Tento článek spadá do pilíře Feedy a je určen technickým vedoucím, CTO, e-commerce architektům a produktovým manažerům, kteří potřebují praktický implementační průvodce pro Universal Content Protocol (UCP) a Agentic Commerce Protocol (ACP). Tyto dva protokoly definují způsob, jakým AI nakupní agenti přistupují k produktovým datům a transakcím v roce 2026. UCP standardizuje formát publikace produktového obsahu pro AI konzumaci. ACP definuje způsob, jakým agenti provádějí transakce (vyhledávání, rezervace, nákupy) v reálném čase. V následujících sekcích rozebereme technickou architekturu obou protokolů, jak je implementovat v praxi, jaké jsou závislosti (schema markup, API design, real-time data), jak postupovat s existující feedovou infrastrukturou a jak měřit výsledky. Kontext AI nakupních agentů a jejich datových požadavků jsme zpracovali v článku o přípravě produktových dat pro AI nakupní agenty a v článku o proč záleží na skladu v reálném čase.

Rok 2025 byl rokem, kdy AI nakupní agenti přešli z laboratorních demonstrací do produkčního nasazení. Google Shopping Graph, Microsoft Copilot shopping mode, Perplexity shop a první verze autonomních nákupních asistentů začaly generovat měřitelný e-commerce provoz. E-shopy, jejichž produktová data jsou přístupná a strojově čitelná, začínají získávat zákazníky, kteří nikdy nenavštívili jejich web přímou cestou: příkaz AI agentovi ("kup mi outdoorovou bundu Gore-Tex do 4 000 Kč, velikost M, červená") se přeloží na automatizovaný výběr a transakci.

UCP a ACP jsou protokoly, které tento komunikační kanál standardizují. Implementace není triviální, ale je řádově jednodušší než čekat na proprietární integraci s každým AI systémem zvlášť.

Universal Content Protocol (UCP): architektura a principy

UCP je specifikace pro publikaci produktového obsahu v formátu, který je optimální pro AI konzumaci. Vychází ze schema.org Product standardu, ale rozšiřuje ho o specifické požadavky AI modelů: explicitní atributy pro reasoning, strukturované porovnání, důvěryhodnostní signály a machine-readable provenience dat.

Klíčové komponenty UCP:

Structured Product Description (SPD). Produktový popis strukturovaný jako sada faktů, ne jako volný text. Místo "Tato bunda vás udrží v suchu i za nejhorší podmínky" UCP požaduje: waterproof_rating: "30000mm", seam_tape: "fully_taped", tested_conditions: "heavy_rain_sustained_6h". AI model může tato fakta použít pro přesné porovnání, zatímco volný marketingový text je pro algoritmické zpracování obtížný.

Comparative Attributes Schema. Atributy definované tak, aby umožňovaly přímé porovnání mezi produkty různých značek. UCP definuje standardní názvy atributů pro běžné produktové kategorie (outdoor, elektronika, domácí spotřebiče), čímž odstraňuje problém synonymního názvosloví (jedna značka říká "vodní sloupec", jiná "waterproof rating", třetí "HH").

Provenance Metadata. Metadata o zdroji a aktuálnosti dat: kdy byly atributy naposledy aktualizovány, kdo je zodpovědný za jejich správnost, jaký je formát verifikace. AI modely upřednostňují zdroje s explicitní provenancí nad zdroji bez metadat.

Trust Signals Integration. Certifikace, recenze, výkonnostní data integrovaná přímo do UCP záznamu. Místo odkazu na recenze na externí stránce jsou souhrnné recenzní metriky (průměrné skóre, počet recenzí, verifikovaný purchase rate) součástí UCP záznamu.

Srovnání standardního produktového záznamu a UCP záznamu
| Aspekt | Standardní schema.org Product | Universal Content Protocol (UCP) | |---|---|---| | Popis produktu | Volný text (description property) | Structured facts (SPD) + volný text jako doplněk | | Atributy | Základní (name, price, availability) | Rozšířené + comparative attributes pro kategorii | | Porovnatelnost | Nízká (různé názvy atributů u různých prodejců) | Vysoká (standardní comparative schema) | | Provenance | Žádná | Povinná (timestamp, zodpovědná osoba, verifikace) | | Trust signals | Oddělené (AggregateRating) | Integrované v UCP záznamu | | AI readability | Střední | Vysoká (navrženo primárně pro AI konzumaci) | | Zpětná kompatibilita | N/A (je základem) | Plná zpětná kompatibilita se schema.org |

UCP je nadstavba nad schema.org, ne náhrada. Implementací UCP automaticky splňujete i schema.org requirements.

Agentic Commerce Protocol (ACP): transakční vrstva

Kde UCP řeší, jak AI agent čte produktová data, ACP řeší, jak agent provede transakci. ACP je API specifikace pro real-time interakce mezi AI agenty a e-shopy.

ACP endpoints:

Product Discovery Endpoint. API endpoint pro vyhledávání produktů dle parametrů. AI agent pošle strukturovaný dotaz (category: "outdoor jacket", waterproof_rating: ">20000mm", size: "M", color: "red", price_max: 4000, currency: "CZK") a e-shop vrátí strukturovaný seznam produktů splňujících kritéria s kompletními UCP daty.

Real-time Availability Endpoint. API pro ověření dostupnosti konkrétního produktu (SKU, varianta) v reálném čase. AI agent před potvrzením transakce ověří, zda je produkt skutečně dostupný. Tento endpoint musí odpovídat v méně než 500 ms. Podrobnosti o kritické důležitosti tohoto endpointu jsme rozvedli v článku o Agentic Commerce Protocolu a reálném čase skladu.

