Ви створили каталог Shopify для людей. Тепер він має працювати і для агентних краулерів.

Найкращий гід для початку роботи з Shopify Catalog MCP та Catalog API

Теза

Каталог продуктів Shopify зчитується двома принципово різними аудиторіями: людьми, які переглядають ваш магазин, і AI-агентами, які програмно запитують дані продуктів, щоб формувати рекомендації від чийогось імені.

Більшість брендів роками оптимізували для першої аудиторії. Багаті описи продуктів, лайфстайл-фотографії, PDP, оптимізовані для конверсії. Жодне з цього не дуже допомагає другій аудиторії.

Ця стаття використовує реальний продукт, крем для очей Full Orbit від Glossier, щоб показати, як виглядає цей розрив на практиці та що це означає для брендів, які думають про агентну комерцію.

---

Інфраструктурний рівень, якого більшість брендів ще не помітили

Shopify створив Catalog MCP, сервер Model Context Protocol, який слугує основною інфраструктурою виявлення продуктів для агентної комерції на платформі Shopify. Він побудований навколо Universal Commerce Protocol (UCP), стандарту того, як AI-агенти знаходять, оцінюють і здійснюють транзакції з продуктами.

Catalog MCP обгортає Shopify Catalog REST API і надає будь-якому агенту, побудованому за стандартом UCP, можливість:

1. Шукати серед усіх відповідних продуктів Shopify за ключовими словами, ціновим діапазоном та локацією доставки
2. Переглядати повні деталі варіантів конкретних продуктів, включаючи описи, характеристики, специфікації та URL-адреси оформлення замовлення

Відповідні мерчанти Shopify вже є в цьому каталозі. Питання не в тому, чи запитують ваші продукти. Питання в тому, що агенти знаходять, коли їх запитують.

Вигляд Agentic storefronts в адмін-панелі Shopify: ChatGPT та Microsoft Copilot є першими двома підключеними AI-платформами.

Деталі каналу продажів ChatGPT: оформлення замовлення залишається на вашому магазині, а дані продуктів передаються через Shopify Catalog.

Обидва екрани знаходяться в Settings > Sales channels в адмін-панелі Shopify.

Є три шляхи, якими агент може дістатися до вашого каталогу:

Шлях	Обсяг	Потрібна автентифікація
Catalog MCP	Усі відповідні мерчанти Shopify глобально	Так (JWT)
Storefront MCP	Лише один магазин мерчанта	Ні
Catalog REST API	Усі відповідні мерчанти Shopify глобально	Так

Shopify описує Catalog MCP як рекомендований шлях для більшості впроваджень агентної комерції.

---

Два ендпоінти. Дві дуже різні картини.

Коли AI-агент хоче дізнатися про продукт у вашому магазині Shopify, він має два основні шляхи до ваших даних. Застарілий шлях, це публічний ендпоінт /products.json. Він доступний без автентифікації, структурований як JSON і є стандартним способом, яким боти та скрапери роками зчитували каталоги Shopify. Сучасний шлях, це Catalog MCP та Catalog API, створені спеціально для агентного споживання.

Ось повне порівняння для Glossier Full Orbit, отримане безпосередньо з обох ендпоінтів:

