Agentcard：一行API调用让AI代理自动购物的开发者工具

当AI代理开始学会「花钱」

过去两年，我们见证了AI代理（AI Agent）能力的飞速跃迁——从聊天问答到写代码、订机票、做研究。AI代理是指能够感知环境、自主决策并执行行动的智能软件系统，与传统聊天机器人不同，它具备目标导向的多步推理能力，能够调用外部工具来完成复杂任务。2024年以来，随着大语言模型的函数调用（Function Calling）能力日趋成熟，以及OpenAI、Anthropic等厂商推出专门的Agent框架，AI代理已从概念验证快速走向生产应用。所谓函数调用，是指大语言模型能够在对话过程中识别用户意图，并自动生成结构化的函数调用请求——例如当用户说"帮我查一下北京明天的天气"，模型会输出一个标准化的API调用指令，由外部系统执行后将结果返回模型继续处理。这一能力的成熟，使得AI代理从"只会说话"进化为"能够操作"，为自动化工作流打开了技术大门。

但有一个关键环节始终缺失：支付与购物。让AI帮你查到最便宜的耳机是一回事，让它真正下单、付款、完成交易，则是完全不同的技术挑战——因为涉及资金流动的操作具有不可逆性和高风险性，一直是最难自动化的环节。与发送邮件或查询信息不同，支付一旦完成就意味着真实的资金转移，错误操作的纠正成本极高，而且还涉及PCI DSS（支付卡行业数据安全标准）等严格的合规要求，这些因素叠加在一起，使得支付成为AI代理能力版图中最后一块难啃的硬骨头。

Agentcard 推出的 Purchase API 正是瞄准了这个空白。它的定位极为直接——用一次 API 调用，让你的 AI 代理在网上买到任何东西。这款产品登上 Product Hunt 后获得了 81 票支持，排名第 11，被归类于 Fintech、开发者工具和人工智能三个交叉领域。

Agentcard解决了什么问题

从「找到商品」到「完成交易」的最后一公里

传统上，如果你想让 AI 代理实现自动购物，需要处理一连串繁琐的技术细节：识别商品、跳转到对应平台、模拟结账流程、绑定并管理支付方式、处理各种反爬和风控。这条链路极长，任何一环出错都会导致失败。目前市面上也有一些尝试通过浏览器自动化（如基于Playwright或Selenium的RPA方案）来实现自动购物的项目，但它们通常面临维护成本高、对页面变化敏感、以及难以处理支付环节等痛点。

Agentcard 把这一整套流程压缩成了一个抽象的 API 接口。按照官方描述，你只需告诉代理「从 Y 平台购买 X」，Agentcard 就会自动完成三件事：

• 定位商品：根据自然语言描述找到目标商品
• 执行结账：自动走完平台的下单与结算流程
• 完成支付：使用一张**单次使用的虚拟卡（single-use card）**完成付款

这种设计的巧妙之处在于「单次使用虚拟卡」的引入——它既解决了支付的实际执行问题，又在一定程度上控制了风险：每笔交易独立授权，避免了把主账户信息直接暴露给自动化流程。单次使用虚拟卡是一种由金融科技公司发行的数字支付卡号，仅对一笔特定交易有效，交易完成后即自动失效。这项技术源自银行业的"令牌化"（Tokenization）理念——用一次性的代理标识替代真实的卡号信息，即使卡号被截获也无法用于二次消费。令牌化技术最早由EMVCo（由Visa、Mastercard等六大卡组织联合成立的技术标准组织）推动标准化，其核心原理是将敏感的16位卡号替换为一个无意义的随机令牌，真实卡号仅存储在高安全等级的"令牌保险库"中，商家和中间环节只接触到令牌本身。Apple Pay、Google Pay等移动支付的安全性，底层也依赖于这套令牌化机制。

在AI代理自动购物场景中，单次使用卡的价值尤为突出：它为每笔交易设定了独立的授权边界，代理无法超出预设金额或用途进行消费，从根本上限制了自动化系统失控的风险。Privacy.com、Extend、Lithic等公司已在这一领域深耕多年——其中Privacy.com面向消费者提供虚拟卡管理服务，而Lithic则提供面向开发者的虚拟卡发行API，使任何公司都能以编程方式创建和管理支付卡。Agentcard将这一能力直接嵌入了API调用链路中，实现了支付安全与自动化效率的平衡。从某种意义上说，Agentcard扮演的角色类似于"AI代理专属的Lithic"——不仅提供虚拟卡基础设施，还将其与商品搜索和自动结账流程深度绑定。

