Shopify 正從兩方面為 AI agent 鋪路：一方面提供工具，讓外部 agent 搜尋商品、建立購物車和結帳；另一方面在公司內部以 River 協助員工工作。要留意的是，工具推出和使用增加，只能反映採用情況，未能單靠這些資料證明購物結果更好，或者工程團隊效率更高。

Shop MCP：讓外部 agent 搜貨、結帳

Shopify 於 2026 年 10 月 13 日推出 Shop MCP。MCP 即 Model Context Protocol，是一種讓 AI agent 連接外部工具和服務的協定。Shopify 表示，開發者只需透過一個連線，就可以搜尋其商品目錄、建立購物車，並使用 Shop Pay 結帳；商品搜尋毋須 API key。Shopify 又稱，其商品目錄涵蓋超過 10 億件商品。8

Shopify 開發者文件指出，Shop MCP 可讓 agent 搜尋 Shop 商品目錄，並取得即時商品結果，包括圖片、價格、評分和購買連結。2 另外，Shopify 亦提供 Global Catalog MCP，讓 agent 搜尋整個 Shopify 生態系統內的商品。4

Shopify 的方向不止是為自家網店加一個購物聊天機械人：外部 agent 和應用程式亦可接入這些購物服務。換句話說，與用戶對話的介面，和背後處理商品搜尋及交易的服務，可以來自不同供應商。不過，這是根據產品設計作出的解讀，並不代表所有 agent 都有相同的接入權限或使用體驗。8

shop.md 面向購物者，shop.dev 面向開發者

Shopify 的產品介紹將 shop.md 定位為購物者使用的購物技能。用戶登入 Shop 後，agent 可使用 Shop 商品目錄和訂單紀錄，按購物者的尺碼、喜好等資料提供個人化推薦；介紹亦提到可使用 Shop Pay 結帳。這些是 Shopify 所述的產品功能，單靠產品介紹仍未能判斷個人化推薦在實際使用時有多準確。56

shop.dev 則面向想在應用程式或 agent 加入購物功能的開發者。Shopify 將它描述為一個單一 API。56 簡單講，shop.md 是讓購物者請 agent 幫手購物；shop.dev 就是讓開發者把購物功能整合到自己的產品之中。

現有產品資料支持 Shopify 正嘗試把購物服務變成可重用的基建，但未有逐一證實所有實作細節。例如，資料未能核實 shop.dev 完整支援哪些介面，也未能確認各種結帳流程如何處理付款資料和購物者確認。

River：Shopify 內部的 AI 協作工具

Shopify 亦在內部使用名為 River 的 agent。River 在 Slack 運作；行政總裁 Tobi Lütke 曾表示，它可以讀寫程式碼、執行測試、開 pull request、查詢公司的數據倉庫，以及查看正式環境的運作紀錄（production traces）。46 有關 River 的報道亦指，它在公開 Slack 頻道工作，而非私人對話。37

Lütke 另稱，Shopify 約有一半 pull request 是由涉及 River 的對話開始。44 但這個比例只反映程式修改提案從哪裏開始，並非工程表現的完整指標。它沒有交代多少修改最後獲合併、需要多少審核或重做，也無法說明交付可靠程式碼所需的整體時間和成本有沒有下降。

River 使用圖表可以說明甚麼？

Lütke 於 10 月 19 日發文，形容 River 的視覺化圖表與他看過的 Anthropic 圖表屬於同一類，並提到 35,418 個 threads 和 4,147 名使用者。45 這些數字顯示有人使用 River，但相關帖文沒有提供可核實的 3 月至 9 月完整數據序列，因此單憑現有資料，無法確認這幾個月的增長幅度。

更重要的是，使用量圖表並非獨立的生產力研究。thread 數和使用者數可以反映員工有否與 agent 互動，卻不能直接衡量節省了多少時間、程式碼質素如何，或對業務帶來甚麼影響。即使有 pull request 由 River 對話開始，也不代表最後成功交付，或整體成本較低。

真正要看的，是審核之後的結果

Lütke 曾警告員工不要把未經檢查的 AI 生成內容當成「slop grenades」丟給同事——即自己未有仔細核實，就把內容交出去，結果可能只是把檢查和修正的工作轉嫁給其他人。36

所以，評估內部 agent 是否有幫助，不能只看它產出多少內容，而要計埋審核、修改、測試和後續維護所需的工夫，看看整個流程最後有沒有改善。

整體而言，Shop MCP、shop.md 和 shop.dev 嘗試為外部購物體驗提供 agent 可使用的工具；River 則把 agent 放進 Shopify 自己的協作和開發流程。現有資料支持 Shopify 正在建立相關基建，亦顯示員工有使用 River；但未足以證明這套做法已帶來更好的業務成果。

