SAP Commerce Cloud MCP Server e AI Agentica: Cosa Significa per l'E-Commerce

Questo annuncio ci ha colto di sorpresa. Non perché SAP stia facendo AI nel commerce — lo fanno tutti — ma per come lo sta facendo. Alla NRF 2026 di New York, SAP ha annunciato un server Model Context Protocol per gli storefront Commerce Cloud insieme a una serie di funzionalità di shopping con AI agentica costruite sopra.

Non esistono ancora guide di terze parti. Nessun report degli analisti. Nessun blog di implementazione. Abbiamo analizzato l’annuncio, incrociato i dati con la documentazione tecnica di SAP e condotto i primi esperimenti nel nostro ambiente sandbox Commerce Cloud. Ecco cosa abbiamo trovato.

TL;DR: SAP sta costruendo un MCP server che permette agli agenti AI di interagire direttamente con gli storefront Commerce Cloud — navigare prodotti, gestire carrelli, controllare disponibilità e completare acquisti. Non è un chatbot. È un protocollo aperto che trasforma il vostro storefront in una superficie API per qualsiasi agente AI compatibile con MCP. Le implicazioni B2B (procurement automatizzato, agenti di riordino) sono più immediate rispetto al B2C. Disponibile dal Q2 2026. Iniziate a preparare i vostri dati prodotto ora.

Cosa ha annunciato SAP alla NRF 2026

La NRF 2026 si è svolta dal 12 al 14 gennaio a New York. L’annuncio di SAP comprendeva tre componenti che, insieme, rappresentano un cambiamento significativo nel modo in cui le piattaforme e-commerce interagiranno con i sistemi AI.

Primo, il Storefront MCP Server. Si tratta di un’implementazione del Model Context Protocol — lo standard aperto creato da Anthropic — che si posiziona sopra le OCC API (Omnichannel Commerce) di Commerce Cloud. Espone cataloghi prodotto, alberi di categorie, prezzi, disponibilità, operazioni carrello e storico ordini a qualsiasi agente AI compatibile con MCP. Pensatelo come un traduttore strutturato tra il vostro storefront e l’ecosistema crescente di assistenti AI.

Secondo, funzionalità di shopping agentico. SAP ha dimostrato agenti AI capaci di eseguire attività di shopping multi-step in autonomia: ricercare prodotti attraverso le categorie, confrontare specifiche, verificare la disponibilità in tempo reale, applicare promozioni e assemblare un carrello completo — tutto senza intervento umano fino all’approvazione finale dell’acquisto. Non sono flussi demo preconfezionati. Si basano sulla connessione in tempo reale del MCP server ai dati live di Commerce Cloud.

Terzo, product discovery basata sull’AI. Andando oltre la ricerca per parole chiave, SAP ha mostrato query in linguaggio naturale come «Ho bisogno di scarpe da corsa per condizioni bagnate sotto CHF 200» che restituiscono risultati semanticamente rilevanti, non semplici corrispondenze di keyword. Questo utilizza i dati prodotto di Commerce Cloud arricchiti con vector embedding che comprendono le relazioni e gli attributi dei prodotti.

Questo si inserisce nella più ampia strategia AI di SAP. SAP ha distribuito 350 funzionalità AI con oltre 2’400 skill Joule nel proprio portfolio cloud (SAP News Center, 2026). Commerce Cloud riceve la prossima ondata.

Cos’è MCP (Model Context Protocol)?

Se non siete immersi nel mondo degli strumenti AI, MCP merita una breve spiegazione. È più importante di quanto la maggior parte delle persone pensi.

Il Model Context Protocol è uno standard aperto — originariamente sviluppato da Anthropic — che definisce come i modelli AI si connettono a fonti di dati e strumenti esterni. Pensatelo come le API REST: un’interfaccia comune che permette a sistemi diversi di comunicare tra loro senza integrazioni personalizzate per ogni coppia.

Prima di MCP, ogni assistente AI che voleva interagire con una piattaforma commerce necessitava di connettori costruiti su misura. Shopify aveva la sua integrazione AI. Adobe aveva la sua. Salesforce aveva la sua. Ciascuna richiedeva lavoro di sviluppo dedicato e funzionava solo con gli strumenti AI di quel fornitore.

