Du hast deinen Shopify-Katalog für Menschen optimiert. Jetzt muss er auch für Agentic Crawler funktionieren.
Published: March 23, 2026
Der beste Leitfaden, um mit Shopify's Catalog MCP und Catalog API zu starten
Die These
Dein Shopify-Produktkatalog wird von zwei grundlegend verschiedenen Zielgruppen gelesen: Menschen, die deinen Shop durchstöbern, und KI-Agenten, die deine Produktdaten programmatisch abfragen, um im Auftrag anderer Empfehlungen auszusprechen.
Die meisten Marken haben Jahre damit verbracht, für die erste Zielgruppe zu optimieren. Ausführliche Produktbeschreibungen, Lifestyle-Fotografie, konversionsoptimierte PDPs. Für die zweite Zielgruppe bringt das alles nicht besonders viel.
Dieser Beitrag verwendet ein reales Produkt, Glossier’s Full Orbit Augencreme, um zu zeigen, wie die Lücke in der Praxis aussieht und was das für Marken bedeutet, die über Agentic Commerce nachdenken.
Die Infrastruktur-Ebene, die die meisten Marken noch nicht bemerkt haben
Shopify hat das Catalog MCP entwickelt, einen Model Context Protocol Server, der als primäre Produktentdeckungs-Infrastruktur für Agentic Commerce auf der Shopify-Plattform dient. Es basiert auf dem Universal Commerce Protocol (UCP), einem Standard dafür, wie KI-Agenten Produkte finden, bewerten und damit handeln.
Das Catalog MCP umschließt Shopify’s Catalog REST API und gibt jedem Agenten, der nach dem UCP-Standard gebaut ist, die Möglichkeit:
- Suchen über alle berechtigten Shopify-Produkte basierend auf Suchbegriffen, Preisbereich und Versandort
- Nachschlagen vollständiger Variantendetails zu bestimmten Produkten, einschließlich Beschreibungen, Features, Spezifikationen und Checkout-URLs
Berechtigte Shopify-Händler sind bereits in diesem Katalog. Die Frage ist nicht, ob deine Produkte abgefragt werden. Die Frage ist, was Agenten finden, wenn sie sie abfragen.
Agentic storefronts
Your active products are automatically discoverable.
Review how your product data is sent to the Shopify Catalog for agentic storefronts
Die Shopify-Admin-Ansicht der Agentic Storefronts: ChatGPT und Microsoft Copilot sind die ersten beiden verbundenen KI-Oberflächen.
ChatGPT
Free
By selling on this sales channel, you agree to Agentic Storefronts Supplemental Terms
Checkout
Products
Publishing
Shopify catalog is used to send product data to this sales channel
Ein Klick auf ChatGPT zeigt die Vertriebskanal-Details: Der Checkout bleibt auf deinem Shop und die Produktdaten fließen über den Shopify-Katalog.
Beide Ansichten findest du unter Einstellungen > Vertriebskanäle im Shopify-Admin.
Es gibt drei Wege, über die ein Agent deinen Katalog erreichen kann:
| Weg | Umfang | Authentifizierung erforderlich |
|---|---|---|
| Catalog MCP | Alle berechtigten Shopify-Händler weltweit | Ja (JWT) |
| Storefront MCP | Nur ein einzelner Händler-Shop | Nein |
| Catalog REST API | Alle berechtigten Shopify-Händler weltweit | Ja |
Shopify beschreibt das Catalog MCP als den empfohlenen Weg für die meisten Agentic Commerce-Implementierungen.
Zwei Endpunkte. Zwei sehr unterschiedliche Bilder.
Wenn ein KI-Agent Informationen über ein Produkt in deinem Shopify-Shop erfahren will, hat er zwei Hauptwege zu deinen Daten. Der Legacy-Weg ist der öffentliche /products.json-Endpunkt. Er ist ohne Authentifizierung zugänglich, als JSON strukturiert und seit Jahren die Standardmethode, über die Bots und Scraper Shopify-Kataloge auslesen. Der moderne Weg ist das Catalog MCP und die Catalog API, speziell für agentische Nutzung entwickelt.
