AI Agent & Automation
SHOPLINE MCP：電商後台從資料查詢走向 AI Agent 營運操作
SHOPLINE 官方 MCP 支援用 Claude、Codex、Grok 等 AI Agent 查訂單、商品、庫存、顧客、優惠活動；重點不是把資料整包丟給 AI，而是權限、資料定義與人工審核流程。
2026年7月30日1 分鐘閱讀👁 7
SHOPLINE 官方 MCP 的訊號很明確：電商平台不只要把 API 開給工程師，而是要讓品牌主透過 Claude、Codex、Grok 等 AI Agent 以自然語言查詢與操作商店。封測者實測涵蓋訂單、商品、庫存、顧客與促銷資料，尤其強調官方把資料定義、權限與人工審核納入流程，而不是只把資料整包回傳。
官方文件查證：SHOPLINE support 文件標示「即將推出」，需聯絡線上顧問申請開通，且僅適用擁有 OpenAPI 功能的店家。支援 Grok、Claude、Codex 串接；另有 Developer MCP 供 Cursor / Claude Desktop / Cline 查 SHOPLINE 技術文件。
可用場景
| 場景 | Threads prompt / 操作 | 治理重點 |
|---|---|---|
| 未出貨訂單 | 用 shopline_get_orders 翻頁查完整訂單，按物流狀態與等待天數排序。 | 退款 / 退貨異常要標示，不應直接自動處理。 |
| 庫存預警 | 查商品庫存、區分有限 / 無限庫存，結合近三月銷售趨勢排補貨優先序。 | 毛利、周轉與缺貨風險要一起看。 |
| 促銷活動 | 根據 Shoplytics 報表建立滿額 / 滿件 / 免運活動草稿。 | 先建立未上架草稿，品牌確認後發布。 |
| 顧客 / 廣告 | 依購買或活動條件批次加標籤，整理 Meta / Google 名單格式。 | 個資、名單匯出與廣告平台政策要控管。 |
| 商品健檢 | 列出 SEO 缺失、整理商品描述、統一用詞風格。 | 避免 AI 亂改品牌語氣或錯誤規格。 |
為什麼這比一般 MCP 更重要
很多 MCP 只是「把資料拿出來」，但電商營運需要流程設計：權限分層、資料欄位語意、可操作與不可操作邊界、人工審核、活動草稿與後台 audit trail。SHOPLINE 這次真正值得看的是把 AI 使用情境包進產品流程，而不是只做 API bridge。
對 BigIntTech 的啟發
- 客戶 ERP / POS / 電商 agent 不能只做 read-only query；要設計 draft-first、approval-required、rollback 與異常標示。
- AI Agent 的 prompt 應內建分頁、完整資料查詢、口徑一致與例外處理，避免只看前 100 筆就下結論。
- Shoplytics 類報表與 MCP 即時資料應分工：報表給經營口徑，MCP 給明細與操作。