MCP cambia questo. Un MCP server espone un insieme di funzionalità — «tool» nella terminologia MCP — che qualsiasi agente AI conforme può scoprire e utilizzare. Un singolo MCP server per Commerce Cloud significa che Claude, agenti basati su GPT, Gemini, Joule e qualsiasi futuro AI compatibile con MCP possono interagire con il vostro storefront attraverso la stessa interfaccia. Costruite l’integrazione una sola volta.

Il protocollo definisce tre tipi di funzionalità:

• Tool: Azioni che l’agente può eseguire (aggiungere al carrello, cercare prodotti, applicare un coupon)
• Resource: Dati che l’agente può leggere (catalogo prodotti, storico ordini, profilo cliente)
• Prompt: Template di interazione predefiniti (confronto prodotti, workflow di riordino)

L’annuncio di SAP posiziona Commerce Cloud tra le prime piattaforme commerce enterprise a implementare MCP a livello di storefront. Questo è significativo, perché significa che SAP scommette su uno standard aperto piuttosto che limitare le funzionalità AI al solo Joule.

Come funziona il Commerce Cloud MCP Server

In base a quanto SAP ha condiviso e ai nostri test preliminari, ecco l’architettura.

Il MCP server si posiziona come livello tra le API REST OCC esistenti di Commerce Cloud e gli agenti AI esterni. Non sostituisce il vostro storefront. Non richiede modifiche alla vostra implementazione Spartacus o Composable Storefront esistente. Funziona accanto a tutto quello che avete già.

Il server espone le funzionalità di Commerce Cloud come tool MCP:

Tool di product discovery — ricerca per query in linguaggio naturale, navigazione per categoria, dettagli prodotto, verifica in tempo reale di disponibilità e prezzi. La ricerca in linguaggio naturale utilizza vector embedding generati dagli attributi, descrizioni e dati di classificazione del vostro catalogo prodotti.

Tool di gestione carrello — creare carrello, aggiungere articoli, rimuovere articoli, aggiornare quantità, applicare codici promozione. L’agente gestisce il session management e può mantenere più carrelli (utile per scenari B2B dove un agente di procurement potrebbe assemblare ordini per diversi centri di costo).

Tool per gli ordini — recuperare lo storico ordini, controllare lo stato dell’ordine, avviare resi. Nel contesto B2B, questo si estende a liste di requisizione, workflow di approvazione e ricerche di prezzi basati su contratto.

Tool per il contesto cliente — accesso a indirizzi salvati, metodi di pagamento, liste dei desideri. Tutto nell’ambito dei permessi e dei diritti di accesso ai dati dell’utente autenticato.

L’autenticazione passa attraverso il livello OAuth esistente di Commerce Cloud. Un agente AI che si autentica via MCP riceve gli stessi permessi e lo stesso accesso ai dati dell’utente che rappresenta. Nessun accesso backdoor, nessun privilegio elevato. Se un cliente non può vedere i prezzi all’ingrosso nel vostro storefront, un agente AI che agisce per suo conto non può vederli nemmeno attraverso MCP.

Il flusso dati si presenta così:

Utente → Agente AI (Claude, Joule, ecc.) → Protocollo MCP → Commerce Cloud MCP Server → OCC API → Commerce Cloud Backend

Ogni richiesta è tracciabile a una sessione autenticata. Ogni azione viene registrata nell’audit trail standard di Commerce Cloud. Non è un sistema separato — è una nuova interfaccia a quello esistente.

Shopping con AI agentica: come si presenta

Rendiamo tutto concreto con due scenari che SAP ha dimostrato e che stiamo esplorando nel nostro ambiente sandbox.

Scenario B2C: Il personal shopper AI

Una cliente dice al suo assistente AI: «Mi sto allenando per una maratona a maggio. Ho bisogno di nuove scarpe da corsa per strada, un gilet d’idratazione per taglie donna e dei gel energetici — niente con caffeina. Budget circa CHF 400 in totale.»

L’agente AI, collegato al vostro storefront Commerce Cloud via MCP, esegue quanto segue senza ulteriori input:

1. Cerca nel catalogo prodotti scarpe da corsa su strada, filtra per disponibilità e taglia precedentemente acquistata dalla cliente
2. Identifica tre opzioni all’interno del budget, confrontando ammortizzazione, peso e valutazioni dei clienti
3. Cerca gilet d’idratazione con filtro vestibilità donna, incrocia con la selezione delle scarpe per restare nel budget totale
4. Trova gel energetici senza caffeina, controlla le note di compatibilità negli attributi del prodotto
5. Assembla un carrello con i prodotti raccomandati, mostra alla cliente un riepilogo con il prezzo totale
6. Attende l’approvazione umana prima di completare il checkout

La cliente esamina, sostituisce un articolo, approva. Fatto. Ciò che avrebbe richiesto 30 minuti di navigazione, filtraggio, confronto e lettura di recensioni attraverso più categorie è avvenuto in meno di due minuti.

