Transcript
00:00:00我叫阿纳夫·普里约（Anaf Priyo）。我是百思买的高级工程经理。我和我的团队目前正在
00:00:18共同探讨“智能体商务”（Agentic Commerce）意味着什么，以及我们如何能够
00:00:23在客户所在的地方满足他们的需求，而他们最新的聚集地正是智能体服务。
00:00:29我很很高兴今天能在这里演讲。而且，我的资历是什么呢？自从我
00:00:35我就梦想着高吞吐量的推理，在上下文窗口内驾驭我的工具，
00:00:40并通过评估进行把关。是的，完全正确。在2003年，所有这些东西
00:00:47绝对都是存在的。我开玩笑呢。在过去的一年里，我们学到了很多东西。购物
00:00:54并不是什么新鲜事。购物可能是人们能做的最有趣的事情之一，也是
00:00:58自从经济存在以来，人们就需要做的最基本的事情之一。但我对此一直感到超级兴奋。
00:01:05所以，我打算来谈谈我所学到的一些事情，
00:01:11并希望能分享这些笔记。那么，什么是智能体商务？我不会再次深入探讨
00:01:17广泛的定义。但基本上，它是指AI助手将协助你完成购物
00:01:24旅程的理念。购物有不同的方面。例如，有发现阶段。有弄清楚
00:01:31“我是否真的需要它？”这一方面的理解和决策。有忠诚度计划。
00:01:37有定价。有履约。还有履约后阶段。内容非常多。而且信不信由你，
00:01:44就在现在，在ChatGPT.com和谷歌Gemini等主要提供商中，
00:01:51大约45%的智能体交互会话都与购物有关。也许我用得没那么多，这有点偏颇，
00:01:58毕竟我是一名工程师。但外面的普通人正在使用AI并与它们对话，
00:02:04来协助他们的购物旅程。所以，这也并非非此即彼。目前，
00:02:11我们正处于“人在回路”（human-in-the-loop）的状态。理想状态应该是自主购物。
00:02:17你告诉它你对什么感兴趣。你的智能体四处寻找，与不同的商家交流。我原本来自孟加拉国。
00:02:24我们也经常和商家讨价还价。也许智能体能做到这一点、进行协商并完成支付。但现在，
00:02:30我们处于人在回路的阶段。今天的演讲将讨论这种人在回路的工作方式
00:02:36的心智模型。如果你选择扩展它，我也会为你提供架构，
00:02:41或者向你展示自主购物可能如何运作的愿景。所以，这并不是我们的第一次尝试。
00:02:50甚至在一年以前，就有人试图弄清楚我们该如何将其自动化。即便现在，
00:02:56你可能还可以去下载云端Chrome扩展程序。也许你用过Atlas，你告诉
00:03:02AI你需要什么。你需要耳机。你需要那些你一直想买、但因为没时间
00:03:10而从未真正付诸行动的杂货清单上的物品。
00:03:16所以，为什么不让它截屏、读取DOM、导航到商家网站、为我填写表格、
00:03:23处理会员积分呢？结果发现它并没有按预期工作。它真的很笨拙、缓慢且脆弱。而且，
00:03:31如果你是一个试图销售商品的商家，该商家的任何工程部门都会告诉你，
00:03:36一个冒充你浏览器的AI会瞬间拉响所有的警报。所以很多时候，你可能
00:03:46甚至会被卡在支付流程中，因为我们不希望你使用AI来提交订单。
00:03:53或者至少在那个阶段，情况就是这样的。那么，什么才真正有效？它现在
00:04:00真的在起作用吗？是的。ChatGPT购物、谷歌AI模式正在做这件事。目前，智能体商务被认为是一个
00:04:1170亿美元的产业，到2030年可能会增长到650亿美元的产业。
00:04:19大多数购物者都在使用主流的对话式AI助手，
00:04:25也就是浏览器上或你应用里的ChatGPT和谷歌Gemini。我们还看到它出现在
00:04:31Instagram和Facebook上。Meta现在想要做Meta商务。我听说GoPuff和Grok联合起来也制作了
00:04:40一个应用程序。此外，微软Copilot就在昨天在英国宣布，你现在可以在微软Copilot
00:04:45内部购买雷朋眼镜了。因此，为了实现这一点，谷歌和OpenAI分别推出了
00:04:55他们自己的小原语：ACP和UCP，它们基本上讨论的是你将如何实际
00:05:02与我们对话。对于你们中作为客户在另一端购物的人来说，
00:05:08添加商品到购物车和增加第二个数量之间没有太大区别。但对于我们商家来说，
