Claude ya tiene un manual oficial para armar un agente de compra: qué necesita tu e-commerce antes de copiarlo.

El 2 de septiembre de 2026, a tres meses de la temporada más cara del año, Anthropic publicó algo que hasta ahora no existía: un blueprint oficial, con código abierto y guardrails ya escritos, para construir un agente de compra sobre Claude. No es un anuncio de producto ni una demo de conferencia —es un repositorio que te descargás y corrés—, y eso lo vuelve mucho más interesante y mucho más exigente. Porque apenas lo abrís aparece la letra chica que el titular no cuenta: el blueprint no se conecta solo a tu tienda. Acá va qué trae, qué no trae y qué tiene que estar en orden en tu e-commerce antes de que copiarlo tenga sentido.

Soy consultor de IA certificado por Anthropic y trabajo con empresas argentinas que venden online. Cuando sale un anuncio así el teléfono suena con la misma pregunta —“¿esto lo podemos poner en la tienda?”— y la respuesta honesta casi nunca está en el modelo: está en el estado de los datos de la tienda. Vamos por partes.

¿Qué publicó exactamente Anthropic el 2 de septiembre?

Dos agentes de referencia con roles bien separados. La separación no es cosmética: uno habla con tu cliente y el otro toca tu negocio, y por eso tienen permisos distintos.

Además del código, el paquete incluye tres formas de correrlo —Messages API como implementación de referencia, el Agent SDK, o Managed Agents con servidor MCP—, cuatro verticales demo completas (una tienda retail, una agencia de viajes con inventario atado a fechas, una telco con precios regulados y una ticketera con reservas y lista de espera) y un plugin de Claude Code para generar el andamiaje de tu propio caso. Requisitos de máquina: Python 3.11 o superior y Node 22.

¿Qué necesita tu e-commerce antes de copiar el blueprint?

Acá está el corazón del asunto. El agente no “lee tu tienda”: llama funciones que vos escribís. Anthropic define una interfaz y deja los métodos vacíos para que los completes contra tus sistemas. Esta es la lista de lo que esos métodos necesitan encontrar del otro lado:

Leída entera, la tabla dice algo incómodo y útil: el blueprint no reemplaza la integración, la asume. La parte de IA hoy está resuelta y regalada; la parte de tener el negocio ordenado en datos sigue siendo tuya. Es exactamente el mismo orden que aplica en cualquier proyecto de agentes de IA para ecommerce.

¿Qué dicen los números de conversión y qué no dicen?

El anuncio trae dos cifras que ya están circulando sueltas por LinkedIn, así que conviene fijarlas con precisión. Anthropic afirma que los retailers que usan agentes de compra con Claude ven carritos hasta 35% más grandes y compradores 60% más propensos a completar la compra.

Ahora, lo que no hay detrás de esas cifras: no hay un cliente nombrado que las respalde, no hay ventana temporal, no hay tamaño de muestra y no hay metodología publicada. Tampoco es un “+30 a 35%”: el texto dice hasta 35%, que es el techo, no el promedio. Leído con criterio, es un dato de marketing de la empresa que vende la tecnología —valioso como señal de que el caso funciona, inútil como proyección para tu tienda—.

Lo que sí podés hacer, y es gratis: medir tu línea base antes de conectar nada. Tasa de abandono de carrito, conversión por canal, tickets de atención por semana y cuántos de esos tickets son tres preguntas repetidas. Sin esa foto previa, cualquier mejora posterior es una anécdota.

¿Qué guardrails trae y por qué importan más que el modelo?

Esta es, para mi gusto, la parte más valiosa del release y la que menos titulares se llevó. Los controles no están escritos en el prompt —donde se los lleva puesto cualquier prompt injection— sino en la capa de ejecución de herramientas, y se aplican igual en los tres runtimes:

• Fencing. El agente solo puede ejecutar el conjunto acotado de herramientas que le habilitaste, nada más.
• Provenance gates. Toda escritura pasa por un control de autorización antes de tocar un sistema real.
• Validación de memoria. Lo que el agente “recuerda” del cliente se verifica contra el estado de sesión, no se acepta como verdad.
• Gate de aprobación del comerciante. El merchant agent propone; una persona aprueba. Siempre.
• Topes y presupuestos. Límites duros de consumo y de acción por sesión.
• Anclaje al catálogo. Precios y productos se atan al dato real de tu tienda, y el diseño evita explícitamente los patrones de upsell manipulativo.

Los servidores MCP, además, escuchan solo en loopback: no quedan expuestos a la red. Todo esto existe por una razón concreta —un agente conversacional sin anclaje inventa precios y productos, y ya pasó en tiendas reales—. Si vas a evaluar cualquier proveedor de agentes, esta lista es un buen cuestionario: es la misma lógica que usábamos para decidir si un agente de IA es seguro.

¿Sirve para una tienda argentina en Tiendanube o Shopify?

Shopify figura entre los socios del anuncio, junto con Priceline, Visa, Mastercard, Square, Intuit, Klaviyo, Wix, Zomato, Fetch y Accenture. Tiendanube no está en esa lista, y eso no lo deja afuera: el blueprint es agnóstico de plataforma justamente porque no trae conectores. Si tu plataforma expone API de catálogo, carrito y pedidos —Tiendanube la expone—, se implementa el backend contra ella igual que contra cualquier otra. De hecho, el camino corto para muchas tiendas argentinas pasa hoy por el MCP de Tiendanube, que resuelve la parte de gestión sin escribir un backend desde cero.

El realismo que le debo a cualquiera que esté leyendo esto con la tienda abierta: copiar el blueprint es un proyecto de desarrollo, no instalar una app. Para la mayoría de las tiendas el orden que rinde es al revés del entusiasmo: primero el caso de mayor fricción —casi siempre atención repetitiva o recupero de carrito—, medido contra la línea base; y recién cuando eso funciona, el agente completo. Anthropic acaba de bajar el costo de la segunda parte; la primera sigue dependiendo del criterio con que elijas dónde empezar.

Preguntas frecuentes.

¿Qué son los commerce agents de Claude?

Son dos implementaciones de referencia que Anthropic publicó el 2 de septiembre de 2026 para construir agentes de IA de comercio sobre Claude: un shopping agent que atiende al comprador —busca en el catálogo, compara, arma el carrito, responde por pedidos y políticas— y un merchant agent que asiste al equipo interno con analítica de ventas, fichas de producto, stock, precios y campañas. El código está publicado en GitHub bajo licencia Apache 2.0, incluye cuatro verticales de ejemplo (retail, viajes, telecomunicaciones y ticketing) y un plugin de Claude Code para generar el andamiaje del caso propio.

¿El blueprint es gratis?

El código sí: se publica bajo Apache 2.0 y se puede usar comercialmente. Lo que se paga es todo lo demás: el consumo de tokens de Claude (por Claude API, Amazon Bedrock, Microsoft Foundry o Google Vertex AI), la infraestructura donde corre y, sobre todo, el desarrollo de la integración con tus sistemas. El repositorio además se declara implementación de referencia sin mantenimiento ni contribuciones, así que el soporte de lo que construyas encima corre por tu cuenta.

¿Qué necesita una tienda online para implementar un agente de compra?

Seis cosas, y ninguna es el modelo de IA: catálogo consultable por API con precio y stock al día; carrito y checkout que se puedan operar desde el servidor; pedidos, envíos y políticas de devolución consultables; stock y precios con una única fuente de verdad; analítica de ventas accesible para el agente interno; y una persona designada para aprobar los cambios que el agente propone. El código de Anthropic define la interfaz (StorefrontBackend y MerchantBackend) pero deja esos métodos vacíos: conectarlos a tus sistemas es el trabajo real del proyecto.

¿Puede el agente cambiar precios o stock por su cuenta?

No, y está diseñado explícitamente para que no pueda. Todas las escrituras del merchant agent quedan en estado pendiente hasta que una persona las aprueba, y el control no vive en el prompt sino en la capa de ejecución de herramientas, junto con el fencing de herramientas habilitadas, los controles de autorización sobre cada escritura, la validación de la memoria de sesión y los topes de consumo. Los precios y productos que menciona el agente, además, se anclan al catálogo real para que no invente.

¿Es cierto que sube 60% la conversión?

Lo que dice la fuente es que los retailers que usan agentes de compra con Claude ven carritos hasta 35% más grandes y compradores 60% más propensos a completar la compra. Es un dato publicado por Anthropic, sin cliente nombrado, sin ventana temporal, sin tamaño de muestra y sin metodología. Sirve como señal de que el caso de uso funciona; no sirve como proyección para una tienda concreta. La forma seria de usarlo es medir la línea base propia —abandono de carrito, conversión, volumen de tickets repetidos— antes de implementar, y comparar contra eso.

¿Sirve para una pyme argentina o es solo para grandes retailers?

La arquitectura sirve, pero el proyecto completo no es el primer paso para una pyme. Copiar el blueprint entero implica desarrollo sobre una interfaz de backend, infraestructura y mantenimiento propio. Para una tienda chica o mediana rinde mucho más empezar por un caso acotado —atención de consultas repetidas, recupero de carrito o gestión interna vía el MCP de la plataforma—, medirlo, y recién después evaluar el agente completo. Lo que cambió con este anuncio es que la segunda etapa dejó de requerir diseño desde cero.

Conclusión: el manual estaba faltando, el orden no.

Que Anthropic publique código, guardrails probados y cuatro verticales corriendo es una buena noticia real: baja de golpe el costo de la parte difícil de diseñar y, sobre todo, pone por escrito dónde tienen que vivir los controles. Pero el blueprint empieza donde termina tu integración. Si el catálogo, el stock y los pedidos no están disponibles y confiables, un agente encima solo automatiza el desorden más rápido. La ventaja de que esto salga en septiembre es justamente esa: hay tiempo de ordenar los datos antes de la temporada, en vez de improvisar durante.

Si estás evaluando llevar un agente de compra a tu tienda —o mirando el repo y preguntándote por dónde se empieza—, hablemos. Trabajo la consultoría de IA para e-commerce caso por caso y, cuando el proyecto es sobre Claude para empresas, lo implemento como consultor certificado por Anthropic.

Última actualización: 3 de septiembre de 2026 · Fuentes: Anthropic — Claude for Commerce Agents (2-sep-2026) y el repositorio anthropics/commerce-agents (arquitectura, requisitos e implementación de los guardrails); cobertura secundaria en PYMNTS. Análisis e implementación: Diego Ceredi, consultor de IA certificado por Anthropic.