Gestern hatte ich über Anthropics Blueprint für Commerce-Agenten geschrieben. Jetzt gibt es dazu den Leitfaden, der erklärt, warum die Referenz-Implementierung so gebaut ist, wie sie ist. Geschrieben haben ihn Ali Shazal und Matthew Koen, und wer sich die 25 Minuten Lesezeit nimmt, lernt einiges, das weit über Online-Shops hinausgeht.
Die erste Entscheidung betrifft die Architektur. Es liegt nahe, für jeden Bereich einen eigenen Subagenten zu bauen: einer für Suche, einer für Retouren, einer für den Warenkorb. Anthropic rät davon ab. Ein Einkaufsgespräch ist eine eng verbundene Session über viele Absichten hinweg, und jede Übergabe an einen Subagenten verliert Zustand, kostet ein Vielfaches an Tokens und addiert Sekunden. In Vergleichen über mehrere Enterprise-Deployments hat ein einzelner Agent mit Skills sowohl das „ein Prompt für alles”-Design als auch die Subagenten-Variante bei der Qualität geschlagen, oft bei niedrigeren Kosten. Subagenten haben ihren Platz nur für abgeschlossene Aufgaben mit eigenem Kontextfenster, etwa eine tiefe Recherche, oder als echte Übergabe an einen Agenten mit eigener Compliance, etwa in der Apotheke.
Was kommt in den System-Prompt, was in einen Skill? Die Antwort ist eine Faustregel: Alles, was ein Drittel des Traffics oder mehr betrifft, gehört in den Prompt, der Rest in Skills. Sicherheitsregeln, rechtliche Vorgaben, Markenregeln und kritische Nutzerfakten wie Allergien stehen immer im Prompt. Beim Shopping-Agenten liegt die Produktsuche deshalb im Prompt, während Skills wie „purchase-research” oder „customer-care” den langen Schwanz abdecken.
Zwei Punkte zu Tools fand ich besonders praktisch. Erstens: Tools rufen die Systeme auf, die ein Händler ohnehin hat, Suche, Ranking, Warenkorb, Promotions. Die Suchergebnisse kommen schon sortiert an, das Modell entscheidet nur, welche davon dem Nutzer helfen. Zweitens: Tool-Ergebnisse sind Kontext. Also nur die Felder zurückgeben, mit denen das Modell arbeitet. Bild-URLs in jeder Suchzeile sind laut Anthropic der übliche Übeltäter. Und statt eines nackten 403 lieber eine Anweisung wie „Gib eine Produkt-ID an, wenn du Verfügbarkeit abfragst”.
Der für mich als Produktmensch spannendste Teil: UI-Komponenten sind Tools. Die meisten Antworten eines Commerce-Agenten sind kein Fließtext, sondern ein Produkt-Karussell, eine Reiseroute, ein Sitzplan. Wer das Modell eigene Tags ausspucken lässt und sie clientseitig parst, scheitert mit wachsender Oberfläche. Stattdessen ruft das Modell present_products oder present_itinerary mit typisierten Argumenten auf. Das hat einen netten Nebeneffekt: Wenn der Kunde „das erste Hotel” sagt, steht die Bildschirm-Anordnung in den Argumenten des letzten Tool-Aufrufs. Das Modell weiß also, was gerade zu sehen ist.
Bei Latenz zählt Anthropic drei Hebel auf: weniger Turns, schnellere Tools, schnellere Tokens. Ein Tipp, der Intuition widerspricht: Wenn eine Aufgabe in Produktion mehr als etwa fünf Turns braucht, ist das schnellere Modell oft das klügere, weil es besser plant und weniger Runden dreht.
Beim Gedächtnis rät der Leitfaden zu einem eigenen Extraktor, der nach jedem Turn asynchron Fakten in die eigene Datenbank schreibt, statt dem Agenten ein „Merke dir das”-Tool zu geben. Das kostet keine Latenz und brachte in Anthropics internem Eval 13 Prozent bessere Fakten-Erinnerung. Und bei Sicherheit gilt: Das Modell schlägt vor, ein Mensch oder eine Policy führt aus. Das Checkout-Tool hat auf der Backend-Seite schlicht keine Bezahlfunktion. Auf Händlerseite erzeugt jedes Schreib-Tool nur eine vorbereitete Änderung mit Server-ID, die erst nach Freigabe angewendet wird.
Der letzte Satz des Leitfadens bringt es auf den Punkt: Das meiste hier hat mit dem Modell nichts zu tun. Tools, Skills, Evals und Harness bleiben, wenn das nächste Modell kommt. Das ist die eigentliche Botschaft, und sie gilt für jeden Agenten, den ihr gerade baut.
Quellen: Anthropic: A guide to the anatomy of effective commerce agents, GitHub: anthropics/commerce-agents