Поле	/products.json	Catalog API	Статус поля Catalog API
Product ID	8185258410229	gid://shopify/p/5vhkcE78u4c7P2hhO30zEh	Required
Title	Full Orbit	Full Orbit	Required
Vendor	Glossier	Glossier	Required
Description	HTML-блок на 4 000 символів	“A hydrating, brightening eye cream that smooths fine lines and reduces dark circles and puffiness.” (98 символів)	Згенеровано AI (без перевизначення мерчантом)
Unique Selling Point	Відсутнє	“Combines brightening, hydrating, and smoothing effects in one tube-packaged eye cream.”	Згенеровано AI (без перевизначення мерчантом)
Top Feature 1	Відсутнє	Brightening formula reduces the appearance of dark circles for a more awake look	Згенеровано AI (без перевизначення мерчантом)
Top Feature 2	Відсутнє	Hydrating ingredients keep the under-eye area moisturized and comfortable	Згенеровано AI (без перевизначення мерчантом)
Top Feature 3	Відсутнє	Smoothing action helps minimize fine lines for a youthful appearance	Згенеровано AI (без перевизначення мерчантом)
Top Feature 4	Відсутнє	Depuffing effect soothes and refreshes tired eyes	Згенеровано AI (без перевизначення мерчантом)
Top Feature 5	Відсутнє	Tube dispenser allows for easy, mess-free application	Згенеровано AI (без перевизначення мерчантом)
Tech Spec: Dispenser Type	Відсутнє	Tube	Згенеровано AI (без перевизначення мерчантом)
Tech Spec: Product Form	Відсутнє	Cream	Згенеровано AI (без перевизначення мерчантом)
Tech Spec: Skin Care Effects	Відсутнє	Brightening, Hydrating, Smoothing, Anti-dark circle, Anti-puffiness	Згенеровано AI (без перевизначення мерчантом)
Tech Spec: Brand	Відсутнє	Glossier	Згенеровано AI (без перевизначення мерчантом)
Secondhand	Відсутнє	False	Згенеровано AI (без перевизначення мерчантом)
Variant Description	Відсутнє	2 312 символів простого тексту (HTML видалено)	Optional
Price	$28.00	$28.00 USD	Required
Available for Sale	Відсутнє	True	Required
Checkout URL	Відсутнє	Пряма URL-адреса оформлення замовлення варіанту	Required
Variant URL	Відсутнє	URL-адреса сторінки продукту з параметром варіанту	Required
Rating	Відсутнє	Відсутнє	Optional
Image Count	10	10	Required
SKU	FOE-000-00-00	Відсутнє	—
Barcode	810086254095	Відсутнє	—
Tags	11 внутрішніх тегів (bfcm-eligible, pricing_export тощо)	Відсутнє	—
Product Type	Skincare	Відсутнє	—

Згенеровано AI (без перевизначення мерчантом) означає, що AI Shopify генерує значення. Мерчанти не мають прямого механізму для декларування чи перевизначення цих полів. Поля Required контролюються мерчантом або платформою і гарантовано присутні. Поля Optional присутні, коли доступні. Поля, позначені —, існують лише в /products.json і не мають еквівалента в Catalog API.

Ендпоінт /products.json дає агенту стіну HTML плюс внутрішні логістичні поля. Catalog API дає йому структуроване резюме, очищене від внутрішніх тегів і зосереджене на тому, що агенту потрібно для формування рекомендації та завершення покупки.

Агент, який намагається відповісти на запит “який хороший легкий крем для очей від темних кіл”, має працювати значно важче, коли все, що він має, це необроблений HTML. Результати, швидше за все, не відповідатимуть вашому реальному позиціонуванню.

---

Як HTML-опис виглядає для агента насправді

HTML-опис Full Orbit починається так, саме так, як він з’являється в /products.json:

<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...

Перш ніж агент зможе витягнути хоча б одне корисне речення, він має видалити імена CSS-класів, span-теги, вбудовані декларації кодування та зламані артефакти кодування на кшталт ° та â. Дані клінічних досліджень вбудовані в текст разом із заявами про продукт. Згадки інгредієнтів знаходяться в елементах списку, змішаних із маркетинговим текстом.

Порівняйте це з тим, що Catalog API повертає як короткий опис:

“A hydrating, brightening eye cream that smooths fine lines and reduces dark circles and puffiness.”

Це 98 символів. Прямий, простий текст, який одразу піддається розбору. Агент може використати це в рекомендації без жодної обробки.

Розрив полягає не лише в довжині. Це щільність сигналу. Опис Catalog API повідомляє агенту точно, що робить продукт. HTML-опис змушує агента вгадувати.

---

Проблема “Inferred полів”: коли AI Shopify пише ваш продуктовий текст

Ось частина, з якою більшість брендів ще не зіткнулися.