已经支持的平台和场景

有意思的是，Agentcard 强调其功能「今天就能用」，而非停留在概念演示。目前它已经支持：

• DoorDash（外卖配送）
• Amazon（综合电商）
• 大部分 Shopify 和 Stripe 商店

覆盖 Shopify 和 Stripe 这两大电商基础设施意义重大——因为全球有海量独立站构建在这两套系统之上。Shopify是全球最大的独立电商建站平台，截至2024年，其平台上的活跃商家超过数百万家，覆盖175个国家和地区，年度商品交易总额（GMV）超过2350亿美元。Stripe则是全球领先的在线支付处理商，为数百万家企业提供收单服务，从初创公司到Amazon、Google等巨头都是其客户。根据行业数据，Stripe处理的支付交易量占全球互联网商务的相当大比例，几乎成为在线支付的"水电煤"式基础设施。

这两套系统的结账流程虽然各有差异，但在技术层面具有高度的标准化特征——Shopify商店使用统一的Checkout API和Storefront API，无论商家如何定制店面设计，结账环节的底层数据结构和流程是一致的；Stripe商店的支付表单也遵循一致的集成规范，主要通过Stripe Elements或Checkout Session两种标准化方式集成，支付数据的传输和处理遵循统一的API格式。正是这种标准化，使得Agentcard能够通过适配这两套系统的底层协议，一次性覆盖海量长尾商家，而无需逐一对接每个独立站。这意味着 Agentcard 理论上能触达的商家数量远不止几个大平台，而是一整片长尾电商生态——这种"适配平台而非适配商家"的策略，极大地提高了覆盖效率。

为什么开发者应该关注Agentcard

AI代理经济的关键支付拼图

业界普遍认为，AI 代理要真正产生商业价值，就必须具备自主执行交易的能力。一个只能建议你「买这个」的助手，和一个能直接帮你「买好」的助手，用户体验和商业模式是天壤之别。前者本质上仍是信息服务，商业模式止步于广告和推荐佣金；后者则直接参与交易环节，可以从交易流水中获取服务费，商业模式的天花板截然不同。

Agentcard 所做的，本质上是为 AI 代理提供一层支付与履约的基础设施。这与近期整个行业的方向高度一致——从 Anthropic 的 Model Context Protocol，到各家探索的「代理支付协议」，大家都在为「让 AI 代替人完成实际操作」铺路。值得一提的是，Model Context Protocol（MCP）是Anthropic于2024年底推出的一项开放标准协议，旨在为AI模型与外部数据源、工具之间建立统一的连接规范。在MCP出现之前，每个AI代理要调用不同的外部服务，都需要编写专门的集成代码，导致了严重的碎片化问题——业界常将这种状态类比为"N×M问题"，即N个AI模型和M个外部工具之间需要N×M个定制集成，维护成本随规模呈指数增长。

MCP的核心思想类似于USB-C接口——提供一个通用的"插头"，让AI模型能以标准化方式访问文件系统、数据库、API等各类资源。具体来说，MCP定义了一套客户端-服务器协议：AI模型（客户端）通过统一的消息格式向MCP服务器发送请求，服务器负责翻译并调用具体的外部服务，再将结果以标准化格式返回。自发布以来，MCP已获得了广泛的行业支持，包括OpenAI、Google DeepMind等主要AI厂商都表态将兼容这一协议。在支付领域，MCP的理念意味着未来AI代理可以通过统一的协议标准发起交易请求，而Agentcard的Purchase API可以被视为这一愿景在支付垂直领域的具体实现——它将复杂的多平台支付流程抽象为一个标准化接口，与MCP"统一连接"的哲学一脉相承。支付是其中商业价值最直接、也最敏感的一环。

开发者友好的接入门槛

从产品分类被同时打上「Developer Tools」标签，以及首单免费（first order is free）的策略可以看出，Agentcard 的核心目标用户是开发者，而非终端消费者。它想成为的是开发者构建自己 AI 代理时可以直接调用的一个能力模块，而不是又一个面向消费者的购物助手 App。

这种「卖铲子」的定位，在 AI 代理生态爆发的当下，往往比直接做应用更具想象空间。历史上，真正在技术浪潮中获得持久回报的，往往是基础设施提供商而非应用层玩家——就像云计算时代的AWS、移动互联网时代的Stripe、AI时代的NVIDIA一样。Agentcard选择做"AI代理的支付中间件"而非"AI购物助手"，正是押注了这条基础设施路线。当越来越多的开发者在其AI代理中集成Agentcard的Purchase API时，Agentcard就有可能成为"代理经济"中不可或缺的支付管道。