Non è fantascienza. I singoli passaggi — ricerca, filtro, gestione carrello, checkout — esistono tutti in Commerce Cloud oggi. MCP fornisce il protocollo perché un agente AI li concateni autonomamente.

Scenario B2B: L’agente di procurement

Un responsabile acquisti in un’azienda manifatturiera ha un’esigenza ricorrente: riordinare materiali di consumo (fluidi da taglio, abrasivi, dispositivi di sicurezza) ogni due settimane. Attualmente, servono un’ora: accedere al portale, controllare le scorte, confrontare con l’ultimo ordine, aggiustare le quantità e far passare attraverso l’approvazione.

Con un agente AI collegato via MCP:

1. L’agente monitora i livelli di inventario attraverso l’integrazione con l’ERP dell’azienda (SAP S/4HANA via BTP)
2. Quando le soglie vengono raggiunte, accede allo storefront B2B via MCP per verificare prezzi e disponibilità attuali
3. Incrocia i prezzi contrattuali in Commerce Cloud con gli ultimi tre ordini per segnalare anomalie
4. Assembla una bozza di ordine di acquisto, applicando automaticamente i termini contrattuali negoziati
5. Instrada al responsabile del budget per l’approvazione con un riepilogo: «Il riordino corrisponde al pattern precedente. Due articoli presentano variazioni di prezzo. Il totale è del 3% sotto il budget.»

Il responsabile del budget esamina un riepilogo chiaro, approva con un clic. L’agente completa l’ordine attraverso il flusso di checkout standard, e l’audit trail cattura ogni passaggio.

Questo scenario B2B è, francamente, dove si trova il vero valore. Abbiamo già clienti che spendono oltre 40 ore al mese per riordini di routine. Automatizzare questo attraverso un agente intelligente che comprende sia le esigenze interne sia il catalogo del fornitore è un guadagno di efficienza tangibile e misurabile.

Cosa significa per il commercio B2B

Il B2B è dove il commercio agentico offre il ritorno più rapido. I processi di acquisto sono ripetitivi, i dati sono strutturati e i workflow di approvazione esistono già in Commerce Cloud.

Il riordino automatizzato è il frutto più accessibile. La maggior parte dei clienti B2B acquista gli stessi prodotti nell’80% dei casi ad ogni ciclo. Un agente AI può apprendere il pattern, monitorare i segnali di inventario e assemblare ordini proattivamente. L’umano resta nel loop per l’approvazione, ma i 45 minuti di clic attraverso un portale si riducono a 2 minuti di revisione di un riepilogo.

I workflow di approvazione con contesto AI diventano più intelligenti. Invece di un responsabile del budget che riceve un ordine di acquisto scarno per l’approvazione, l’agente AI aggiunge contesto: analisi dell’andamento dei prezzi, prodotti alternativi che soddisfano le stesse specifiche a costi inferiori, confronto dei tempi di consegna. Chi approva prende una decisione migliore più velocemente.

Il confronto tra fornitori attraverso gli storefront è la prospettiva a lungo termine. Se più fornitori espongono MCP server, un agente di procurement potrebbe confrontare prezzi, disponibilità e tempi di consegna tra fornitori in tempo reale. Questo è ancora teorico — richiede che più fornitori adottino MCP — ma il protocollo lo rende architettonicamente possibile in un modo che prima non lo era.

Il monitoraggio della conformità contrattuale è un altro ambito naturale. L’agente può validare che ogni ordine rispetti i termini negoziati, segnalare deviazioni prima che vengano inviate e mantenere un registro continuo dell’utilizzo del contratto. I team di procurement attualmente lo fanno manualmente o non lo fanno affatto.

Il mercato globale dell’e-commerce B2B continua a superare il B2C nel volume delle transazioni. Gartner stima che entro il 2028, il 60% delle transazioni di vendita B2B avverrà attraverso canali digitali (Gartner, 2025). Il commercio agentico non si limita a digitalizzare queste transazioni — automatizza il processo decisionale che le circonda.

