Claude Commerce Agents: o Blueprint Open Source da Anthropic que Transforma E-commerce com Agentes de IA

Anthropic lançou o Claude Commerce Agents, blueprint Apache 2.0 para agentes de compra e merchant. Carrinhos 35% maiores, 60% mais conversões. Veja como aplicar com Kommo e n8n.

O Que Aconteceu

Em 3 de setembro de 2026, a Anthropic lançou o Claude Commerce Agents, um blueprint de código aberto licenciado sob Apache 2.0 que entrega dois agentes de IA prontos para produção: um Shopping Agent, que vive dentro do app ou site de um varejista e ajuda clientes a pesquisar produtos, comparar opções e adicionar itens ao carrinho; e um Merchant Agent, voltado para operadores de loja, auxiliando em decisões de estoque, precificação e marketing.

O repositório roda localmente com Python 3.11+ e Node 22, exigindo apenas uma ANTHROPIC_API_KEY. O código aceita qualquer cliente Anthropic, o que significa que o mesmo deploy funciona na API direta do Claude, na Amazon Bedrock, no Microsoft Azure AI Foundry e no Google Cloud Vertex AI — sem reescrever nada.

A Anthropic fechou parcerias de pagamento com Visa e Mastercard para que os agentes possam preparar e confirmar transações de forma segura. Uma ressalva importante: os agentes podem recomendar e preparar ações, mas não finalizam compras de forma autônoma sem confirmação do usuário — uma escolha deliberada de segurança.

Os números já reportados por varejistas early adopters são expressivos: carrinhos até 35% maiores e compradores 60% mais propensos a finalizar a compra quando assistidos pelo agente.

Por Que Isso Importa Para Você

Se você opera um e-commerce, uma imobiliária com catálogo online, uma clínica com agendamentos recorrentes ou qualquer negócio que dependa de conversão digital, este lançamento muda o jogo de três formas práticas:

1. Redução de fricção na jornada do cliente. O maior assassino de conversões é a dúvida não respondida no momento certo. Um agente que entende linguagem natural, compara produtos em tempo real e guia o visitante pelo funil resolve exatamente esse gargalo — sem depender de atendente humano disponível.

2. Inteligência operacional para o gestor. O Merchant Agent não é só um chatbot de frente. Ele analisa dados de estoque, sugere ajustes de precificação baseados em sazonalidade e gera briefings de marketing. Para pequenas e médias empresas brasileiras, isso é uma função de analista de dados embutida no próprio sistema de gestão.

3. Open source significa custo zero de licença. O código Apache 2.0 permite uso comercial irrestrito. Você paga apenas pelo uso da API Claude — o que, combinado com modelos como o Fable 5.1 a /M tokens de entrada, torna o custo por transação assistida extremamente competitivo.

Análise Técnica

A arquitetura do Claude Commerce Agents segue o padrão Product Service: cada agente é um serviço independente com ferramentas (tools) bem definidas, memória de sessão e capacidade de orquestrar chamadas a APIs externas. Isso é relevante porque é exatamente o mesmo padrão que usamos na Metrik Academy para construir agentes sobre o Kommo CRM.

O Shopping Agent expõe ferramentas como search_products, compare_items, add_to_cart e get_recommendations. Cada tool é uma função Python com schema JSON que o modelo Claude chama de forma autônoma conforme a conversa avança. O estado da sessão de compra é mantido em memória local — facilmente substituível por Redis ou Supabase em produção.

O Merchant Agent conecta a ferramentas de leitura de banco de dados, APIs de precificação e sistemas de relatório. O repositório inclui exemplos de integração com Shopify, WooCommerce e sistemas de ERP genéricos via webhook.

Um detalhe técnico que merece atenção: o blueprint usa streaming de respostas por padrão, o que garante que o usuário veja a resposta sendo construída em tempo real — experiência muito superior ao aguardar a resposta completa. Isso é configurável e pode ser desabilitado para integrações síncronas como n8n.

