智能体商务协议对比：ACP、UCP、AP2、llms.txt 与 Agentic Page

要点速览

智能体商务不是单一协议。它是由发现文件、目录系统、产品数据、AI 可读上下文层、交易协议、支付协议以及衡量系统组成的一整套技术栈。
ACP 帮助智能体与卖家完成购买。UCP 旨在为发现、结账与售后流程建立一套更广泛的通用语言。AP2 聚焦于智能体支付与用户授权证明。
Shopify Catalog 帮助符合条件的产品进入 AI 渠道，而 agents.md 与 llms.txt 则帮助 AI 系统在一个站点中确定方向。
Agentic Page 解决的是另一个问题：产品级别的 AI 可读性、语料单元削减、结构化标记以及推荐就绪度。
战略上的错误在于把任何单独一层当成完整策略。一个产品可能被发现却不被理解、被理解却不被信任、被信任却尚未做好交易准备，或者做好了交易准备却从未被推荐。

智能体商务中的协议对比指的是什么？

一份智能体商务协议对比说明的是每项标准或系统各自被设计来解决哪一层的问题。这一点很重要，因为市场常常用同一个词去指代不同的任务：发现、目录收录、产品理解、结账、支付授权、智能体之间的通信以及衡量。

对电商团队而言，真正实用的问题不是哪个协议会“胜出”，而是当下究竟是哪个瓶颈在拖累店铺。如果店铺不是 AI 可读的，再好的结账协议也无法让产品更容易被推荐。如果产品没有进入 AI 渠道，再精美的结构化文案也可能无人看见。如果支付授权不清晰，即便产品已被选中，最终的交易仍可能中断。

协议与层级对比

层级	核心职责	它自身无法解决的问题
ACP	为买家、AI 智能体与商家之间的程序化结账流程建立一套开放标准。	它无法保证产品会被某个 AI 平台收录、理解或推荐。
UCP	为智能体、商家、平台与支付服务商定义一套覆盖发现、购买与售后支持的更广泛通用语言。	它无法替代商家产品数据的质量，也无法替代产品级别的推荐就绪度。
AP2	为由智能体主导的交易提供支付授权层，包括用户意图与同意的证据。	它无法让产品更易被找到，也无法让产品在语义上更清晰。
A2A	在多智能体工作流中，帮助智能体与其他智能体或系统进行通信。	它不定义电商产品的含义，也不定义商家的推荐逻辑。
MCP	通过标准化的上下文与工具接口，把模型和智能体连接到各类工具、数据源与服务。	它不会自动生成一个可供商务使用的产品层。
Shopify Catalog	让符合条件的 Shopify 产品数据可供 AI 渠道与智能体店面使用。	目录收录并不等同于推荐就绪度。
`agents.md` 与 `llms.txt`	为 AI 系统提供一个站点级别的导向文件，内含有用的链接、政策与发现端点。	它们无法替代产品数据源、结构化数据，也无法替代产品级别的语义上下文。
产品结构化数据	对产品实体、报价、评价、库存状态以及其他机器可读事实进行标记。	如果周边页面缺乏上下文，对于长尾购买意图来说它可能不完整或过于单薄。
Agentic Page	构建一个 AI 可读的产品上下文层，削减嘈杂的语料单元、厘清产品含义并支撑推荐就绪度。	它无法替代交易协议、支付协议或平台分发协议。

