اگر امروز برای توسعه یک عامل خرید دیجیتال برنامه‌نویسی می‌کنید، دیگر نیازی نیست صدها خط کد برای استخراج داده‌های نامنظم وب بنویسید. BuyWhere یک کاتالوگ محصولات و ابزار مقایسه قیمت بومی برای عامل‌ها را عرضه کرده است که طبق راهنمای فنی ۲۲ ژوئن ۲۰۲۶، دسترسی به داده‌های ساختاریافته‌ی بیش از ۹ میلیون محصول فعال را فراهم می‌کند.
بسیاری از عامل‌های هوش مصنوعی (AI Agent) — مانند دستیارهایی که به‌جای شما خرید می‌کنند — در حال حاضر برای یافتن کالا به وب‌اسکرپینگ (Web Scraping) یا همان استخراج زنده داده‌ها وابسته هستند. این روش کند است و با هر تغییر کوچک در ظاهر سایت‌ها، شکست می‌خورد. برای یک توسعه‌دهنده حرفه‌ای، این وضعیت یک جریان کاری «شکننده» ایجاد می‌کند که در آن مدل‌ها اغلب در مورد قیمت‌ها دچار توهم (Hallucination) — شبیه دوستی که خاطره‌ای را اشتباه تعریف می‌کند — می‌شوند یا در مراحل پیچیده پرداخت در سایت‌های تجارت الکترونیک شکست می‌خورند. BuyWhere این مشکل را با ایندکس کردن پیش‌فرض فیدهای محصول در یک کاتالوگ PostgreSQL پارتیشن‌بندی شده حل کرده است تا داده‌ها در قالب یک پاسخ JSON در یک رفت‌وبرگشت (round-trip) سریع ارسال شوند.
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی پیش‌نیازهای زیرساختی برای عامل‌های خودکار اشاره کردیم، حذف وابستگی به رابط کاربری وب، کلید مقیاس‌پذیری است. این رویکرد با استراتژی‌های مقیاس‌پذیری در پروژه‌های نوآورانه هوش مصنوعی همسو است که بر اهمیت زیرساخت‌های منعطف تأکید دارد. شرکت BuyWhere Pte Ltd مستقر در سنگاپور، این زیرساخت را به‌طور خاص برای بازارهای جنوب شرق آسیا و آمریکا توسعه داده است. آن‌ها بر این باورند که میلیاردها تعامل بعدی عامل‌های هوش مصنوعی، پرس‌وجوهای خرید خواهند بود که به جای اسکریپرهای غیرقابل اعتماد، به یک API سریع و آگاه از منبع (attributions-aware) نیاز دارند.
این سامانه به‌طور اختصاصی برای جریان‌های کاری عامل‌محور (agentic workflows) طراحی شده و داده‌های خود را از طریق یک REST API و یک پروتکل زمینهٔ مدل (Model Context Protocol یا MCP) — که مانند یک مترجم استاندارد، ابزارهای مدل را به داده‌های خارجی متصل می‌کند — ارائه می‌دهد. در این مسیر، ایجاد هویت‌های معتبر برای این ابزارها ضروری است؛ موضوعی که در تلاشات NewCore برای شناسنامه‌دار کردن عامل‌ها برای تسهیل تعاملات سازمانی به‌وضوح دیده می‌شود. سرور MCP BuyWhere که در آدرس https://mcp.buywhere.ai/mcp قرار دارد، ۶ ابزار تخصصی را در اختیار مدل قرار می‌دهد: search_products (جست‌وجوی محصولات)، get_product (دریافت محصول)، get_price (دریافت قیمت)، compare_prices (مقایسه قیمت‌ها)، get_affiliate_link (دریافت لینک همکاری در فروش) و get_catalog (دریافت کاتالوگ).
به نقل از مستندات فنی این سرویس، جزئیات پوشش شبکه به شرح زیر است:
- فروشندگان: بیش از ۱۴٬۵۰۰ مورد در مجموع. این فهرست شامل پلتفرم‌های بزرگی چون Shopee (در کشورهای سنگاپور، مالزی، اندونزی، تایلند، فیلیپین و ویتنام)، Lazada (در سنگاپور، مالزی، اندونزی، تایلند، فیلیپین و ویتنام)، Amazon (در آمریکا و سنگاپور) و Walmart است. همچنین خرده‌فروش‌های تخصصی مانند FairPrice On، Decathlon (سنگاپور)، Carousell (سنگاپور)، Courts، Harvey Norman، Best Denki، Giant، Cold Storage، 7-Eleven و Watsons در کنار بیش از ۱۴٬۰۰۰ فروشنده کم‌تعداد (long-tail) قرار دارند.