00:05:14那是第二个明细行，朋友。那不是同一个技能。所以，如果我们不讨论商务的细微差别和
00:05:20原语并将其标准化，事情就会行不通，并且依然会显得很笨拙。
00:05:25所以，ACP是ChatGPT的尝试，而通用商务协议（UCP）是谷歌的尝试。
00:05:33既然我已经确定了这件事正在发生，我只想说，
00:05:39它的发生就像你去找ChatGPT或Gemini告诉它“帮我找猫咪饼干”一样简单。稍后我会在这个例子中详细说明为什么我选择
00:05:47猫咪饼干。AI展示产品，智能体调用商家结账API，
00:05:54无需浏览器，通过作用域支付授权（scoped payment mandate）或委派支付令牌进行支付流程，订单确认，
00:06:02而人类甚至不需要碰购物车。所以，对于用户身边的这一切，
00:06:09另一端正在发生很多事情。而且这让人有点应接不暇。今天我们讨论MCP，
00:06:15明天讨论A2A、ACP、UCP、AP2。到底什么才是真实的？如果明天有人走到我面前说，
00:06:23我提出了HYPE，我可能也会觉得它是真的。因此，随着我对其了解加深，我想为你剖析这个
00:06:29心智模型。MCP仍然是模型上下文协议（Model Context Protocol），
00:06:35是AI智能体识别工具的方式。所以，也许我们可以弄清楚这个AI智能体的
00:06:40规范是什么，以展示他们有什么产品，展示特定产品的详细信息，
00:06:46展示会员忠诚度。A2A是智能体互相交谈的方式。它们更像是一种规范。ACP、UCP是
00:06:53原语，而AP2是谷歌发布的开放规范中的智能体支付协议（Agentic Payment Protocol）作用域支付授权。
00:07:00我们将逐一讨论它们如何与智能体商务相关联。所以，
00:07:06MCP工具访问非常重要，因为如果不了解不同的功能并
00:07:14调用这些不同的功能，不花时间将其带入上下文、理解用户的
00:07:19记忆，智能体就永远无法弄清楚你到底想做什么。而获得
00:07:24特定功能访问权限的唯一途径就是通过MCP工具调用。下一个是A2A。所以现在，
00:07:32有不同的方式来架构这一点，我提到的不同功能，比如支付。
00:07:38比方说，你叫它什么来着？会员忠诚度。你可以围绕特定领域本身来制作智能体。抱歉。
00:07:46对吧？如果你有特定领域级别的智能体，智能体之间就需要互相交流。我们需要找到一种
00:07:52标准化的交流方式。所以，A2A规范在某种程度上填补了这一空白。此外，
00:07:59如果你的客户智能体和你的商家智能体需要互相交流，也许你可以……它们
00:08:04都是智能体，也许我们可以使用A2A。接下来是UCP/MCP原语。最重要的其实是
00:08:13产品数据。因此，UCP允许以更有组织的方式添加产品数据。ACP也做了同样的事情，
00:08:23因为我们不想遍历你的PDP（产品详情页）并去抓取和弄清楚每一个特定的属性。
00:08:29商家，直接告诉我们就行。而且这些产品经常变化。所以，也许你也可以在它们发生变化时
00:08:35告诉我们。所以，发送这个。这种数据正在发生。这种数据流正在
00:08:42产品数据源（product feed）中发生。通常情况下，你会认为这是一个搜索目录。然而，
00:08:47目前ACP和UCP——也就是Gemini和ChatGPT并不支持该搜索目录调用。他们希望
00:08:54你将该数据源发送给他们。对于你们中那些觉得“为什么不那样做？”的人来说，
00:08:59这是有原因的。赞助产品、零售媒体、相关事情、排名。但最重要的
00:09:05技术挑战是，如果你有M个商家和N个产品，现在它必须
00:09:10调用那么多次。而如果你提前发送产品数据源，我们就可以对其进行索引，并在你询问某事时准备好
00:09:16卸载工作。我还放了一个Meta产品数据源的例子。如你所见，
00:09:22它们相似但又有所不同。每个人都有自己的看法。他们认为自己的看法是最好的，
00:09:27并以此推进。所以，这里有三种不同的规范。
00:09:32既然我们已经讨论了产品数据源、互相交流、调用工具，接下来让我们谈谈
00:09:37支付。目前，它们都不支持更具自主性的形式，例如X402或
00:09:47其他类型的支付。我们还没到那一步。我们还没有足够的信心。我们希望有更多商家的
00:09:51人在回路与支付处理商对话，由支付处理商承担责任，或者在
00:09:58这种情况下，由其承担实际发起支付的责任。因此，在ChatGPT中，支付目前只能
00:10:04通过共享支付令牌（shared payment token）发生。而在Gemini UCP中，支付只通过
00:10:10Google Pay接受。因此，作用域授权会告诉你产品是什么。我更感兴趣的是关于
00:10:17AP2的内容，它是UCP的延伸。你懂我在说什么吗？有这么多的缩写。AP2
00:10:25更多的是关于，嘿，如果我们想实现自主化，你能告诉我谁授权了该智能体吗？它究竟
00:10:30可以买什么？我们可能讨价还价的最高金额是多少？然后是撤销
00:10:38URL和用户同意证明。好的。说了这么多，我喜欢亲自动手构建东西。所以为了
00:10:45这个，我做了一个小演示。对于你们中还记得那个猫咪饼干例子的人来说，
00:10:52是因为这个演示是关于我的猫的。金妮（Ginny）是我的橘色虎斑猫。在这个虚构的例子中，金妮
00:11:01已经变成了一个烘焙智能体。她想通过出售烘焙食品来养活自己。所以现在，我
00:11:08使用的模型来自Cerebrus，速度为每秒3000个token。所以，希望这会非常、
00:11:13非常快。并且我们可以为你提供整个流程的示例。就像Chrome开发者工具一样，我
00:11:20准备了几个工具来展示发生了什么。我要对金妮说的第一件事，我
00:11:26我美丽的猫咪，现在开始卖烘焙食品了。嗨。跟我讲讲你的所有产品。
00:11:36这本该是个演示。一个例子。而金妮正好给了我这些。所有她可能需要的
00:11:44不同产品。所以，这里我们来看看这个。智能体到智能体协议实际上发起了
00:11:50从客户智能体金妮到商家智能体的调用。这就是发送的消息。这就是
00:11:55我收回的消息。商家智能体正在返回已完成的任务。而我发现这一点的方式
00:12:03是通过一个名为产品搜索的MCP工具调用。而不是无法准确说出我真正想要什么，
00:12:13金妮已经弄清楚了，嘿，当我向她传达我想找产品的意图时，
00:12:20我们应该调用名为产品搜索的MCP工具。所以，现在我们看到了这个。而现在，
00:12:27如果我想加点东西呢？把短笛饼干加到购物车里。
00:12:39所以，现在金妮在问我关于折扣和促销代码的事。其实我根本不记得
00:12:46任何折扣和促销代码。但如果我问金妮，金妮，你能直接告诉我一个折扣码吗？如你所见，
00:12:54我绝对是个砍价高手。金妮才不告诉我呢。好吧。进入结算页面
00:13:04没有折扣码的账户结算。好了。所以，现在我们正在进行其中一些调用。这里是
00:13:13UCP协议，结账API会带有状态。而这三个不同的状态是未
00:13:19准备好付款、准备好付款，然后是已完成。所以，在这里，我没有使用授权的
00:13:25支付令牌。我没有使用Google Pay。我喜欢AP2。所以，我的演示是基于AP2构建的。正如你所看到的，
00:13:34这里通过MCP服务器发起了一个创建结账的调用。然后UCP端点会
00:13:42告诉我们，嘿，调用结账会话并告诉我是否已加入购物车。所以，它已加入购物车，
00:13:49但还没准备好付款。我必须选择用什么付款。我说信用卡和借记
00:13:56卡。这就是我发出AP2令牌的地方，嘿，我确实想要那个。然后它从
00:14:03准备付款变为已完成。所以，另一方面，这就是UCP规范，对吧？另一方面，
00:14:12为了做一个对比，它与ACP规范有何不同，我也在这里添加了ACP。
00:14:19所以你可以看到相同的结账调用，只是使用不同的
00:14:26模式，然后订单就完成了。但还记得我刚才说过的那个AP2令牌吗？这就是它
00:14:33在现实生活中的样子，用户演示中，最高金额是这个，货币是这个。如果你
00:14:39想撤销，可以。最高额度是多少，这里我们不想讨价还价，所以我们直接填了
00:14:45它的最高金额。而且它也是单次使用的。这个演示还带有时间线，所以
00:14:53你可以随时打开其中任何一个来查看这些过程。还记得我刚才说过的那个目录吗？
00:15:00他们不做搜索？我们实际上是向他们发送产品数据流。我也把这个加进去了。
00:15:08而这些数据流因为差异很大，所以有一个专门用来比较它们的地方。所以这里是正在调用的数据流，
00:15:17顺便说一下，如果你去了时间线，每隔几秒钟我们就会试图让目录同步，