Hier ist der vollständige Vergleich für den Glossier Full Orbit, direkt von beiden Endpunkten abgerufen:
| Feld | /products.json |
Catalog API | Catalog API Feldstatus |
|---|---|---|---|
| Product ID | 8185258410229 | gid://shopify/p/5vhkcE78u4c7P2hhO30zEh | Required |
| Title | Full Orbit | Full Orbit | Required |
| Vendor | Glossier | Glossier | Required |
| Description | 4.000-Zeichen HTML-Block | “A hydrating, brightening eye cream that smooths fine lines and reduces dark circles and puffiness.” (98 Zeichen) | KI-generiert (kein Händler-Override) |
| Unique Selling Point | Nicht vorhanden | “Combines brightening, hydrating, and smoothing effects in one tube-packaged eye cream.” | KI-generiert (kein Händler-Override) |
| Top Feature 1 | Nicht vorhanden | Brightening formula reduces the appearance of dark circles for a more awake look | KI-generiert (kein Händler-Override) |
| Top Feature 2 | Nicht vorhanden | Hydrating ingredients keep the under-eye area moisturized and comfortable | KI-generiert (kein Händler-Override) |
| Top Feature 3 | Nicht vorhanden | Smoothing action helps minimize fine lines for a youthful appearance | KI-generiert (kein Händler-Override) |
| Top Feature 4 | Nicht vorhanden | Depuffing effect soothes and refreshes tired eyes | KI-generiert (kein Händler-Override) |
| Top Feature 5 | Nicht vorhanden | Tube dispenser allows for easy, mess-free application | KI-generiert (kein Händler-Override) |
| Tech Spec: Dispenser Type | Nicht vorhanden | Tube | KI-generiert (kein Händler-Override) |
| Tech Spec: Product Form | Nicht vorhanden | Cream | KI-generiert (kein Händler-Override) |
| Tech Spec: Skin Care Effects | Nicht vorhanden | Brightening, Hydrating, Smoothing, Anti-dark circle, Anti-puffiness | KI-generiert (kein Händler-Override) |
| Tech Spec: Brand | Nicht vorhanden | Glossier | KI-generiert (kein Händler-Override) |
| Secondhand | Nicht vorhanden | False | KI-generiert (kein Händler-Override) |
| Variant Description | Nicht vorhanden | 2.312-Zeichen Klartext (HTML entfernt) | Optional |
| Price | $28.00 | $28.00 USD | Required |
| Available for Sale | Nicht vorhanden | True | Required |
| Checkout URL | Nicht vorhanden | Direkte Varianten-Checkout-URL | Required |
| Variant URL | Nicht vorhanden | Produktseiten-URL mit Variantenparameter | Required |
| Rating | Nicht vorhanden | Nicht vorhanden | Optional |
| Image Count | 10 | 10 | Required |
| SKU | FOE-000-00-00 | Nicht vorhanden | — |
| Barcode | 810086254095 | Nicht vorhanden | — |
| Tags | 11 interne Tags (bfcm-eligible, pricing_export, etc.) | Nicht vorhanden | — |
| Product Type | Skincare | Nicht vorhanden | — |
KI-generiert (kein Händler-Override) bedeutet, dass Shopify’s KI den Wert generiert. Händler haben keinen direkten Mechanismus, um diese Felder zu deklarieren oder zu überschreiben. Required-Felder werden vom Händler oder der Plattform kontrolliert und sind garantiert vorhanden. Optional-Felder sind vorhanden, wenn verfügbar. Mit — markierte Felder existieren nur in /products.json und haben kein Äquivalent in der Catalog API.
Der /products.json-Endpunkt gibt einem Agenten eine Wand aus HTML plus interne Logistik-Felder. Die Catalog API liefert ihm ein strukturiertes Briefing, bereinigt von internen Tags und fokussiert auf das, was ein Agent braucht, um eine Empfehlung auszusprechen und einen Kauf abzuschließen.
Ein Agent, der die Frage “Was ist eine gute, leichte Augencreme gegen Augenringe?” beantworten will, muss deutlich mehr arbeiten, wenn er nur rohes HTML hat. Die Ergebnisse verfehlen mit höherer Wahrscheinlichkeit deine tatsächliche Positionierung.
Wie die HTML-Beschreibung für einen Agenten tatsächlich aussieht
Die Full Orbit HTML-Beschreibung beginnt so, genau wie sie in /products.json erscheint:
<p class="pv-details__info-item pv-details__tagline">
<strong>A 360° reset for every, single eye.</strong>
</p>
<p id="description-item" class="pv-details__info-item">
A multi-benefit, 360° eye cream that tackles the concerns
you care about mostâimmediately hydrating for up to 24 hours...
Bevor ein Agent auch nur einen einzigen nützlichen Satz extrahieren kann, muss er CSS-Klassennamen, Span-Tags, Inline-Zeichensatzdeklarationen und kaputte Encoding-Artefakte wie ° und â entfernen. Die klinischen Studiendaten sind inline mit den Produktaussagen eingebettet. Die Inhaltsstoff-Hinweise befinden sich in Listenelementen gemischt mit Marketing-Texten.
Vergleiche das mit dem, was die Catalog API als Kurzbeschreibung zurückgibt:
“A hydrating, brightening eye cream that smooths fine lines and reduces dark circles and puffiness.”
Das sind 98 Zeichen. Es ist direkt, Klartext und sofort parsebar. Ein Agent kann das in einer Empfehlung verwenden, ohne jede Verarbeitung.
Die Lücke besteht nicht nur in der Länge. Es geht um die Signaldichte. Die Catalog API-Beschreibung sagt einem Agenten genau, was das Produkt tut. Die HTML-Beschreibung lässt einen Agenten raten.
Das Problem der “Inferred Fields”: Wenn Shopify’s KI deine Produkttexte schreibt
Hier ist der Teil, mit dem sich die meisten Marken noch nicht auseinandergesetzt haben.
Shopify’s Catalog API kennzeichnet bestimmte Felder mit dem Label “Inferred” in ihrer Referenzdokumentation. Das sind Felder, die Shopify’s KI automatisch generiert, wenn ein Händler sie nicht explizit ausgefüllt hat. Die Dokumentation merkt an, dass Inferred-Felder nicht immer vorhanden sein müssen und dass die Genauigkeit je nach verfügbaren Produktdaten variiert.
Hier sind die exakten Felder, die bei den Search- und Lookup-Endpunkten als Inferred markiert sind:
| Feld | Endpunkt | Beschreibung |
|---|---|---|
description |
Search + Lookup | Detaillierte Produktbeschreibung |
uniqueSellingPoint |
Search + Lookup | Das besondere Wertversprechen |
topFeatures |
Search + Lookup | Array der Top-Produkt-Features |
techSpecs |
Search + Lookup | Array technischer Spezifikationen |
options |
Search + Lookup | Array der Produktoptionen/Varianten |
attributes |
Search | Produktattribute als Name-Wert-Paare |
secondhand |
Search + Lookup | Ob die Variante gebraucht ist |
Zum Vergleich: Die Felder, die Shopify als Required markiert, sind die transaktionalen: price, availableForSale, checkoutUrl, variantUrl, shop. Shopify kontrolliert die Transaktionsebene. Die Beschreibungsebene liegt bei dir, oder Shopify’s KI füllt sie aus.
Die Felder, die für Agentenempfehlungen am wichtigsten sind, description, uniqueSellingPoint, topFeatures und techSpecs, werden alle KI-generiert, ohne Mechanismus für einen Händler-Override.
Wenn deine Marke keine sauberen, strukturierten Werte für diese Felder hinterlegt hat, wird die agentenseitige Version deines Produkts von Shopify’s KI geschrieben. Nicht von dir.
Die Full Orbit Catalog API-Daten in unserem Vergleich zeigen tatsächlich alle diese Felder als befüllt. Betrachtet man die Werte, teilen sie sich in zwei Gruppen auf, die auf unterschiedliche Ursprünge hindeuten.
Einige sehen aus wie strukturierte Produktdaten, die Glossier wahrscheinlich direkt bereitgestellt hat:
secondhand: False, ein binäres Flag, nichts, was man aus einer Beschreibung generieren würdetechSpecs: Brand: Glossier, grundlegende Produkt-MetadatentechSpecs: Dispenser Type: Tube, ein physisches ProduktmerkmaltechSpecs: Product Form: Cream, ein Produktkategorie-Attribut
Andere lesen sich wie aus der HTML-Beschreibung generierter Text:
uniqueSellingPoint: "Combines brightening, hydrating, and smoothing effects in one tube-packaged eye cream.", ein synthetisierter Satz, kein Standard-ProduktfeldtopFeatures, fünf Nutzenaussagen, die die Sprache der HTML-Beschreibung eng widerspiegeln, aber in diskrete Zeilen umstrukturiert wurdendescription: "A hydrating, brightening eye cream that smooths fine lines and reduces dark circles and puffiness.", eine komprimierte Klartextversion des HTML-Eröffnungsabsatzes
Dieses Muster deutet darauf hin, dass die technischen Spezifikationen und binären Flags möglicherweise aus Shopify’s Produkttaxonomie und Standard-Produktfeldern stammen, während die textlastigen Felder (USP, Top-Features, Kurzbeschreibung) eher aus der Produktbeschreibung generiert werden. Beides ist nicht bestätigt: Nur Glossier und Shopify kennen den tatsächlichen Eingabemechanismus. Aber die Daten sind konsistent mit dieser Aufteilung.
In jedem Fall ist der Full Orbit-Output kohärent und für einen Agenten nützlich. Das Risiko besteht bei Produkten, deren Ausgangsmaterial dünner ist. Überlege, was passiert bei:
- Einem Produkt, dessen HTML-Beschreibung hauptsächlich Marketing-Sprache mit wenigen Fakten enthält
- Einem neuen Produkt, dessen Beschreibung noch nicht vollständig ausgearbeitet ist
- Einem reformulierten Produkt, bei dem noch alter Text online ist
- Einem Produkt, dessen Positionierung subtil ist und Kontext erfordert, um sie akkurat zu vermitteln
In jedem dieser Fälle kann eine KI-generierte Beschreibung den Kern völlig verfehlen. Das ist die Beschreibung, die Agenten verwenden, wenn sie dein Produkt jemandem empfehlen.
Du bekommst keine Möglichkeit, Inferred-Feldwerte zu überprüfen, bevor sie an Agenten ausgeliefert werden. Der einzige Weg sicherzustellen, dass Agenten mit akkuraten, markengesteuerten Beschreibungen arbeiten, ist, die Felder selbst auszufüllen.
Wie Agenten deine Produkte tatsächlich finden: Suchen, dann Nachschlagen
Der Catalog MCP-Workflow folgt einem zweistufigen Muster, das direkte Auswirkungen darauf hat, wie deine Katalogdaten verwendet werden.
Schritt 1: Suchen. Ein Agent übersetzt einen Nutzer-Prompt wie “Finde mir eine leichte Augencreme gegen Augenringe unter 30 $” in eine Suchabfrage gegen den Katalog. Die Ergebnisse werden nach Universal Product ID (UPID) geclustert, was Duplikate verhindert, wenn dasselbe Produkt von mehreren Händlern verkauft wird. Jedes Suchergebnis enthält:
- Produkttitel und Beschreibung
- Preisspanne über alle Verkäufer
- Verfügbare Optionen (Größe, Farbton usw.)
- Eine Liste von Händlern mit ihren spezifischen Preisen und Checkout-URLs
Schritt 2: Nachschlagen. Anhand der UPID aus dem Suchergebnis ruft der Agent umfassende Variantendetails für das spezifische Produkt ab, einschließlich vollständiger Beschreibungen, Schlüssel-Features, technischer Spezifikationen, aller Preise auf Variantenebene und Checkout-URLs für das Angebot jedes Händlers.
Die Implikation des UPID-Clusterings ist es wert, kurz innezuhalten. Wenn dein Produkt dieselbe SKU ist, die von mehreren Shopify-Händlern verkauft wird (über Großhandel, autorisierte Wiederverkäufer oder Marktplatz-Vereinbarungen), werden diese Angebote zusammen in einem einzigen geclusterten Ergebnis präsentiert, mit Preisvergleich. Der Agent (und Nutzer) kann alle verfügbaren Preise auf einen Blick sehen. Katalogqualität beeinflusst nicht nur, ob dein Produkt erscheint, sondern ob dein Angebot dasjenige ist, das ausgewählt wird, wenn mehrere Händler denselben Artikel verkaufen.
Warum das wichtig ist, wenn Agenten zu Käufern werden
Die Verschiebung, die gerade stattfindet: KI-Agenten entwickeln sich von Recherche-Assistenten zu Transaktionsteilnehmern. Shopping-Agenten liefern nicht nur Informationen. Sie sind zunehmend in der Lage, Käufe zu initiieren, und nutzen dafür genau die Art von Checkout-URL auf Variantenebene, die die Catalog API zurückgibt.
Wenn ein Agent ein Produkt in den Warenkorb legen oder einen Checkout-Link generieren kann, beeinflusst die Qualität der Daten über dein Produkt direkt, ob dein Produkt empfohlen wird und ob die Empfehlung korrekt ist.
Drei Dinge stehen auf dem Spiel:
Auffindbarkeit. Wenn ein Agent nicht sicher parsen kann, was dein Produkt tut und für wen es gedacht ist, wird er es bei relevanten Anfragen nicht anzeigen. Saubere, strukturierte Felder geben Agenten die Sicherheit, eine Empfehlung auszusprechen.
Genauigkeit. Ein Agent, der mit HTML arbeitet, generiert möglicherweise seine eigene Zusammenfassung deines Produkts basierend auf dem, was er extrahieren kann. Diese Zusammenfassung kann wichtige Aussagen auslassen, den Anwendungsfall falsch darstellen oder klinisch validierte Daten komplett fallen lassen. Du kontrollierst nicht, was der Agent über dein Produkt sagt, aber du kontrollierst die Inputs, mit denen er arbeitet.
Konversion. Die Catalog API enthält eine direkte Checkout-URL für jede Variante. Agenten mit Transaktionsfähigkeit brauchen genau das: einen maschinenlesbaren Pfad von der Empfehlung zum Kauf. Wenn dieses Feld nicht befüllt und korrekt ist, bricht der Konversionspfad ab, bevor er überhaupt beginnt.
Die Felder, die Agenten-Entscheidungen bestimmen
Nicht alle Katalogfelder haben das gleiche Gewicht für agentische Endpunkte. Basierend darauf, wie KI-Agenten Produktdaten verarbeiten und ranken, sind dies die wichtigsten:
| Feld | API-Feldname | Status | Warum es wichtig ist |
|---|---|---|---|
| Kurzbeschreibung | description |
KI-generiert (kein Händler-Override) | Primäres Signal für Query-Matching und Empfehlungstexte |
| Alleinstellungsmerkmal | uniqueSellingPoint |
KI-generiert (kein Händler-Override) | Differenziert dein Produkt in einem Vergleichskontext |
| Top-Features | topFeatures |
KI-generiert (kein Händler-Override) | Matcht Nutzer-Intent-Abfragen wie “am besten gegen Augenringe” |
| Technische Spezifikationen | techSpecs |
KI-generiert (kein Händler-Override) | Ermöglicht Filterung nach Format, Inhaltsstoff oder Spendertyp |
| Produktattribute | attributes |
KI-generiert (kein Händler-Override) | Name-Wert-Paare für strukturierte Filterung |
| Verfügbar zum Verkauf | availableForSale |
Required | Agenten priorisieren nicht vorrätige Artikel herunter oder überspringen sie |
| Checkout-URL | checkoutUrl |
Required | Erforderlich für jede transaktionale Agentenfähigkeit |
| Varianten-URL | variantUrl |
Required | Fallback-Pfad, wenn nativer Checkout nicht verfügbar ist |
Die Inferred-Felder sind diejenigen, die beschreiben, was dein Produkt ist und warum jemand es kaufen sollte. Die Required-Felder sind diejenigen, die die Transaktion abschließen. Shopify garantiert die zweite Gruppe. Die erste Gruppe liegt in deiner Verantwortung.
Was du heute in deinem Katalog prüfen solltest
Wenn du ein Markeninhaber bist, der einen Shopify-Katalog verwaltet, gibt es einige spezifische Dinge, die du jetzt prüfen solltest, bevor KI-Agenten einen größeren Anteil deines Traffics ausmachen und bevor transaktionale KI zur Norm wird.
Prüfe deine Kurzbeschreibung. Hat jedes Produkt eine prägnante Klartext-Zusammenfassung, die damit beginnt, was das Produkt tut? Nicht dein Slogan. Nicht dein Marketing-Hook. Eine funktionale Beschreibung, die ein Agent nutzen kann, um das Produkt einer Nutzeranfrage zuzuordnen.
Prüfe deine Feature-Felder. Befüllst du diskrete Top-Feature-Felder, entweder nativ in Shopify oder über ein Metafield oder einen Catalog API-Feed? Wenn all deine Produktinformationen in einem einzigen HTML-Beschreibungsblock leben, gibst du Agenten einen undifferenzierten Textblock, mit dem sie arbeiten müssen.
Prüfe deine Verfügbarkeitsdaten. Nicht vorrätige Produkte, die weiterhin als verfügbar erscheinen, erzeugen Empfehlungsfehler. Agenten, die Produkte empfehlen, die Nutzer nicht kaufen können, untergraben das Vertrauen in den Agenten und in deine Marke.
Prüfe deine Checkout-URLs. Wenn du mit einem Shopping-Feed oder einer KI-Commerce-Plattform integriert bist, überprüfe, ob die Checkout-URLs auf Variantenebene korrekt befüllt werden. Ein defekter oder generischer Checkout-Link bricht den Konversionspfad komplett ab.
Prüfe deine Varianten-Beschreibungen. Produktseiten haben oft detaillierte Beschreibungen, die nicht auf die Variantenebene übertragen werden. Bei Produkten mit mehreren SKUs fragen Agenten möglicherweise auf Variantenebene ab und treffen auf leere Felder.
Prüfe deine Inferred-Felder. Das Shopify Catalog MCP kennzeichnet Felder als “Inferred”, wenn Händler sie nicht explizit befüllt haben. Für die Felder, die Agenten am stärksten gewichten (Kurzbeschreibung, Alleinstellungsmerkmal, Top-Features), stelle sicher, dass deine Marke explizite Werte hinterlegt hat, anstatt sie der KI-Inferenz zu überlassen. Es gibt keinen Mechanismus, um abgeleitete Werte zu überprüfen oder zu korrigieren, bevor sie an Agenten ausgeliefert werden.
Prüfe deine Catalog Mapping-Quellen. Wenn du den Agentic Plan nutzt, ermöglicht dir Shopify Catalog Mapping (Einstellungen > Shopify Catalog Mapping), die Quelle von drei Schlüsselfeldern auf ein Metafield oder Metaobjekt umzuleiten, anstatt das Standard-Produktattribut zu verwenden. Das sind die Inputs, die die ML-Inferenz-Pipeline speisen.
Product fields
Change the sources for standard fields on the Shopify Catalog
Shopify Catalog Mapping (Einstellungen > Shopify Catalog Mapping). Jede Quelle kann auf ein Metafield oder Metaobjekt umgeleitet werden. Dies kontrolliert, was in die ML-Pipeline einfließt, nicht was die Pipeline produziert.
Die größere Verschiebung: Katalog als Infrastruktur
Für den Großteil der Shopify-Ära war der Produktkatalog Verkaufsmaterial: Inhalte, die du für Menschen geschrieben hast, die deinen Shop durchstöbern. Die PDP war der Endpunkt.
Dieses Modell ändert sich. Dein Katalog ist jetzt Infrastruktur, die von mehreren Arten von Konsumenten gelesen wird: Menschen in deinem Shop, Suchmaschinen-Crawler, Preisvergleichsportale und zunehmend KI-Agenten, die im Auftrag von Nutzern Empfehlungen aussprechen und Käufe tätigen.
Die Marken, die jetzt in Katalogqualität investieren (strukturierte Felder, sauberer Text, vollständige Metadaten), werden einen kumulativen Vorteil haben, wenn Agentic Commerce skaliert. Die Marken, die das nicht tun, werden feststellen, dass ihre Produkte ungenau zusammengefasst, von Agenten herabgestuft werden, die die Daten nicht parsen können, oder in Empfehlungen komplett fehlen.
Das Glossier-Beispiel ist lehrreich, nicht weil Glossier etwas falsch gemacht hat. Ihre HTML-Beschreibungen sind reichhaltig, detailliert und klar für menschliche Leser geschrieben. Es ist lehrreich, weil es zeigt, dass Inhalte, die für menschliches Lesen geschrieben wurden, und Daten, die für die Agentennutzung strukturiert sind, zwei verschiedene Dinge sind. Beides ist jetzt wichtig.
Shopify-Dokumentationsreferenz
Die folgenden Seiten aus Shopify’s Entwicklerdokumentation sind die primären Quellen für die Catalog MCP- und Catalog API-Informationen in diesem Artikel.
Katalogübersicht
- About Shopify Catalog, Übersicht über das Catalog MCP, Storefront MCP und die Catalog REST API, einschließlich der Definition von Inferred-Feldern
- Universal Commerce Protocol (UCP), der Standard, auf dem das Catalog MCP aufgebaut ist
MCP-Referenzen
- Catalog MCP reference, Tools, Parameter und Response-Schemas für
search_global_productsundget_global_product_details - Storefront MCP reference, Single-Store-Alternative zum Catalog MCP
Catalog REST API-Referenzen
- Catalog REST API overview, Authentifizierung, Rate Limits und Endpunkt-Index
- Search endpoint, vollständiges Feld-Schema für Suchergebnisse, einschließlich der als Inferred markierten Felder
- Lookup endpoint, vollständiges Feld-Schema für Produktdetail-Antworten, einschließlich der als Inferred markierten Felder
- Lookup by variant, Varianten-Lookup-Schema
- Bulk lookup, Batch-Abruf von Produktdetails
Häufig gestellte Fragen
Was ist Agentic Commerce?
Agentic Commerce bezeichnet KI-Agenten, die eigenständig Produkte recherchieren, vergleichen und im Auftrag von Nutzern empfehlen, und zunehmend auch Käufe abschließen.
- Shopping-Agenten lesen Produktdaten programmatisch, nicht durch Stöbern in einem Shop
- Sie generieren Empfehlungen basierend auf strukturierten Feldern wie Beschreibungen, Features und Spezifikationen
- Transaktionale Agenten können Checkouts über Checkout-URLs auf Variantenebene initiieren
- Die Qualität deiner Produktdaten beeinflusst direkt, ob deine Produkte empfohlen werden
Wie lesen KI-Shopping-Agenten einen Shopify-Katalog?
Shopify’s Catalog MCP ist der primäre Weg für Agentic Commerce. Es folgt einem Such- und Nachschlageablauf.
- Catalog MCP: Der empfohlene Weg. Durchsucht alle berechtigten Shopify-Händler weltweit; erfordert JWT-Authentifizierung
- Catalog REST API: Dieselben Daten wie das MCP, direkt abfragbar
- Storefront MCP: Auf einen einzelnen Shop beschränkt; keine Authentifizierung erforderlich; nützlich für Single-Brand-Agenten
/products.json: Legacy-Endpunkt; gibt rohes HTML zurück; keine strukturierten Features oder Checkout-URLs- Agenten, die das Catalog MCP nutzen, folgen einem zweistufigen Ablauf: Suche nach Stichwort/Präferenz, um UPIDs zu erhalten, dann Nachschlagen nach UPID, um vollständige Variantendetails abzurufen
Welche Produktfelder sind für KI-Agenten am wichtigsten?
Die Felder mit dem stärksten Signal für agentische Endpunkte sind diejenigen, die direkt dazu dienen, wie Agenten Produkte mit Nutzerabsichten abgleichen.
- Kurze Klartext-Beschreibung (das Full Orbit-Beispiel hat 98 Zeichen)
- Alleinstellungsmerkmal
- Diskrete Top-Features
- Strukturierte technische Spezifikationen
- Verfügbarkeitsstatus
- Checkout-URL auf Variantenebene
Spielt es eine Rolle, ob meine Produktbeschreibungen in HTML geschrieben sind?
Ja. HTML-Markup erzeugt Rauschen, das Agenten vor der Verarbeitung entfernen müssen.
- Eine 4.000 Zeichen lange HTML-Beschreibung mit CSS-Klassen und Inline-Tags ist schwerer zu parsen als eine 100 Zeichen lange Klartext-Zusammenfassung
- Die Catalog API entfernt HTML, kann aber Beschreibungen nicht reparieren, die semantisch unklar sind, sobald das Markup entfernt wurde
- Beschreibungen, die für visuelle Darstellung geschrieben wurden, sind möglicherweise nicht effektiv, wenn sie als Klartext gerendert werden
- Die besten Beschreibungen sind klar und übersichtlich, sowohl im menschlichen als auch im maschinellen Lesekontext