Shopify 正從兩方面為 AI agent 鋪路：一方面提供工具，讓外部 agent 搜尋商品、建立購物車和結帳；另一方面在公司內部以 River 協助員工工作。要留意的是，工具推出和使用增加，只能反映採用情況，未能單靠這些資料證明購物結果更好，或者工程團隊效率更高。

Shop MCP：讓外部 agent 搜貨、結帳

Shopify 於 2026 年 10 月 13 日推出 Shop MCP。MCP 即 Model Context Protocol，是一種讓 AI agent 連接外部工具和服務的協定。Shopify 表示，開發者只需透過一個連線，就可以搜尋其商品目錄、建立購物車，並使用 Shop Pay 結帳；商品搜尋毋須 API key。Shopify 又稱，其商品目錄涵蓋超過 10 億件商品。8

Shopify 開發者文件指出，Shop MCP 可讓 agent 搜尋 Shop 商品目錄，並取得即時商品結果，包括圖片、價格、評分和購買連結。2 另外，Shopify 亦提供 Global Catalog MCP，讓 agent 搜尋整個 Shopify 生態系統內的商品。4

Shopify 的方向不止是為自家網店加一個購物聊天機械人：外部 agent 和應用程式亦可接入這些購物服務。換句話說，與用戶對話的介面，和背後處理商品搜尋及交易的服務，可以來自不同供應商。不過，這是根據產品設計作出的解讀，並不代表所有 agent 都有相同的接入權限或使用體驗。8

shop.md 面向購物者，shop.dev 面向開發者

Shopify 的產品介紹將 shop.md 定位為購物者使用的購物技能。用戶登入 Shop 後，agent 可使用 Shop 商品目錄和訂單紀錄，按購物者的尺碼、喜好等資料提供個人化推薦；介紹亦提到可使用 Shop Pay 結帳。這些是 Shopify 所述的產品功能，單靠產品介紹仍未能判斷個人化推薦在實際使用時有多準確。56

shop.dev 則面向想在應用程式或 agent 加入購物功能的開發者。Shopify 將它描述為一個單一 API。56 簡單講，shop.md 是讓購物者請 agent 幫手購物；shop.dev 就是讓開發者把購物功能整合到自己的產品之中。

現有產品資料支持 Shopify 正嘗試把購物服務變成可重用的基建，但未有逐一證實所有實作細節。例如，資料未能核實 shop.dev 完整支援哪些介面，也未能確認各種結帳流程如何處理付款資料和購物者確認。

River：Shopify 內部的 AI 協作工具

Shopify 亦在內部使用名為 River 的 agent。River 在 Slack 運作；行政總裁 Tobi Lütke 曾表示，它可以讀寫程式碼、執行測試、開 pull request、查詢公司的數據倉庫，以及查看正式環境的運作紀錄（production traces）。46 有關 River 的報道亦指，它在公開 Slack 頻道工作，而非私人對話。37

Lütke 另稱，Shopify 約有一半 pull request 是由涉及 River 的對話開始。44 但這個比例只反映程式修改提案從哪裏開始，並非工程表現的完整指標。它沒有交代多少修改最後獲合併、需要多少審核或重做，也無法說明交付可靠程式碼所需的整體時間和成本有沒有下降。

River 使用圖表可以說明甚麼？

Lütke 於 10 月 19 日發文，形容 River 的視覺化圖表與他看過的 Anthropic 圖表屬於同一類，並提到 35,418 個 threads 和 4,147 名使用者。45 這些數字顯示有人使用 River，但相關帖文沒有提供可核實的 3 月至 9 月完整數據序列，因此單憑現有資料，無法確認這幾個月的增長幅度。

更重要的是，使用量圖表並非獨立的生產力研究。thread 數和使用者數可以反映員工有否與 agent 互動，卻不能直接衡量節省了多少時間、程式碼質素如何，或對業務帶來甚麼影響。即使有 pull request 由 River 對話開始，也不代表最後成功交付，或整體成本較低。

真正要看的，是審核之後的結果

Lütke 曾警告員工不要把未經檢查的 AI 生成內容當成「slop grenades」丟給同事——即自己未有仔細核實，就把內容交出去，結果可能只是把檢查和修正的工作轉嫁給其他人。36

所以，評估內部 agent 是否有幫助，不能只看它產出多少內容，而要計埋審核、修改、測試和後續維護所需的工夫，看看整個流程最後有沒有改善。

整體而言，Shop MCP、shop.md 和 shop.dev 嘗試為外部購物體驗提供 agent 可使用的工具；River 則把 agent 放進 Shopify 自己的協作和開發流程。現有資料支持 Shopify 正在建立相關基建，亦顯示員工有使用 River；但未足以證明這套做法已帶來更好的業務成果。