Shopify Catalog API позначає певні поля міткою “Inferred” у своїй довідковій документації. Це поля, які AI Shopify генерує автоматично, коли мерчант не надав їх явно. Документація зазначає, що Inferred поля не завжди можуть бути присутніми і що точність варіюється залежно від наявних даних продукту.

Ось точні поля, позначені як Inferred в ендпоінтах Search та Lookup:

Поле	Ендпоінт	Опис
description	Search + Lookup	Детальний опис продукту
uniqueSellingPoint	Search + Lookup	Унікальна торгова пропозиція
topFeatures	Search + Lookup	Масив головних характеристик продукту
techSpecs	Search + Lookup	Масив технічних специфікацій
options	Search + Lookup	Масив опцій/варіантів продукту
attributes	Search	Атрибути продукту у вигляді пар ім’я-значення
secondhand	Search + Lookup	Чи є варіант вживаним

Для контрасту: поля, які Shopify позначає як Required, це транзакційні поля: price, availableForSale, checkoutUrl, variantUrl, shop. Shopify контролює транзакційний рівень. Рівень опису ваш для заповнення, або AI Shopify заповнює його за вас.

Поля, які найважливіші для рекомендацій агентів (description, uniqueSellingPoint, topFeatures та techSpecs), всі генеруються AI без механізму перевизначення мерчантом.

Якщо ваш бренд не заповнив чисті, структуровані значення для цих полів, агентна версія вашого продукту пишеться AI Shopify. Не вами.

Дані Full Orbit з Catalog API в нашому порівнянні фактично показують усі ці поля заповненими. Дивлячись на значення, вони поділяються на дві групи, що натякають на різне походження.

Деякі виглядають як структуровані дані продукту, які Glossier, ймовірно, надав безпосередньо:

• secondhand: False, бінарний прапорець, не те, що можна згенерувати з опису
• techSpecs: Brand: Glossier, базові метадані продукту
• techSpecs: Dispenser Type: Tube, фізичний атрибут продукту
• techSpecs: Product Form: Cream, атрибут категорії продукту

Інші читаються як текст, згенерований з HTML-опису:

• uniqueSellingPoint: "Combines brightening, hydrating, and smoothing effects in one tube-packaged eye cream.", синтезоване речення, а не стандартне поле продукту
• topFeatures, п’ять тверджень про переваги, які близько відображають мову HTML-опису, але реструктуровані в дискретні рядки
• description: "A hydrating, brightening eye cream that smooths fine lines and reduces dark circles and puffiness.", стиснена текстова версія початкового абзацу HTML

Ця закономірність підказує, що технічні специфікації та бінарні прапорці можуть походити з таксономії продуктів Shopify та стандартних полів продукту, тоді як текстові поля (USP, головні характеристики, короткий опис), швидше за все, згенеровані з опису продукту. Жодне з цього не підтверджено: тільки Glossier та Shopify знають фактичний механізм введення. Але дані узгоджуються з таким поділом.

У будь-якому випадку, результат Full Orbit є зв’язним і корисним для агента. Ризик полягає в продуктах, де вихідний матеріал тонший. Подумайте, що відбувається, коли:

• Продукт, де HTML-опис здебільшого маркетинговий текст з мінімумом конкретики
• Новий продукт, де опис ще не повністю розроблений
• Переформульований продукт, де старий текст все ще діє
• Продукт, де ваше позиціонування тонке і потребує контексту для точної передачі

У кожному з цих випадків опис, згенерований AI, може повністю не влучити. Це опис, який агенти використовують, коли рекомендують ваш продукт комусь.

Ви не маєте можливості переглядати значення Inferred полів до того, як вони будуть надані агентам. Єдиний спосіб забезпечити точні, контрольовані брендом описи для агентів: заповнити поля самостійно.

---

Як агенти насправді знаходять ваші продукти: Search, потім Lookup

Робочий процес Catalog MCP дотримується двоетапного шаблону, який має прямі наслідки для того, як використовуються дані вашого каталогу.