Cosa significa per il commercio B2C

Il B2C è dove avviene l’innovazione dell’esperienza, anche se il ROI è più difficile da quantificare nell’immediato.

Lo shopping conversazionale sostituisce il paradigma naviga-filtra-ordina. Invece di navigare un albero di categorie, i clienti descrivono ciò di cui hanno bisogno in linguaggio naturale. L’agente AI gestisce la traduzione dall’intento ai risultati prodotto. Questo è particolarmente potente per decisioni di acquisto complesse — elettronica, fai da te, alimentari specializzati — dove i clienti non conoscono la categoria esatta del prodotto o la specifica tecnica di cui hanno bisogno.

Le raccomandazioni curate dall’AI vanno oltre il classico «chi ha comprato X ha comprato anche Y». Un agente collegato via MCP ha accesso alla cronologia completa degli acquisti del cliente, alle preferenze dichiarate, al carrello attuale e all’intero catalogo prodotti. Può ragionare su prodotti complementari, compatibilità e vincoli di budget in modi che un motore di raccomandazione tradizionale non può.

Il supporto post-vendita si trasforma quando l’agente ha il contesto completo dell’ordine. «Il mio ordine non è arrivato» attiva un agente che controlla lo stato dell’ordine, le informazioni di tracking e le stime di consegna senza che il cliente navighi a una pagina di storico ordini o chiami il supporto. I resi diventano «Devo restituire la giacca blu dal mio ultimo ordine» — l’agente sa quale ordine, quale articolo, e può avviare il flusso di reso immediatamente.

Le promozioni personalizzate diventano più mirate. Invece di mostrare lo stesso banner a tutti, l’agente AI può valutare il contesto di navigazione, lo storico acquisti e il carrello attuale di un cliente in tempo reale e proporre offerte rilevanti. «State comprando una macchina da caffè — abbiamo uno sconto del 20% sulle capsule compatibili questa settimana» — consegnato attraverso il flusso conversazionale naturale dell’agente.

La domanda chiave per il B2C è l’impatto sul tasso di conversione. I primi dati da implementazioni di commercio conversazionale — non specifici per MCP, ma con pattern simili — suggeriscono un aumento del 15-25% nella conversione per i clienti che interagiscono con assistenti allo shopping AI rispetto ai flussi tradizionali di navigazione e acquisto. Ma questi dati sono ancora limitati e provengono principalmente da early adopter.

Come preparare la vostra Commerce Cloud per l’AI

Indipendentemente dal fatto che pianifichiate di abilitare il MCP server dal primo giorno o aspettare che maturi, il lavoro di preparazione è lo stesso. E niente di tutto ciò è sprecato anche se non adottaste mai il commercio agentico, perché tutto migliora le vostre operazioni e-commerce standard.

Qualità dei dati prodotto

Questo è il singolo fattore più importante. Un agente AI è utile solo quanto i dati a cui può accedere. Se le vostre descrizioni prodotto dicono «Widget Blu - SKU 12345» senza attributi, senza specifiche e senza categorizzazione significativa, l’agente non ha materiale su cui lavorare.

Cosa significa «buono» per la preparazione a MCP:

• Descrizioni prodotto ricche in linguaggio naturale — non testo marketing riempito di keyword, ma descrizioni genuine di cos’è il prodotto, per chi è e come si confronta con le alternative. Gli agenti AI analizzano il linguaggio naturale, non i pattern SEO.
• Set di attributi completi — dimensioni, materiali, compatibilità, certificazioni. I dati strutturati nel sistema di classificazione di Commerce Cloud sono ciò che il MCP server espone agli agenti. Gli attributi vuoti sono attributi invisibili.
• Tassonomia delle categorie coerente — un albero di categorie pulito e logico aiuta gli agenti a navigare il vostro catalogo allo stesso modo in cui aiuta i clienti umani. Se la vostra tassonomia è un caos di categorie legacy, nodi duplicati e prodotti mal categorizzati, l’agente avrà difficoltà.
• Dati di inventario accurati e in tempo reale — un agente che aggiunge articoli esauriti al carrello e poi fallisce al checkout distrugge la fiducia. L’accuratezza dell’inventario non è un nice-to-have per il commercio agentico. È un prerequisito.

Preparazione delle API

Il MCP server si basa sulle OCC API di Commerce Cloud. Se state usando Headless o Composable Storefront, le vostre API sono probabilmente in buone condizioni. Se siete su uno storefront Accelerator più vecchio che non espone molto tramite OCC, c’è lavoro da fare.