Agentcard面临的潜在挑战

尽管概念诱人，这类产品也面临真实的挑战，需要保持理性看待：

一是自动化结账的可靠性问题。 自动化结账依赖于对各电商平台页面结构和流程的适配，平台一旦改版或加强风控，链路就可能中断。「支持大部分 Shopify 和 Stripe 商店」中的「大部分」，恰恰暗示了覆盖率并非 100%。在实际工程中，自动化结账系统需要持续应对验证码（CAPTCHA）、双因素认证（2FA）、动态加载的页面元素、A/B测试导致的页面差异等各种挑战。这意味着Agentcard需要维护一个持续更新的适配层，其运维复杂度不可小觑。

二是信任与授权边界。 当 AI 能自主花钱，如何确保它买的是你真正想要的、花的是你允许的金额，成为核心命题。单次使用卡是一种技术层面的风控手段，但用户对「让 AI 掌握钱包」的心理接受度，仍需时间培养。这里的核心矛盾在于：AI代理的价值在于自主性——它越能独立行动，就越能节省用户时间；但用户对财务操作的控制欲是天然的，过多的确认环节会削弱代理的效率优势，过少的确认环节则可能引发信任危机。如何在"自主性"与"可控性"之间找到恰当的平衡点，不仅是Agentcard的设计难题，也是整个AI代理行业面临的根本性UX挑战。

三是与电商平台的关系。 大型平台（如 Amazon）对第三方自动化下单的态度并不总是友好，这类服务的长期稳定性，某种程度上取决于它与平台之间是合作还是博弈。事实上，大型电商平台对第三方自动化操作的态度历来复杂。以Amazon为例，其《使用条件》（Conditions of Use）明确禁止使用机器人、爬虫或其他自动化工具访问其服务，违者可能面临账号封禁。这一立场源于多重考量：自动化抢购可能破坏公平的购物体验（如"黄牛机器人"抢购限量商品），自动化流量会增加服务器负担，且绕过平台界面的操作会影响广告收入和数据采集——要知道，Amazon的广告业务年收入已超过460亿美元，是其增长最快的业务板块之一，而自动化下单绕过了广告展示环节，直接触及了平台的核心商业利益。

然而，另一方面，部分平台也在主动拥抱AI代理趋势——例如Shopify已推出了面向AI的商业API，允许合规的第三方应用程序化地完成购物流程。Shopify的CEO Tobi Lütke多次公开表示看好AI代理购物的未来，认为这将是电商的下一个重大范式转移。此外，一些新兴的"无头商务"（Headless Commerce）平台从一开始就以API-first的理念设计，天然对AI代理友好。Agentcard的长期可行性，在很大程度上取决于它能否在平台政策的框架内找到合规路径，或者说服平台将AI代理视为合作伙伴而非威胁。一种可能的演进路径是：随着AI代理购物成为主流消费方式，电商平台主动开放官方的"代理友好"API，届时Agentcard的角色可能从"绕过平台限制的自动化工具"转变为"官方API的标准化适配层"。

总结：AI代理自动购物的基础设施正在形成

Agentcard 的 Purchase API 代表了 AI 代理走向「实用化」的一个重要方向：不再只是提供信息，而是真正完成交易闭环。它用一个简洁的 API 抽象，把商品搜索、结账、支付这条复杂链路打包交付给开发者。

对于正在构建 AI 代理的团队来说，这样的基础设施无疑降低了实现「自动购物」的门槛。而对整个行业而言，它更像是「代理经济」拼图中一块正在被填补的关键部分。所谓"代理经济"（Agentic Economy），是指一个由AI代理作为主要经济参与者的新型商业生态——在这个生态中，AI代理不仅为人类执行任务，还可能代表人类与其他AI代理进行交互、谈判和交易。Gartner预测，到2028年，至少15%的日常工作决策将由AI代理自主做出。在这个愿景中，支付能力是AI代理从"信息助手"升级为"经济行为体"的分水岭，而Agentcard正是在这条分水岭上架起了一座桥梁。

当 AI 学会替我们做决策、又学会替我们花钱时，我们与技术的关系，或许正在悄然进入一个新阶段。感兴趣的开发者可以前往 agentcard.sh 体验，首单免费。