Il 27 luglio Adobe ha reso disponibile in generale Catalog Agent su Adobe Commerce. Non è un plugin da installare, non ha un listino a parte: gira nativamente su ogni deployment, cloud o on-premise che sia. Ho passato gli ultimi mesi a scrivere qui di MCP fatti in casa, di quello ufficiale di Adobe, di come li combino. Questa volta la notizia non riguarda un connettore per far lavorare un agente sul backend: riguarda il modo in cui il catalogo si mostra agli agenti che comprano dall’altra parte, quelli dei clienti, non i miei.
Cosa fa, esattamente
Catalog Agent prende i dati del catalogo (nomi prodotto, descrizioni, linguaggio d’uso, attributi, varianti, prezzo, disponibilità, categorie) e li arricchisce e li espone in un formato pensato per essere letto da un sistema AI, non da un motore di ricerca tradizionale a parole chiave. La pagina prodotto che vede una persona resta quella; sotto, per chi legge in modo automatico, il catalogo diventa un layer strutturato, pensato per essere recuperato da un agente di shopping o da un motore di risposta generativo. Il tema non è nuovo: al Summit di aprile Adobe aveva già parlato di PDP enrichment, e Catalog Agent è quella promessa diventata generalmente disponibile.
La spinta dietro questa mossa ha un numero dietro, e non è piccolo: tra aprile e giugno di quest’anno il traffico da fonti AI verso i siti retail statunitensi è cresciuto del 125% rispetto allo stesso periodo dell’anno scorso, e durante l’ultima stagione di shopping natalizio era salito del 693% anno su anno. Non cito questi numeri per allarmismo, li cito perché spiegano perché Adobe ha reso questa cosa nativa e gratuita su ogni installazione invece di venderla come componente premium: il traffico agentico non è più un caso limite da un paio di clienti curiosi, è una fetta che cresce a doppia cifra ogni trimestre.
Perché non è la stessa cosa del mio MCP
Qui devo essere preciso, perché il rischio di confondere due cose diverse è alto. Il mio MCP per Adobe Commerce, quello che racconto da mesi qui, serve a far operare un assistente sul backend: leggere ordini, controllare stock, spiegare perché una promo non si applica, in certi casi scrivere con un gate di conferma in mezzo. È un connettore rivolto a me e a chi lavora con me, per fare diagnosi e automazioni interne.
Catalog Agent risolve un problema opposto: non fa parlare un agente con il backend, rende il catalogo leggibile da agenti esterni che non hanno alcun accesso al backend, quelli con cui un cliente sta chattando su un altro servizio per decidere cosa comprare. Il primo è un problema di operatività interna. Il secondo è un problema di visibilità esterna. Per mesi li ho tenuti separati nella mia testa senza dargli un nome preciso: oggi mi tocca ammettere che il secondo problema, fino al 27 luglio, non lo copriva né il mio connettore né il Commerce MCP ufficiale di Adobe di cui ho scritto a maggio. Ai clienti che me lo chiedevano rispondevo “aspettiamo, è un problema nuovo e si muove veloce”. Ora la risposta cambia.
Il pezzo che mancava, e la mossa che considero giusta
Lo dico con la stessa franchezza con cui ho scritto del Commerce MCP ufficiale ad aprile: Adobe ha fatto la mossa giusta, e l’ha fatta bene. Renderlo nativo su ogni deployment, senza licenza separata, significa che un merchant mid-market non deve scegliere tra “investo in questo” e “investo in quello”: ce l’ha già, va solo attivato e configurato. È esattamente il tipo di apertura di piattaforma che rende inutile costruirsi da soli l’ennesimo strato di plumbing, la stessa dinamica che ho descritto per il Commerce MCP: quando il vendor copre bene un problema comune a tutti i merchant, il fai-da-te su quel fronte diventa manutenzione da cedere, non valore da difendere.
Quello che continuo a costruire io, e che Catalog Agent non tocca, resta il lato interno: i gate sulle scritture, i tool di business su misura, il formato dei dati ritagliato per come lavora un cliente specifico. Le due cose non competono, coprono due lati opposti dello stesso funnel che si sta biforcando: da una parte gli umani, che continuano a vedere foto e descrizioni persuasive; dall’altra gli agenti, che leggono attributi strutturati e decidono su quelli.
Il limite che nessun agente risolve da solo
C’è però un punto su cui non voglio essere ottimista oltre il dovuto, perché è lo stesso limite che ripeto da mesi a chiunque mi chieda da dove iniziare con l’AI: Catalog Agent arricchisce e struttura quello che c’è nel catalogo, non lo inventa da zero, e soprattutto non lo corregge se è già sbagliato.
Ho lavorato, tempo fa, con un merchant fashion (~15M di GMV) il cui catalogo aveva attributi di taglia inseriti in tre modi diversi a seconda di chi aveva caricato il prodotto, categorie duplicate per errori storici di migrazione, descrizioni copiate identiche tra varianti di colore diverso. Attivare uno strato che espone quel catalogo agli agenti AI, così com’era, avrebbe significato dare a un sistema automatico un disordine da interpretare, con il rischio concreto che un agente di shopping consigli la variante sbagliata o la scarti perché non riesce a fare match tra la taglia richiesta e quella scritta in tre formati diversi nello stesso catalogo. L’agente non sa che quei tre formati indicano la stessa cosa: lo sa una persona che ha lavorato su quel catalogo abbastanza a lungo da riconoscere il pattern.
Questo è il motivo per cui non consiglio a nessuno di attivare Catalog Agent come primo passo. Il primo passo resta lo stesso di sempre: mettere in ordine gli attributi, unificare le categorie duplicate, normalizzare le descrizioni. Solo dopo ha senso esporre quel catalogo, pulito, a chi legge in automatico. Attivarlo su un catalogo sporco non è un errore che si vede subito: è un errore che si vede tre mesi dopo, quando un cliente si lamenta che l’agente gli ha consigliato la taglia sbagliata, e nessuno in azienda sa dire perché.
Dove sto guardando ora
Per i prossimi progetti la mia lista di cose da verificare per un merchant si allunga di una riga: prima la qualità del catalogo, poi Catalog Agent per la visibilità esterna, poi, dove serve davvero, un connettore su misura per l’operatività interna. Tre livelli distinti, non uno che sostituisce l’altro.
Quello che mi chiedo adesso, e non ho ancora una risposta netta, è quanto ci vorrà prima che i primi report mostrino l’effetto reale sul tasso di conversione quando un agente di shopping legge un catalogo strutturato bene invece che uno arrangiato. Fino a che quei numeri non li vedo, misurati, non li scrivo.
Chi sono. Sono Fabio Canovi, consulente Adobe italiano specializzato nell’AI agentica, presso il gruppo Lutech. Costruisco MCP server e agenti per il mondo Adobe, e scrivo qui quello che imparo dietro le quinte, un progetto alla volta.