Verificate che il vostro livello OCC copra: ricerca prodotti con filtraggio a faccette, operazioni CRUD del carrello, flussi di autenticazione cliente, storico ordini e tracking, applicazione di promozioni e coupon.

Se state ancora gestendo SAP Commerce on-prem, il MCP server è un ulteriore motivo per pianificare la migrazione al cloud. Il server richiede l’infrastruttura gestita di Commerce Cloud — non è disponibile per installazioni on-prem.

Contenuti e media

Gli agenti AI oggi sono principalmente basati su testo, ma gli agenti multimodali che possono elaborare immagini stanno arrivando rapidamente. Assicuratevi che le vostre immagini prodotto abbiano:

• Testo alternativo significativo (non «product-image-1.jpg»)
• Multiple angolazioni e scatti di contesto
• Riferimenti di dimensione/scala dove rilevante

I vostri media prodotto diventano il modo in cui l’agente mostra i risultati al cliente. Media scadenti significano esperienze assistite dall’agente scadenti.

Il panorama competitivo

SAP non opera nel vuoto. Ogni grande piattaforma commerce sta costruendo funzionalità AI, ma gli approcci differiscono significativamente.

Shopify Sidekick si concentra sul lato merchant — aiuta i proprietari di negozi a gestire il loro business con l’AI piuttosto che aiutare gli acquirenti a comprare. Gestisce analisi dell’inventario, generazione di testi marketing e business insight. Per il lato acquirente, l’app Shop di Shopify ha funzionalità conversazionali, ma non esiste un protocollo aperto a livello MCP per agenti AI di terze parti per interagire direttamente con gli storefront Shopify.

Adobe Sensei in Commerce fornisce raccomandazioni prodotto basate sull’AI, ricerca visuale e gestione intelligente del catalogo. Adobe ha forti funzionalità AI ma non ha annunciato supporto MCP. I loro strumenti AI sono per lo più interni all’ecosistema Adobe — funzionalità AI che operano all’interno di Adobe Commerce, non un protocollo aperto per agenti esterni.

Salesforce Einstein for Commerce offre ordinamento prodotti predittivo, ricerca basata sull’AI e raccomandazioni personalizzate. Salesforce ha Agentforce — la loro piattaforma AI agentica — che include funzionalità commerce. L’approccio è strettamente legato all’ecosistema Salesforce, utilizzando il proprio framework di agenti piuttosto che un protocollo aperto.

Ciò che rende diverso l’approccio di SAP è la scommessa su MCP come standard aperto. Implementando MCP piuttosto che un framework di agenti proprietario, SAP sta dicendo: vogliamo che qualsiasi agente AI possa interagire con Commerce Cloud, non solo Joule. È una decisione architetturale significativa. Significa che i clienti non sono vincolati agli strumenti AI di SAP per ottenere funzionalità di commercio agentico.

Se questa apertura diventi un vantaggio competitivo dipende dall’adozione di MCP nel settore. Se MCP diventa il protocollo standard per la comunicazione AI-applicazione — cosa che la traiettoria suggerisce — l’adozione precoce di SAP è una posizione forte. Se il mercato si frammenta in framework di agenti proprietari, è una scommessa che potrebbe non ripagare.

La nostra opinione: MCP sta vincendo. Il protocollo ha momentum, i principali laboratori AI lo supportano e l’ecosistema software enterprise sta convergendo su di esso. SAP è dalla parte giusta su questo.

Timeline e checklist di preparazione

Basandoci sugli annunci di SAP e le nostre conversazioni con il team prodotto Commerce Cloud, ecco cosa ci aspettiamo:

Q2 2026 (Aprile-Giugno): MCP server disponibile nel programma early adopter. Limitato a tool di product discovery e gestione carrello. Richiede Commerce Cloud 2211 o successivo.

Q3 2026: Set di tool ampliato che include gestione ordini, accesso al profilo cliente e funzionalità specifiche B2B (liste di requisizione, routing approvazioni). Disponibilità generale probabile.

Q4 2026 e oltre: Funzionalità avanzate — orchestrazione multi-agente, integrazione cross-system (Commerce + S/4HANA via BTP), riordino predittivo.

La vostra checklist di preparazione

Ecco cosa affrontare ora, indipendentemente dalla vostra timeline MCP:

• Verificare la qualità dei dati prodotto — eseguire un report di completezza su descrizioni prodotto, attributi e classificazioni. Obiettivo: >90% di fill rate degli attributi per i vostri 500 prodotti principali.
• Verificare la copertura delle OCC API — assicurarsi che tutte le funzioni dello storefront siano accessibili via API, non solo attraverso il livello UI. Testare ricerca, carrello, checkout e flussi ordini programmaticamente.
• Ripulire la tassonomia delle categorie — eliminare categorie duplicate, correggere prodotti mal categorizzati, assicurare percorsi di navigazione logici. Ciò che confonde un umano confonderà un agente.
• Verificare l’accuratezza dell’inventario — confrontare i record di inventario di Commerce Cloud con i dati reali del magazzino. Risolvere le lacune di sincronizzazione. L’accuratezza in tempo reale conta di più per gli agenti che per gli acquirenti umani.
• Aggiornare le descrizioni prodotto per il linguaggio naturale — riscrivere le descrizioni dei prodotti più venduti in modo che siano descrittive e complete, non solo testo marketing. Includere casi d’uso, compatibilità e punti di confronto.
• Verificare la versione di Commerce Cloud — il MCP server richiede 2211+. Se siete su una versione precedente, pianificate l’aggiornamento. Se siete on-prem, questo è un ulteriore trigger per la migrazione al cloud.
• Informare il vostro team — assicurarsi che gli stakeholder e-commerce, IT e business comprendano cosa significa il commercio agentico e cosa sta arrivando. Evitate l’hype, concentratevi sui casi d’uso pratici rilevanti per il vostro business.
• Identificare un caso d’uso pilota — scegliete l’automazione dei riordini B2B o la ricerca conversazionale B2C come primo esperimento MCP. I migliori candidati sono processi ad alto volume e ripetitivi con dati strutturati.

Costruiamo su SAP Commerce Cloud da anni e lavoriamo con MCP server nell’ecosistema SAP. L’intersezione di questi due è esattamente dove pensiamo si stia dirigendo la prossima ondata di innovazione nel commerce. Se state pianificando la vostra strategia AI per Commerce Cloud — o semplicemente cercate di capire cosa significa la NRF 2026 per la vostra roadmap — parliamone.

Domande frequenti

Cos’è il MCP server di SAP Commerce Cloud?

È un’implementazione del Model Context Protocol che espone i dati dello storefront Commerce Cloud — prodotti, categorie, carrello, ordini — agli agenti AI. Qualsiasi assistente AI compatibile con MCP (Claude, Joule, agenti basati su GPT, Gemini) può connettersi ed eseguire attività di shopping per conto degli utenti. Si basa sulle OCC API esistenti di Commerce Cloud e funziona accanto al vostro storefront attuale senza richiedere modifiche alla vostra esperienza rivolta ai clienti.

Quando sarà disponibile il MCP server?

SAP ha annunciato la disponibilità a partire dal Q2 2026 alla NRF di gennaio 2026. Il programma early adopter copre product discovery e gestione carrello. La disponibilità generale completa con funzionalità B2B e gestione ordini è prevista per il Q3 2026. La timeline esatta dipende dalla vostra versione di Commerce Cloud (richiesta 2211+) e dalla regione. Verificate con il vostro referente SAP per la vostra finestra di disponibilità specifica.

Cos’è l’AI agentica nell’e-commerce?

Agenti AI che possono eseguire autonomamente attività di shopping multi-step. Non un chatbot che risponde a domande sui prodotti — un agente che può ricercare prodotti, confrontare opzioni attraverso le categorie, verificare l’inventario in tempo reale, applicare promozioni, assemblare un carrello e procedere attraverso il checkout. L’approvazione umana resta nei punti decisionali chiave (conferma acquisto, autorizzazione pagamento). La distinzione dall’AI tradizionale è l’autonomia: l’agente persegue un obiettivo attraverso più passaggi piuttosto che rispondere a comandi individuali.

Devo ricostruire il mio storefront per questo?

No. Il MCP server funziona come livello separato sopra le OCC API di Commerce Cloud. Il vostro Spartacus, Composable Storefront o frontend personalizzato esistente continua a operare esattamente come prima. Il MCP server aggiunge una nuova interfaccia per gli agenti AI per interagire con lo stesso backend — non sostituisce né modifica la vostra esperienza rivolta ai clienti attuale. Il prerequisito principale è che la vostra istanza Commerce Cloud sia sulla versione 2211 o successiva e che le vostre OCC API siano configurate correttamente.