量适配代码,难以实现跨平台、跨钱包的无缝协作。
- 信任机制薄弱:缺乏统一的签名与授权标准,用户对 AI 自主扣款存在强烈顾虑,导致高转化率场景下的订单流失。
使用 AP2 后
- 端到端自动化:AP2 赋予 AI 原生支付能力,助手可在理解用户意图后,直接在后台安全完成从选品到扣款的全闭环,无需人工干预。
- 标准化安全交互:通过 AP2 定义的统一协议,自动处理复杂的身份验证与加密签名,开发者无需关心底层异构支付系统的差异。
- 灵活生态互联:基于协议的互操作性,系统可即时兼容各类数字钱包与银行接口,新增支付渠道仅需配置即可,无需重构核心代码。
- 可信执行环境:内置的授权与审计机制让每一笔 AI 发起的交易都可追溯、可验证,显著提升用户对自主代理支付的信任度。
AP2 通过建立安全且互通的支付协议标准,真正释放了 AI 智能体在商业交易中的自主潜力,将“对话即服务”升级为“对话即交易”。
运行环境要求
- 未说明
未说明
未说明

快速开始
代理支付协议 (AP2)
此仓库包含代理支付协议的代码示例和演示。
AP2 简介视频
AP2 在《代理工厂》中
关于示例
这些示例使用了 代理开发工具包 (ADK) 和 Gemini 2.5 Flash。
不过,代理支付协议并不强制要求使用这两者。尽管示例中使用了它们,但您可以自由选择任何您喜欢的工具来构建您的代理。
导航仓库
samples 目录包含一系列精心挑选的场景,旨在展示代理支付协议的关键组件。
这些场景位于 samples/android/scenarios 和 samples/python/scenarios 目录中。
每个场景都包含:
- 一个
README.md文件,描述场景并提供运行说明。 - 一个
run.sh脚本,用于简化在本地运行场景的过程。
此演示涉及多种代理和服务器,大部分源代码位于 samples/python/src 中。而那些以 Android 应用作为购物助手的场景,其源代码则位于 samples/android 目录中。
快速入门
前提条件
- Python 3.10 或更高版本
uv包管理器
设置
您可以使用 Google API 密钥或 Vertex AI 进行身份验证。
无论采用哪种方式,都可以将所需凭据设置为 shell 中的环境变量,或将它们放入项目根目录下的 .env 文件中。
选项 1:Google API 密钥(推荐用于开发)
从 Google AI Studio 获取 Google API 密钥。
设置
GOOGLE_API_KEY环境变量。作为环境变量:
export GOOGLE_API_KEY='your_key'在
.env文件中:GOOGLE_API_KEY='your_key'
选项 2:Vertex AI(推荐用于生产)
配置环境以使用 Vertex AI。
作为环境变量:
export GOOGLE_GENAI_USE_VERTEXAI=true export GOOGLE_CLOUD_PROJECT='your-project-id' export GOOGLE_CLOUD_LOCATION='global' # 或您偏好的区域在
.env文件中:GOOGLE_GENAI_USE_VERTEXAI=true GOOGLE_CLOUD_PROJECT='your-project-id' GOOGLE_CLOUD_LOCATION='global'
对您的应用进行身份验证。
使用
gcloudCLI:gcloud auth application-default login使用服务账户:
export GOOGLE_APPLICATION_CREDENTIALS='/path/to/your/service-account-key.json'
如何运行一个场景
要运行特定场景,请按照其 README.md 中的说明操作。通常遵循以下步骤:
导航到仓库的根目录。
cd AP2运行启动脚本以安装依赖项并启动代理。
bash samples/python/scenarios/your-scenario-name/run.sh打开购物代理的 URL 并开始交互。
安装 AP2 类型包
该协议的核心对象定义在 src/ap2/types 目录中。PyPI 包将在稍后发布。在此之前,您可以使用以下命令直接安装类型包:
uv pip install git+https://github.com/google-agentic-commerce/AP2.git@main
版本历史
v0.1.02025/09/16相似工具推荐
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。
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
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。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。
OpenHands
OpenHands 是一个专注于 AI 驱动开发的开源平台,旨在让智能体(Agent)像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点,通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员,还是需要快速原型验证的技术团队,都能从中受益。OpenHands 提供了灵活多样的使用方式:既可以通过命令行(CLI)或本地图形界面在个人电脑上轻松上手,体验类似 Devin 的流畅交互;也能利用其强大的 Python SDK 自定义智能体逻辑,甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK,这不仅构成了平台的引擎,还支持高度可组合的开发模式。此外,OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩,证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能,支持与 Slack、Jira 等工具集成,并提供细粒度的权限管理,适合从个人开发者到大型企业的各类用户场景。