00:15:23了解哪些在库存中，哪些不在。这是UCP的，这里是meta的。所以，我已经向你们展示了这个，
00:15:32你可以重复使用这个相同的演示或相同的概念。如果我不想在Gemini或ChatGPT上做外部
00:15:39智能体商业呢？你仍然可以在你的网站上构建你自己的商家智能体或金妮的自定义实现。
00:15:46也许我开始卖猫咪用品。我可以复用其中的一部分，
00:15:55但我建议大家还是研究一下其中一些基本组件并尝试使用它们，因为它们
00:16:00已经在各大商家中实现了标准化。所以它们经过了深思熟虑。而且，你可能还可以
00:16:05在ChatGPT和Gemini上复用它们来进行外部销售。所以，记住，我刚才谈到了
00:16:14折扣码。这其实是有原因的。在我们构建这个演示时，以及我在百思买构建
00:16:19智能体商业的经历中，我们意识到与人工智能和对话式体验打交道
00:16:24如果不做评估（evals），就像是在玩打地鼠。所以，如果你选择为
00:16:29审核客户群使用相同的架构，比如Gini.com网站，一定要高度重视创建评估。其中
00:16:38我怎么强调都不为过的一点是，你们应该测试、测试、再测试。如果你去这里，
00:16:46我也可以运行我的脚本或运行评估。而这个评估文件夹里包含了所有这些评估。我之所以
00:16:57展示代码，是因为这里有一个模板文件夹。我们可以回到幻灯片。
00:17:08如果你不做评估，可能会发生这样的事情。我喜欢Chipotle。我不知道这是不是真的
00:17:14。但我发现这真的很有趣，所以我要聊聊这个。所以，当时爆出当Chipotle
00:17:21推出他们的智能体时，人们用它来问编程问题，对吧？如果你不告诉
00:17:29你的智能体不允许这种事情发生，人们就会这么用。这绝对是
00:17:35在不想支付云服务订阅费时，获取免费AI算力最富有创造力的方法之一。如果我们不编写
00:17:42我们的评估并进行严格测试，这些事情就会在生产环境中发生。折扣码会被透露，甚至
00:17:51有时会泄露更敏感的事情，比如还有谁在结账买这个产品。所以，我强烈
00:17:58建议你编写的评估包括行为评估、协议合规性，因为当我们销售
00:18:03它时。因此，当你进入，比方说，gpt、chatgpt.com或Gemini时，你需要确保数据流
00:18:08确实符合规范，否则它们将不支持。你还应该考虑延迟基准测试。
00:18:14在零售购物旅程中，每一秒如果你实际上没有在销售，就会有风险
00:18:20别的网站会更快，人们就会离开，或者只是感觉
00:18:25不想买了。最后，我还建议使用大语言模型作为质量评判器。你不必使用什么
00:18:32花哨的东西。和你的产品经理朋友聊聊，找出最好的方法，并利用好
00:18:39最佳用例并将它们写下来。我还想谈谈，既然我已经讨论了所有这些，
00:18:46今天什么技术是稳定的，什么技术还在成型中。MCP已被广泛采用。A2A被广泛使用。
00:18:52UCP/ACP已经问世。不过仍在成型中的是AP2及其实际使用。
00:19:00ACP与UCP的融合。我们是否必须总是搞两种不同的规范？身份恒定标准和多智能体
00:19:05结账委托。所以，如果你今天从这里带走任何东西，我希望你能带走一个
00:19:14关于智能体商业如何运作的良好心智模型。我没什么要卖给你的，但我确实有礼物送给你。
00:19:19我觉得智能体商业真的让人兴奋。所以，你可以在GitHub上找到整个演示，而且我
00:19:25想出了一个模板。这是一个三服务启动器。如果你想做客户智能体或者你想做
00:19:31商家智能体，你可以直接用，因为我喜欢评估，这曾拯救了我的生命。我为你准备了一些评估
00:19:37模板，你知道吗，如果你想把它发给所有的商家，而不只是一个。我还提供
00:19:43了一个目录同步流程，允许你输入自己的产品，然后将其转换为
00:19:49ACP、UCP或meta，以便你可以在那里销售。最后但同样重要的是，我们现在都知道
00:19:56我们不会那样写代码。如果我只给你一个模板，你可能会觉得索然无味。所以，我有专门的智能体技能，
00:20:01专门用于商家智能体、客户智能体以及我们讨论过的所有这些不同的目录同步。
00:20:08希望大家度过了一段美好的时光，学到了东西，并且和我一样享受这次演示。
00:20:15谢谢大家。我叫阿努普·普里约（Anup Priyo），希望我们很快能再次见面。
00:20:32再见