Крок 1: Search. Агент перетворює запит користувача на кшталт “знайди мені легкий крем для очей, який допомагає від темних кіл, до $30” у пошуковий запит до каталогу. Результати кластеризуються за Universal Product ID (UPID), що запобігає дублюванню, коли один і той самий продукт продається кількома мерчантами. Кожен результат пошуку включає:

• Назву продукту та опис
• Ціновий діапазон по всіх продавцях
• Доступні опції (розмір, відтінок тощо)
• Список мерчантів з їхніми конкретними цінами та URL-адресами оформлення замовлення

Крок 2: Lookup. Використовуючи UPID із результату пошуку, агент отримує комплексні деталі варіантів конкретного продукту, включаючи повні описи, ключові характеристики, технічні специфікації, всі ціни на рівні варіантів та URL-адреси оформлення замовлення для пропозиції кожного мерчанта.

Наслідок кластеризації UPID заслуговує на увагу. Якщо ваш продукт, це той самий SKU, який продається кількома мерчантами Shopify (через оптову торгівлю, авторизованих реселерів або ринкові домовленості), ці пропозиції представляються разом в одному кластеризованому результаті з порівнянням цін. Агент (і користувач) може бачити всі доступні ціни одразу. Якість каталогу впливає не лише на те, чи з’являється ваш продукт, а й на те, чи буде обрана саме ваша пропозиція, коли кілька мерчантів продають той самий товар.

---

Чому це має значення, коли агенти стають покупцями

Зміна, яка відбувається зараз, полягає в тому, що AI-агенти переходять від дослідницьких помічників до учасників транзакцій. Агенти для покупок не просто подають інформацію. Вони дедалі більше здатні ініціювати покупки, використовуючи саме той тип URL-адреси оформлення замовлення на рівні варіанту, який повертає Catalog API.

Коли агент може додати продукт до кошика або згенерувати посилання на оформлення замовлення, якість даних, які він має про ваш продукт, безпосередньо впливає на те, чи буде ваш продукт рекомендований і чи буде рекомендація точною.

Три речі під загрозою:

Виявлюваність. Якщо агент не може впевнено розібрати, що робить ваш продукт і для кого він, він не покаже його у відповідь на відповідні запити. Чисті, структуровані поля дають агентам впевненість для формування рекомендації.

Точність. Агент, який працює з HTML, може згенерувати власне резюме вашого продукту на основі того, що зможе витягнути. Це резюме може пропустити ключові заяви, неправильно охарактеризувати сценарій використання або повністю відкинути клінічно підтверджені дані. Ви не контролюєте, що агент каже про ваш продукт, але ви контролюєте вхідні дані, з якими він працює.

Конверсія. Catalog API включає пряму URL-адресу оформлення замовлення для кожного варіанту. Агентам із транзакційними можливостями потрібно саме це: машинно-зчитуваний шлях від рекомендації до покупки. Якщо це поле не заповнене й не точне, конверсійний шлях руйнується ще до початку.

---

Поля, які визначають рішення агентів

Не всі поля каталогу мають однакову вагу для агентних ендпоінтів. На основі того, як AI-агенти обробляють та ранжують дані продуктів, ось найважливіші:

Поле	Назва поля API	Статус	Чому це важливо
Короткий опис	description	Згенеровано AI (без перевизначення мерчантом)	Основний сигнал для відповідності запиту та тексту рекомендації
Унікальна торгова пропозиція	uniqueSellingPoint	Згенеровано AI (без перевизначення мерчантом)	Відрізняє ваш продукт у контексті порівняння
Головні характеристики	topFeatures	Згенеровано AI (без перевизначення мерчантом)	Відповідають запитам наміру користувача на кшталт “найкращий від темних кіл”
Технічні специфікації	techSpecs	Згенеровано AI (без перевизначення мерчантом)	Дозволяють фільтрацію за форматом, інгредієнтом або типом дозатора
Атрибути продукту	attributes	Згенеровано AI (без перевизначення мерчантом)	Пари ім’я-значення для структурованої фільтрації
Доступний для продажу	availableForSale	Required	Агенти зменшують пріоритет або пропускають товари, яких немає в наявності
URL оформлення замовлення	checkoutUrl	Required	Необхідний для будь-яких транзакційних можливостей агента
URL варіанту	variantUrl	Required	Резервний шлях, коли нативне оформлення замовлення недоступне

Inferred поля, це ті, що описують, чим є ваш продукт і чому хтось має його купити. Required поля, це ті, що завершують транзакцію. Shopify гарантує другу групу. Перша група, це ваша відповідальність.