电商技术栈：从发现到交易

理解智能体商务最清晰的方式，是把它看作一套技术栈。每一层都在帮助智能体从“我需要一件产品”走向“我可以安全地买下这件产品”。

1. 导向

agents.md、llms.txt、站点地图、政策链接与发现端点，告诉 AI 系统该去哪里查看。

2. 分发

Shopify Catalog、产品数据源、Merchant Center 与平台集成，让产品数据可供 AI 购物渠道使用。

3. 产品含义

结构化数据、产品事实、评价、政策以及 Agentic Page，让产品可被理解、可被比较。

4. 推荐就绪度

意图映射、信任证据、比较上下文与语料效率，帮助智能体判断是否要把该产品纳入推荐。

5. 交易

ACP、UCP 结账流程、商家结账以及平台特有的购买路径，帮助智能体从选择走向购买。

6. 支付与授权

AP2、支付令牌、授权指令、钱包与 PSP 集成，支撑更安全的智能体中介支付。

这些层级并非彼此的替代品

最常见的战略错误，是把某一个可见的层级当成完整策略。一个团队加上了 llms.txt，就以为店铺已经为 AI 做好准备。一个 Shopify 商家看到 Catalog 的相关说法，就假定产品一定会被推荐。一个技术团队遵循了 ACP，就假定智能体商务的问题已经解决。一个内容团队加上了结构化数据，就假定 AI 现在已能在自然语言提示中比较该产品。

上述每一步都有帮助，但没有任何一步本身就足够。AI 购物智能体需要的是一条可用信号组成的链条。只要智能体在任一环节失去信心，链条就会断裂：访问被屏蔽、产品事实缺失、语料单元嘈杂、信任证据薄弱、目录数据不匹配、结账不被支持，或支付授权不清晰。

按层级划分的失败模式

一份协议对比真正有用之处，在于它能预测失败模式。如果发现这一环失败，智能体根本触及不到产品。如果目录分发失败，产品可能不会出现在 AI 渠道的候选集合里。如果产品含义这一环失败，智能体可能错误归类产品，或忽略它适合该买家的原因。如果推荐就绪度失败，产品也许被理解了，却仍然输给一个表述更清晰的竞品。如果交易失败，被选中的产品就无法顺畅地完成购买。如果支付授权失败，买家的意图与同意就难以被证明。

从外部看，这些失败彼此相似，因为结果都一样：商家没有拿到这笔销售。但在内部，它们需要不同的修复手段、归属于不同的负责人。增长团队通常负责提示覆盖率与推荐露出。SEO 与技术团队往往负责爬取路径、结构化数据与发现文件。商务平台团队负责目录与结账。财务及平台合作方负责支付授权。一张清晰的协议地图，能避免把某一层误当成整个策略。

电商团队应该优先做什么？

正确的优先级取决于瓶颈所在。在投入工程或内容资源之前，先用这张决策表。

如果问题是……	优先这一层	原因
AI 系统找不到关键产品。	导向与分发	在进行更深入的优化之前，先检查目录参与情况、数据源、可爬取性、站点地图与发现文件。
AI 系统能找到产品，却描述得很糟糕。	产品含义与结构化数据	厘清属性、变体、使用场景、信任证据与政策事实。
产品被正确描述，却很少被推荐。	推荐就绪度	强化意图映射、比较逻辑、评价、证据与语料效率。
智能体会推荐产品，但转化过程很笨拙。	交易协议与结账路径	评估 ACP、UCP、应用内体验，或平台特有的结账路径。
支付、同意或责任归属是关注点。	支付与授权协议	聚焦于 AP2 式的同意、钱包、PSP 与令牌化模式。
团队无法判断哪些 AI 信号重要。	衡量	把爬虫日志、用户触发的检索、目录事件、引荐、推荐与订单分开统计。

Shopify Catalog、agents.md 与 llms.txt 各自的定位

Shopify 当前的文档之所以有用，是因为它把许多团队混为一谈的几个层级区分开了。Shopify Catalog 被描述为智能体店面获取产品数据的主要方式。AI 爬虫也可以访问开放网络。诸如 /agents.md、/llms.txt 与 /llms-full.txt 这类智能体发现文件，则提供店铺上下文、政策链接、站点地图链接与发现端点。

这种区分很重要。目录数据可以帮助 AI 渠道知道某个产品存在。发现文件可以帮助 AI 系统理解该去哪里查看。但二者都不会自动赋予智能体足够的产品含义，让它在某位买家的具体提示下，在多个 SKU 之间做出取舍。而这正是 Agentic Page 被设计来填补的缺口。