- جغرافیا: پوشش کامل و جامع برای سنگاپور (SG) و ایالات متحده (US).
- ارزها: پشتیبانی از ارزهای SGD، USD، MYR، IDR، THB، PHP و VND. قیمت‌ها در ارز اصلی فروشنده ذخیره می‌شوند و در زمان پرس‌وجو با استفاده از یک فید نرخ ارز (FX) که روزانه به‌روزرسانی می‌شود، تبدیل می‌گردند.
- عملکرد: تأخیر جست‌وجوی کمتر از ۲۰۰ میلی‌ثانیه در p50 و پایداری تاریخی ۹۹.۵ درصدی. تمام پاسخ‌ها شامل فیلدهای
cachedوresponse_time_msبرای قابلیت نظارت (observability) هستند. - مدیریت موجودی: وضعیت دسترسی کالا در سه حالت «Available» (موجود)، «Out of stock» (ناموجود) یا «Limited stock» (موجودی محدود) نمایش داده می‌شود که توسط یک فیلد ساختاریافته به نام
stock.definitionپشتیبانی می‌گردد.
طبق گزارش BuyWhere، ادغام این ابزار با IDEهای مدرن هوش مصنوعی بسیار ساده است. کاربران Claude، Cursor یا Windsurf می‌توانند با افزودن نقطه اتصال MCP و یک Bearer token به تنظیمات خود، قابلیت‌های خرید کامل را فوراً به عامل خود اضافه کنند. برای کلاینت‌های غیر MCP مانند ChatGPT، دسترسی از طریق REST API استاندارد فراهم شده است؛ برای مثال با استفاده از درخواست GET /v1/products/search?q=laptop&country=SG برای دسترسی برنامه‌نویسی شده.
این چرخش از «اسکرپینگ» به «ایندکس‌گذاری»، یک تغییر بنیادین در نحوه مدیریت تراکنش‌ها توسط عامل‌های هوش مصنوعی است. با نرمال‌سازی بیش از ۱۴٬۰۰۰ اسکیمای مختلف فروشنده در یک اسکیمای واحد محصول، BuyWhere بار استدلالی را از روی مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — برمی‌دارد. دیگر لازم نیست عامل درک کند قیمت در کجای صفحه وب قرار دارد؛ او مستقیماً فیلدهای ساختاریافته price_before_discount و availability را دریافت می‌کند.
برای توسعه‌دهندگان، این یعنی افزایش سرعت ۱۰ تا ۱۰۰ برابری در مقایسه با مرور وب توسط عامل. این زیرساخت، عامل‌های واقعی مقایسه قیمت را برای محیط عملیاتی (Production) ممکن می‌سازد، چرا که اکنون می‌توانند توصیه‌های ارزشی را به‌صورت شانه به شانه برای ۲ تا ۱۰ محصول با استناد به لینک‌های ردیابی‌شده همکاری در فروش ارائه دهند. موارد ناموجود نیز به‌طور خودکار با استفاده از ابزارهای similar و compare_prices و بازگشت به جایگزین‌های موجود مدیریت می‌شوند.
در حال حاضر یک سطح رایگان با ۱٬۰۰۰ درخواست ماهانه بدون نیاز به کارت اعتباری وجود دارد و طرح‌های تجاری برای عامل‌های مقیاس صنعتی از ۲۹ دلار ماهانه برای ۵۰٬۰۰۰ درخواست آغاز می‌شوند.
گام بعدی شما
- اگر از Cursor یا Windsurf استفاده می‌کنید، سرور MCP BuyWhere را برای تست قابلیت‌های خرید در پروژه‌های خود اضافه کنید.
- در مدل‌های عامل‌محور خود، به‌جای تکیه بر خروجی‌های متنی وب، از Schemaهای ساختاریافته برای کاهش نرخ توهم در قیمت‌ها استفاده کنید.
- تفاوت سرعت پاسخ‌دهی بین REST API و MCP را در سناریوهای جست‌وجوی انبوه مقایسه کنید.
اما چالش واقعی در این زنجیره، نحوه پرداخت‌های خودکار توسط عامل‌هاست — به تحلیل ما درباره‌ی کیف‌های دیجیتال برای AI مراجعه کنید.
گفتگو