---

Що перевірити у вашому каталозі вже сьогодні

Якщо ви власник бренду, який керує каталогом Shopify, є кілька конкретних речей, які варто перевірити зараз, до того як AI-агенти стануть більшою часткою вашого трафіку і до того як транзакційний AI стане нормою.

Перевірте свій короткий опис. Чи має кожен продукт стислий текстовий опис, який починається з того, що продукт робить? Не ваш слоган. Не ваш маркетинговий гачок. Функціональний опис, який агент може використати для зіставлення продукту із запитом користувача.

Перевірте поля характеристик. Чи заповнюєте ви дискретні поля головних характеристик нативно в Shopify, через метаполе або фід Catalog API? Якщо вся інформація про продукт знаходиться в одному HTML-блоці опису, ви даєте агентам недиференційований масив для роботи.

Перевірте дані наявності. Продукти, яких немає в наявності, але які все ще відображаються як доступні, створюють помилки в рекомендаціях. Агенти, які рекомендують продукти, які користувачі не можуть купити, підривають довіру до агента й до вашого бренду.

Перевірте URL-адреси оформлення замовлення. Якщо ви інтегровані з будь-яким фідом для покупок або AI-платформою комерції, перевірте, що URL-адреси оформлення замовлення на рівні варіантів заповнені точно. Зламане або загальне посилання на оформлення замовлення повністю руйнує конверсійний шлях.

Перевірте описи варіантів. Сторінки продуктів часто мають детальні описи, які не переносяться на рівень варіантів. Для продуктів із кількома SKU агенти можуть запитувати на рівні варіантів і натрапляти на порожні поля.

Перевірте Inferred поля. Shopify Catalog MCP позначає поля як “Inferred”, коли мерчанти не заповнили їх явно. Для полів, яким агенти надають найбільшу вагу (короткий опис, унікальна торгова пропозиція, головні характеристики), переконайтеся, що ваш бренд надав явні значення, а не залишив їх для AI-генерації. Не існує механізму для перегляду чи виправлення Inferred значень до того, як вони будуть надані агентам.

Перевірте джерела Catalog Mapping. Якщо у вас Agentic Plan, Shopify Catalog Mapping (Settings > Shopify Catalog Mapping) дозволяє перенаправити джерело трьох ключових полів на метаполе або метаоб’єкт замість стандартного атрибуту продукту. Це вхідні дані, які живлять ML-пайплайн генерації.

Shopify Catalog Mapping (Settings > Shopify Catalog Mapping). Кожне джерело можна перенаправити на метаполе або метаоб’єкт. Це контролює те, що потрапляє в ML-пайплайн, а не те, що пайплайн виробляє.

---

Ширше зрушення: каталог як інфраструктура

Протягом більшої частини ери Shopify каталог продуктів був рекламним матеріалом, контентом, який ви писали для людей, що переглядали ваш магазин. PDP був кінцевою точкою.

Ця модель змінюється. Ваш каталог тепер є інфраструктурою, яку зчитують кілька типів споживачів: люди на вашому магазині, краулери пошукових систем, сервіси порівняння цін і, дедалі більше, AI-агенти, які формують рекомендації та здійснюють покупки від імені користувачів.

Бренди, які інвестують у якість каталогу зараз (структуровані поля, чистий текст, повні метадані), матимуть кумулятивну перевагу в міру масштабування агентної комерції. Бренди, які цього не зроблять, виявлять, що їхні продукти узагальнюються неточно, депріоритизуються агентами, які не можуть розібрати дані, або взагалі відсутні в рекомендаціях.

