تصور کنید یک عامل هوش مصنوعی تمام مراحل تحقیق، مقایسه قیمت و انتخاب محصول را انجام داده، اما درست در لحظه پرداخت، چون نمیتواند دکمههای پیچیده یک درگاه بانکی را بفهمد، متوقف میشود. این «اتصال ناقص» در سال ۲۰۲۶ به یکی از بزرگترین گلوگاههای درآمدی برای فروشگاههای آنلاین تبدیل شده است.
بسیاری از وبسایتهای فعلی برای مدلهای زبانی قابلخوان هستند اما «قابلخرید» نیستند. انسانها این مشکل را با کلیکهای بصری حل میکنند، اما عاملها (Agents) — مانند دستیارهای هوشمندی که میتوانند بهجای ما تصمیم بگیرند و ابزارها را اجرا کنند — به یک جریان پرداخت برنامهریزیشده نیاز دارند که اکثر فروشندگان هنوز آن را پیادهسازی نکردهاند. طبق اعلام Agentfix، این شرکت در ۱۳ جولای ۲۰۲۶ لایهای جدید برای اکتشاف (Discovery Layer) معرفی کرد تا این خلاء را پر کند.
همانطور که در تحلیلهای قبلی ما دربارهی پروتکلهای ارتباطی مدلها اشاره کردیم، صنعت به سمتی میرود که دادهها باید بهجای نمایش بصری، در قالبهای ساختاریافته ارائه شوند. این رویکرد یادآور تلاشهای پیشین برای یکپارچهسازی دسترسی به دادههاست، مشابه آنچه در راهکار CLI Market برای پایان دادن به پراکندگی APIها دیده شد تا کارایی عاملهای هوشمند افزایش یابد. Agentfix با الهام از استاندارد llms.txt که یک فایل Markdown واحد برای بازیابی اطلاعات توسط مدلهاست، الگویی مشابه برای تجارت الکترونیک ایجاد کرده است. هدف این است که بهجای خزشهای (Crawling) غیرقابلپیشبینی در وب، یک سیستم دو-فایله ایجاد شود که جزئیات انسانی را از اجرای ماشینی جدا کند.
مکانیزم دو-فایلی
برای حذف هرگونه ابهام، این سیستم بر دو فایل متکی است که باید در ریشه (Root) سایت قرار بگیرند:
- /llms-pay.md: یک فایل Markdown کاربرپسند که توضیح میدهد چه چیزی فروخته میشود، سیاستهای بازگشت وجه چگونه است و چگونه میتوان با پشتیبانی انسانی ارتباط گرفت. این فایل به مدل زبانی بزرگ (LLM) — مثل کتابخانهداری که میلیاردها صفحه را خوانده و حالا با همان لحن کتابها جواب میدهد — کمک میکند تا مدل ذهنی دقیقی از تراکنش بسازد.
- /.well-known/agent-checkout.json: یک اسکیمای JSON سختگیرانه که شامل نقاط اتصال (Endpoints) دقیق، ساختار بدنه درخواستها و متادیتای ارائهدهنده است.
بر اساس مستندات Agentfix، فایل JSON در واقع «چگونهی» تراکنش را مدیریت میکند. این فایل متدی مثل «POST» را برای جریان پرداخت، فیلدهای مورد نیاز برای بدنه درخواست و وضعیت نهایی (Terminal Status) را مشخص میکند تا مدل بفهمد خرید چه زمانی رسماً تکمیل شده است.
جریان خرید خودکار
برای اطمینان از اینکه تراکنشها تکراری یا اشتباه اجرا نشوند، یک توالی مشخص تعریف شده است. ابتدا عامل فایل Markdown را برای درک زمینه (Context) میخواند و سپس فایل JSON را برای شناسایی ID محصول دریافت میکند.
اگر محصولی نیاز به بررسی اولیه داشته باشد — مثلاً اسکن یک کد یا دریافت پیشفاکتور — عامل گام prereq تعریفشده در JSON را اجرا میکند. به نقل از دموهای فعال در سایت agentfix.pro، یک عامل باید ابتدا درخواستی به /api/scan بفرستد تا یک scan_id دریافت کند و سپس به سراغ نقطه اتصال پرداخت برود.
در نهایت، پس از ارسال ایمیل خریدار و scan_id به درگاه، یک checkout_url تولید میشود. در نسخه v0.1، عامل کاربر انسانی را به این لینک هدایت میکند تا احراز هویت کارت و امنیت 3DS را انجام دهد؛ زیرا Agentfix تعمداً مسئولیت انطباق با استانداردهای PCI را به ارائهدهنده پرداخت سپرده است.
محدودیتهای نسخه v0.1
برای اینکه این الگو بهسرعت عملیاتی شود، برخی ویژگیهای پیچیده در نسخه اولیه حذف شدهاند:
- عدم پشتیبانی از کریپتو: فعلاً فقط کارتهای بانکی پشتیبانی میشوند و تسویههای آنزنجیرهای به نسخه v0.2 موکول شده است.
- تکمحصولی: سیستم در حال حاضر فقط خرید یک محصول در هر تراکنش را مدیریت میکند.
- احراز هویت ساده: فراتر از یک آدرس ایمیل، نیازی به دستاندازیهای OAuth نیست.
- تحویل باینری: وضعیت تحویل کالا فقط به صورت «تحویل شده» یا «در انتظار» است، نه یک نوار پیشرفت جزئی.
این رویکرد مینیمال به فروشندگان اجازه میدهد بدون بازسازی کل زیرساخت بکاند خود، این لایه اکتشاف را اضافه کنند. با استانداردسازی نام فیلدها، هدف این است که عاملها بتوانند با یک منطق واحد از هر سایتی خرید کنند.
برای کسانی که میخواهند سازگاری سایت خود را بسنجند، Agentfix یک اسکنر رایگان ارائه داده که ۳۴ سیگنال مختلف برای آمادگی در برابر عاملها را بررسی میکند.
این تغییر، صنعت را به سمت مدل «تجارت بدون سر» (Headless Commerce) برای هوش مصنوعی میبرد. بهجای اینکه سعی کنیم مدلهای زبانی را در کلیک کردن روی دکمهها استاد کنیم، وب را برای ارائه APIها بهینهتر میکنیم. این یعنی کاهش اصطکاک در «آخرین مایل» سفر یک عامل: یعنی لحظه پرداخت.
اگر این الگو پذیرفته شود، مزیت رقابتی از «داشتن یک لندینگپیج زیبا» به «داشتن یک اسکیمای JSON تمیز» تغییر میکند؛ جایی که محصول هرچه برای ماشینها قابلکشفتر باشد، بیشتر فروخته میشود.
توسعهدهندگان اکنون میتوانند پیشنویس این استاندارد را در agentfix.pro بررسی کنند و درباره کاربردی بودن نام فیلدهایی مثل prereq نظر بدهند.
گام بعدی شما
- اگر صاحب وبسایت هستید، با اسکنر رایگان Agentfix بررسی کنید که سایت شما چقدر برای خرید توسط ماشینها آماده است.
- توسعهدهندگان را تشویق کنید تا فایلهای Markdown توصیفی را برای محصولاتشان بنویسند تا مدلهای زبانی بهتر آنها را بفهمند.
- نظارت کنید که آیا ارائهدهندگان بزرگ پرداخت (مثل Stripe) این استانداردها را در لایههای رسمی خود ادغام میکنند یا خیر.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو