Vercel CLI 让 Agent 自主购买域名，但付款必须经你批准

AI Agent 能替你写代码、跑部署、查日志，现在它连买域名都能自己完成了——但如果你担心它半夜偷偷刷爆你的信用卡，Vercel 在设计上留了一道保险。

Vercel 官方博客宣布，Agent 现在可以通过 Vercel CLI 完成从域名搜索到购买发起的全流程，但最终的付款确认权始终保留在人类手中。

Agent 买域名的完整工作流是怎样的？

根据 Vercel 的介绍，Agent 购买域名的流程分为三个步骤，每个步骤对应一个 CLI 命令。

Agent 首先通过 vercel domains search 发现候选域名。比如你可以直接给 Agent 下达指令："用 Vercel CLI 给这个站点买个域名，类似 shipsf26 这样的"，Agent 就会自动搜索匹配的选项。

接下来，Agent 用 vercel domains check 和 vercel domains price 分别检查域名的可用性和注册商定价。这意味着 Agent 不只是"盲买"，它会在决策前收集足够的信息。

最后一步是 vercel domains buy 发起购买。但这个命令的行为经过了精心设计：当以非交互模式运行时，它不会直接完成交易，而是返回一个结构化的、机器可读的错误信息以及建议的后续命令。Agent 收到这个信号后，会将确认环节交还给人类用户。

为什么付款确认必须留给人？

Vercel 在公告中明确表示："购买决策本身按设计保留给你。"（The purchase decision itself stays with you by design.）这句话透露出一个清晰的立场——Agent 可以帮你做调研、比价、筛选，但涉及花钱的动作，人类必须亲自按下确认键。

这个设计选择值得关注。当前 AI Agent 的能力边界正在快速扩展，从代码生成到自动化运维，越来越多的任务可以被委托出去。但"花钱"这件事和写代码有本质区别：代码写错了可以回滚，钱花出去了追回的成本要高得多。Vercel 通过 CLI 层面强制执行这个约束——即便 Agent 尝试非交互式购买，命令本身也会拒绝执行，而不是依赖 Agent 的"自觉"。

从工程角度看，这是一种在工具层面而非提示词层面实现的安全机制，可靠性更高。你无法保证 Agent 每次都遵守 prompt 里的指令，但你可以保证一个结构化的 CLI 错误返回值让它没法绕过。

非交互模式是指命令行工具在没有人类实时输入（如 TTY 终端）的环境中运行的方式。当脚本、CI/CD 流水线或 AI Agent 调用 CLI 时，通常处于非交互模式——程序无法弹出提示等待用户输入，只能依据预先传入的参数和环境变量执行。传统 CLI 在这种模式下要么直接完成操作，要么直接报错退出。Vercel 的巧妙之处在于让 vercel domains buy 在非交互模式下返回语义化的结构化错误（通常为 JSON 格式），其中不仅包含失败原因，还附带建议的后续命令，使调用方（Agent）能理解"需要人工介入"并据此调整行为，而不是简单地重试或放弃。

交互确认包含哪些信息？

当购买环节回到人类手中后，你可以在交互式终端或 Vercel Dashboard 中确认三项关键信息：

• 价格：域名的实际注册费用
• 自动续费选项：是否开启自动续费，避免域名到期被释放
• 注册人联系信息：域名的 whois 信息

这三项覆盖了域名购买中最容易出问题的环节——价格误解、忘记续费、以及注册信息错误。把确认环节做成一个完整的审核面板，而不是简单的"确认/取消"二选一，说明 Vercel 对 Agent 工作流的定位是"提议+人工审批"，而非全自动执行。

whois 是互联网上用于查询域名注册信息的公开协议与数据库，可返回域名的注册人姓名、邮箱、电话、注册与到期日期、以及所使用的注册商等字段。早期 whois 信息完全公开，任何人可查询到注册者的真实联系信息，这导致大量垃圾邮件和隐私泄露问题。GDPR 生效后，多数注册商对个人注册信息做了脱敏处理，只在 whois 中显示"REDACTED FOR PRIVACY"等占位符。因此"注册人联系信息"的确认不仅关乎 whois 的公开展示，还涉及注册商后台记录的法律责任人信息——填错了可能导致域名所有权纠纷或无法通过 ICANN 的验证流程。对 Agent 而言，这类信息通常需要用户本人提供，因为涉及个人或企业的真实身份数据。

Agent Skill：让 Agent 知道该怎么做

Vercel CLI 还内置了一个面向 Agent 的 skill，覆盖域名发现、定价查询和购买工作流。这意味着你不需要逐步告诉 Agent 该运行哪些命令——Agent 会自动按照正确的顺序执行整个流程。

这个细节反映了当前 AI 工具链的一个趋势：工具本身开始为 Agent 设计接口。传统的 CLI 是给人用的，人类通过 --help 和文档来学习命令用法。但当 Agent 成为 CLI 的重要消费者时，工具需要在内部编码"Agent 应该怎么用我"的知识，而不仅仅是"人类可以这样用我"。Vercel 将这个 skill 直接打包进 CLI，降低了 Agent 正确使用工具的门槛。

Vercel 的这一步动作，放在更大的背景下看，是 AI Agent 从"辅助工具"走向"执行主体"的又一个信号。Agent 正在获得越来越多的操作权限，而工具提供商则需要为这些权限设置合理的边界。域名购买这个场景恰好处于"足够复杂需要自动化"和"足够敏感需要人工把关"的交汇点上，Vercel 的处理方式提供了一个值得参考的样本。

想尝试的话，可以查阅 Vercel 的官方文档了解具体配置步骤。

Agent Skill 在 Vercel 的语境下，是一份打包进 CLI 的结构化元数据（通常以 Markdown 或 JSON 描述），它向 Agent 说明：这个工具能做什么、有哪些命令、推荐的使用顺序、以及各自的输入输出格式。传统 CLI 通过 --help 和 man page 面向人类输出说明，格式自由、语义模糊，Agent 解析起来容易出错；而 Skill 用机器友好的方式编码了"工具的自述"，让 Agent 无需先推理探索就能按最佳实践调用。这一模式与 Anthropic 提出的 Agent Skills 概念、OpenAI 的 function calling schema 思路一致，都是让工具主动适配 Agent，而非让 Agent 反复试错来适应工具，从而显著提升自动化工作流的成功率与可靠性。