为什么 Agentic Page 应当被纳入对比

Agentic Page 并不是 ACP、UCP 或 AP2 那种意义上的协议，它是一个产品级别的 AI 可读层。而这一区别恰恰是它应当被纳入对比的原因。协议在系统之间搬运数据或交易；Agentic Page 则提升这些系统所能使用的产品上下文的质量与效率。

DeepLumen 的立场是：电商团队两者都需要。一个商家可以在技术上兼容未来的某种结账流程，却仍然在智能体的选择集合中处于隐形状态。Agentic Page 帮助削减语料单元的浪费、暴露结构化的产品事实，并让产品页面在交易层尚未介入之前就更易被 AI 系统理解。

市场上存在哪些混淆

从业者围绕 AI 商务的讨论，往往把整套技术栈压缩成一个词：“AI 就绪”。这种说法过于笼统。一家店铺可以是爬虫就绪、目录就绪、回答就绪、结账就绪或支付就绪——这些是不同的状态。

这种混淆体现在运营者提出的问题里：我们该屏蔽 AI 爬虫吗？GPTBot 来访是否意味着有客户看到了我们？Shopify Catalog 会取代 llms.txt 吗？有了 ACP 是否就意味着我们的产品会被列在 ChatGPT 里？如果结账仍然发生在我们自己的店铺上，我们还需要 UCP 吗？这些都不是幼稚的问题，它们恰恰表明市场需要一张更清晰的协议地图。

DeepLumen 的观点

DeepLumen 的观点是：智能体商务的竞争，会在推荐层先于结账层分出胜负。交易协议必不可少，但它们不负责挑选产品。支付协议必不可少，但它们不解释产品的适配性。目录系统必不可少，但它们并不总能为长尾购买意图提供足够的上下文。

对许多电商站点而言，缺失的那一层正是 AI 可读的产品上下文。DeepLumen 帮助计算并削减语料单元的浪费、提升 AI 可读性，并自动结构化产品标记，让 AI 购物智能体拥有一条从购物者意图到产品推荐的更清晰路径。

接下来读什么

若想了解更宏观的市场模型，请阅读智能体商务白皮书。若想了解 Shopify 专属策略，请阅读《Shopify AI 可见性：为什么目录收录不等于推荐就绪度》。

若想付诸实践，可将本篇对比与《AI 购物智能体优化清单》以及《2026 年智能体商务统计数据》搭配阅读。关键术语条目包括Shopify Catalog、llms.txt、Agentic Page、产品结构化数据与推荐就绪度。

常见问题

ACP 等同于智能体商务吗？

不。ACP 只是更广泛的智能体商务技术栈中的一个交易协议。智能体商务还包括发现、目录分发、产品理解、推荐就绪度、支付授权与衡量。

UCP 是 ACP 的替代品吗？

并不完全是。UCP 被定位为覆盖整个智能体商务旅程的更广泛通用语言，而 ACP 聚焦于程序化的商务流程与结账。团队应当评估各自解决的是哪一层，而不是把它们当成完全相同的东西。

llms.txt 能让产品做好推荐准备吗？

不能。llms.txt 帮助 AI 系统在一个站点中确定方向。推荐就绪度需要的是产品级别的事实、信任证据、意图映射、语料效率与比较上下文。

Agentic Page 处在什么位置？

Agentic Page 处在目录分发与交易之间。它通过削减嘈杂的语料单元、厘清产品事实并支撑结构化标记，让产品上下文更易被 AI 读取。

来源与延伸阅读

主要平台与协议参考资料

构建协议无法替代的产品层

DeepLumen 帮助电商团队让产品上下文更干净、更结构化，并在结账尚未开始之前就让 AI 购物智能体更易使用。

了解 Shopify 应用预约演示