Como Aplicar Hoje com Kommo e n8n

A stack que recomendamos na Metrik para implementar o Claude Commerce Agents no contexto brasileiro é: Claude API + n8n + Kommo CRM + WhatsApp Business. Veja o fluxo completo:

Passo 1 — Clone e configure o repositório. Faça o clone do repositório oficial da Anthropic (anthropic/claude-commerce-agents), configure a ANTHROPIC_API_KEY e rode localmente para validar. O README inclui exemplos com dados fictícios de varejo para você testar antes de conectar ao seu sistema real.

Passo 2 — Exponha o Shopping Agent como webhook. Usando FastAPI (já incluído no projeto) ou qualquer servidor Python, exponha um endpoint POST /chat que recebe a mensagem do cliente e retorna a resposta do agente. Este endpoint vai ser consumido pelo n8n.

Passo 3 — Crie o workflow n8n de entrada. No n8n, configure um trigger de Webhook para receber mensagens do WhatsApp Business (via API oficial ou via Kommo). O nó seguinte faz um HTTP Request POST para o seu endpoint do Shopping Agent, passa a mensagem e o histórico da conversa, e recebe a resposta estruturada.

Passo 4 — Registre a interação no Kommo. Após cada resposta do agente, use o nó Kommo no n8n para criar ou atualizar o lead: registre a intenção identificada pelo agente (produto buscado, faixa de preço, objeção levantada) como campos customizados. Isso alimenta seu funil de vendas com dados ricos de intenção de compra — sem esforço manual.

Passo 5 — Implemente o Merchant Agent no painel interno. Para o gestor, integre o Merchant Agent ao seu painel de controle (pode ser uma interface simples em Next.js ou até um bot no Slack/Telegram interno). Conecte às suas fontes de dados via n8n: planilhas Google Sheets, banco de dados do e-commerce, relatórios do Kommo.

Exemplo prático — Clínica odontológica: O Shopping Agent pode ser adaptado para um catálogo de procedimentos. O paciente chega pelo WhatsApp perguntando sobre clareamento dental, o agente compara as opções (clareamento a laser vs. moldeira), responde dúvidas sobre duração e preço, e já cria o lead no Kommo com o procedimento de interesse marcado. O agente de recepção humana só entra para confirmar o agendamento — reduzindo o tempo de qualificação de 15 minutos para menos de 2.

Exemplo prático — Imobiliária: O Shopping Agent navega pelo catálogo de imóveis respondendo filtros por bairro, metragem e faixa de preço. Cada busca vira um evento no Kommo, alimentando um score de intenção de compra que o corretor usa para priorizar seus contatos do dia.

Recomendação Metrik

O lançamento do Claude Commerce Agents valida o modelo de Product Service com agentes verticais: em vez de um agente genérico que faz tudo mais ou menos, você constrói agentes especializados com ferramentas bem definidas para contextos específicos — compras, suporte, qualificação de leads, operações internas.

Nossa recomendação para negócios brasileiros que querem sair na frente:

Para e-commerces: Implemente o Shopping Agent no WhatsApp já neste trimestre. Use o Fable 5.1 para manter custos baixos e integre com o Kommo para capturar dados de intenção. A curva de aprendizado é pequena — o blueprint resolve 80% do trabalho de engenharia.

Para clínicas e prestadores de serviços: Adapte o Shopping Agent para um catálogo de serviços. A lógica de comparação e recomendação funciona perfeitamente para procedimentos médicos, consultoria jurídica ou qualquer serviço com múltiplas opções e critérios de escolha.

Para agências e implementadores: Este é o momento de construir um produto vertical sobre o Claude Commerce Agents para um nicho específico — varejo de moda, pet shops, academias. O mercado brasileiro ainda não tem soluções prontas nesse nível, e o código aberto elimina o custo de desenvolvimento do zero.

Na Metrik Academy, já estamos mapeando os casos de uso mais relevantes para o contexto brasileiro e vamos lançar módulos práticos de implementação nas próximas semanas. Se você quer ser avisado quando o material estiver disponível, entre na nossa comunidade e ative as notificações.

O futuro do comércio conversacional chegou. E ele é open source.