Приклад Glossier є повчальним не тому, що Glossier зробив щось неправильно. Їхні HTML-описи багаті, детальні та чітко написані для людей-читачів. Він повчальний тому, що показує: контент, написаний для людського читання, і дані, структуровані для агентного споживання, це дві різні речі. Обидві тепер мають значення.

---

Довідник документації Shopify

Наступні сторінки з документації для розробників Shopify є основними джерелами інформації про Catalog MCP та Catalog API у цій статті.

Огляд каталогу

• About Shopify Catalog, огляд Catalog MCP, Storefront MCP та Catalog REST API, включаючи визначення Inferred полів
• Universal Commerce Protocol (UCP), стандарт, навколо якого побудований Catalog MCP

Довідники MCP

• Catalog MCP reference, інструменти, параметри та схеми відповідей для search_global_products та get_global_product_details
• Storefront MCP reference, альтернатива Catalog MCP, обмежена одним магазином

Довідники Catalog REST API

• Catalog REST API overview, автентифікація, обмеження швидкості та індекс ендпоінтів
• Search endpoint, повна схема полів для результатів пошуку, включаючи поля, позначені як Inferred
• Lookup endpoint, повна схема полів для відповідей із деталями продуктів, включаючи поля, позначені як Inferred
• Lookup by variant, схема пошуку на рівні варіантів
• Bulk lookup, пакетне отримання деталей продуктів

---

Часті запитання

Що таке агентна комерція?

Агентна комерція означає AI-агентів, які автономно досліджують, порівнюють і рекомендують продукти від імені користувачів, а дедалі більше й завершують покупки.

• Агенти для покупок зчитують дані продуктів програмно, а не переглядаючи магазин
• Вони генерують рекомендації на основі структурованих полів, таких як описи, характеристики та специфікації
• Транзакційні агенти можуть ініціювати оформлення замовлення за допомогою URL-адрес на рівні варіантів
• Якість ваших даних продуктів безпосередньо впливає на те, чи будуть ваші продукти рекомендовані

Як AI-агенти для покупок зчитують каталог Shopify?

Shopify Catalog MCP є основним шляхом для агентної комерції. Він дотримується послідовності Search, потім Lookup.

• Catalog MCP: Рекомендований шлях. Шукає серед усіх відповідних мерчантів Shopify глобально; потребує JWT-автентифікації
• Catalog REST API: Ті самі дані, що й MCP, з можливістю прямого запиту
• Storefront MCP: Обмежений одним магазином; автентифікація не потрібна; корисний для агентів одного бренду
• /products.json: Застарілий публічний ендпоінт; повертає необроблений HTML; без структурованих характеристик чи URL-адрес оформлення замовлення
• Агенти, які використовують Catalog MCP, дотримуються двоетапного процесу: Search за ключовими словами/уподобаннями для отримання UPID, потім Lookup за UPID для отримання повних деталей варіантів

Які поля продуктів найважливіші для AI-агентів?

Найбільш значущі поля для агентних ендпоінтів, це ті, що безпосередньо відповідають тому, як агенти зіставляють продукти з наміром користувача.

• Короткий текстовий опис (приклад Full Orbit: 98 символів)
• Унікальна торгова пропозиція
• Дискретні головні характеристики
• Структуровані технічні специфікації
• Статус наявності
• URL-адреса оформлення замовлення на рівні варіанту

Чи має значення, якщо мої описи продуктів написані в HTML?

Так. HTML-розмітка додає шум, який агенти мають видалити перед обробкою.

• 4 000-символьний HTML-опис із CSS-класами та вбудованими тегами складніший для розбору, ніж 100-символьне текстове резюме
• Catalog API прибирає HTML, але не може виправити описи, які семантично нечіткі після видалення розмітки
• Описи, написані для візуальної подачі, можуть бути неефективними при рендерингу як простий текст
• Найкращі описи чіткі та зручні для сканування як у людському, так і в машинному контексті читання