Agentic Commerce 協定地圖
這份簡報把 agentic commerce 拆成兩個主戰場：交易 與 介面。它的核心不是「模型能不能聊天」，而是 agent 能不能在既有產品與商務流程裡，完成發現、比較、結帳與呈現。
核心分層
- MCP：agent 與工具、資料來源的連接層。
- A2A：agent 與 agent 的協作層。
- AP2 / UCP / ACP：付款與交易層。
- A2UI：agent 對使用者介面的描述與呈現層。
這份簡報的主張
-
交易不是唯一戰場。
標準化商品很快會被 agent 改寫，但旅遊、穿搭、逛街這種探索型情境才是真正難題。 -
介面會重回核心。
當 agent 要處理比較與探索時，單純文字回答不夠，必須長出可互動、可瀏覽的 UI。 -
商品資料可見性會變成新入口。
不只是 SEO，而是資料本身是否能被 agent 發現並消化。 -
商務標準還在競合。
UCP、ACP、AP2 與 A2UI 的分工仍在演進中，商家與平台可能需要同時觀察多條路線。
Business-to-Agent：從被看見到被選擇
BusinessNext 對 iKala Connection Day 的整理把 agentic commerce 的外部入口說得更具體：當代理替消費者搜尋、比價與決策，品牌的競爭對象就包含替人把關的 agent，企業因此要從 SEO 的「被看見」走向 GEO 的「被推薦」與 B2A 的「被選擇」。可重用的前置條件是商品／品牌資料具備穩定語意與結構、API 與 action surface 能可靠串接，並有信任、權限與資料治理支撐推薦後的執行，而不是只做一個聊天介面。
這補上本頁協定分層的採用 gate：agent 可發現 → 能理解 → 能比較 → 能執行 → 可追責。iKala 的平台與採用比例保留為企業／媒體 attributed claims；可移植的判準則連到 generative-engine-optimization、agent-ready-data-governance 與 ai-native-enterprise-governance。
百貨 / 購物中心視角
BusinessNext 的百貨觀點補上一個場域判斷：agentic commerce 的贏家未必是單一電商，而可能是能整合餐飲、美妝、服飾、超市、停車、會員與活動資料的購物中心。原因是 ai-agent 代表使用者處理的是「週末安排」「家庭聚餐」「送禮」這類跨品類任務，不只是單品比價；實體零售若把庫存、預約、推薦與會員資料做成 agent 可讀的入口，就能從搜尋流量競爭轉成生活情境協調層。
這也把 agentic-calling 的門市查詢、agent-economy 的消費者 / 企業 agent 協調，以及本頁的協定層接起來：協定讓交易可執行，場域整合讓任務值得被 agent 委派。
製造與 ERP 場景
《Sega on AI》把 agentic commerce 從消費者購物延伸到台灣製造業的重複性採購：補貨、庫存、發票、報帳、供應鏈詢價與 ERP 溝通都可能由 agent 協助完成。其價值不只在「代替人下單」，而在縮短跨部門 silo 的資訊傳遞時間，降低需求判讀錯誤與庫存風險；前提是商品資料、權限、預測模型與人工確認邊界已經可用。
相關頁面
- ai-agent — agent 作為可使用工具與上下文的執行體
- agentic-calling — 代理幫使用者完成查詢、比價與回傳結構化摘要
- agent-economy — 個人與企業 agent 協調供需、溝通與交易的市場結構
- agentic-ai-cost-management — agentic system 的成本、context rot 與 retry 控制
- palantir-ontology — 企業語意模型與 agent 執行架構的另一種做法