Cart Support Endpoint. API pro vložení produktu do košíku, úpravu obsahu košíku a dotaz na stav košíku. AI agent může vytvořit košík jménem zákazníka (s explicitním souhlasem zákazníka) a přesměrovat zákazníka na pokladnu s předvyplněným košíkem.

Transaction Completion Endpoint. Pro pokročilé agenty (s autorizací zákazníka k přímému nákupu) API pro dokončení transakce bez interakce zákazníka. Toto je nejvyšší úroveň agentic commerce a vyžaduje silnou autorizační infrastrukturu (OAuth 2.0, zákazníkův explicitní consent, limitované transakční právo).

Order Status Endpoint. Post-purchase endpoint pro dotaz na stav objednávky, sledování zásilky a iniciaci vrácení. AI agent funguje jako zákaznický servis agent pro post-purchase queries.

Implementační plán: od feedů k ACP

Implementace UCP a ACP je vícestupňový projekt. Dobrou zprávou je, že pokud máte dobrou feedovou infrastrukturu a schema markup, první kroky jsou relativně rychlé.

Fáze 1: UCP základ (2 až 4 týdny)

Pokud máte implementovaný schema.org Product markup, rozšiřte ho o UCP-specifické atributy. Pro každou hlavní produktovou kategorii identifikujte comparative attributes ze specifikace UCP (dostupné jako open source na GitHub.com/ucp-spec). Přidejte provenance metadata: vytvořte lastUpdated timestamp pro každý produktový záznam, přidejte zodpovědnou osobu nebo systém jako maintainer atribut.

Validujte UCP implementaci přes UCP Validator (open source nástroj). Zkontrolujte, zda Google Merchant Center a Bing Merchant Center správně parsují rozšířené schema.

Fáze 2: Product Discovery API (4 až 8 týdnů)

Navrhněte a implementujte Product Discovery Endpoint dle ACP specifikace. Endpoint musí podporovat filtrování dle všech UCP comparative attributes vaší hlavní kategorie. Výstup musí být JSON-LD formát s kompletními UCP daty.

Autentifikace: Product Discovery Endpoint by měl být veřejně přístupný (bez autentifikace) pro read-only přístup, aby ho AI agenti mohli použít bez předchozí registrace. Rate limiting je nezbytný pro prevenci zneužití (doporučeno: 1 000 requesty za hodinu per IP).

Dokumentace: vytvořte OpenAPI 3.0 specifikaci vašeho endpoint. AI systémy, které používají ACP, tuto specifikaci automaticky parsují pro pochopení capabilities vašeho API.

Struktura Product Discovery Endpoint (ACP specifikace)
``` GET /acp/products/search

Request parametry:

  • category (string, UCP category slug)
  • [atributy dle kategorie] (filtrovací parametry)
  • price_min, price_max (decimal, required currency)
  • availability (enum: in_stock, available, any)
  • page, page_size (pagination)
  • language (BCP 47 language tag, default: cs)

Response (JSON-LD): { "@context": "https://ucp-spec.org/product", "@type": "ProductSearchResult", "totalResults": 47, "products": [ { "@type": "UCPProduct", "identifier": "SKU-12345", "name": "...", "description": "...", "ucpAttributes": { "category": "...", "comparativeAttributes": {...}, "provenance": { "lastUpdated": "ISO8601 timestamp", "maintainer": "..." } }, "offers": [{ "@type": "Offer", "price": 3490, "priceCurrency": "CZK", "availability": "InStock", "availabilityStarts": "now", "deliveryLeadTime": "P2D" }], "trustSignals": { "aggregateRating": {"ratingValue": 4.7, "reviewCount": 143}, "certifications": ["Gore-Tex", "Bluesign"] } } ] }


Detailní specifikaci endpointu a validátor najdete na ucp-spec.org.
</div>
    </div>

## Real-time Availability Endpoint: kritické požadavky

Real-time Availability Endpoint je nejkritičtější částí ACP implementace. Pokud AI agent nabídne zákazníkovi produkt, který není dostupný, transakce selže a zákazník (a agent) ztratí důvěru v váš e-shop.

Technické požadavky:
- **Latence.** Odpověď do 300 ms pro 95. percentil requestů. Pokud váš interní systém odpovídá pomaleji, implementujte caching vrstvu (Redis nebo podobné in-memory úložiště) s TTL 30 až 60 sekund. Kratší TTL = aktuálnější data ale vyšší zátěž.
- **Granularita.** Endpoint musí rozlišovat varianty (velikost M červená vs. velikost L modrá). Dostupnost na úrovni produktu (ne varianty) je pro ACP nedostatečná.
- **Stav skladu.** Endpoint musí vracet přesný počet kusů dostupných k okamžité expedici, ne celkový stav skladu (který zahrnuje i kusy v rezervaci, na cestě nebo v jiném fyzickém skladu). Logika je identická jako u feedů pro marketplace, jak jsme popsali v kontextu [unified commerce a blended stores](/blog/unified-commerce-a-blended-stores-integrace-offline-a-online/).
- **Fulfillment informace.** Endpoint by měl vracet odhadovanou dodací lhůtu a dostupné fulfillment metody (kurýr, výdejní místo, click-and-collect).

Monitorujte dostupnost a latenci tohoto endpointu stejně jako kritické produkční servisy. Výpadek Real-time Availability Endpoint může vést k tomu, že AI agenti přestanou zahrnovat vaše produkty do doporučení.

## Autorizace a bezpečnost pro Cart Support a Transaction Endpoints

Cart Support a Transaction Completion Endpoints vyžadují autorizaci zákazníka. Implementace musí být robustní a přesně sledovat bezpečnostní standardy.

**OAuth 2.0 s explicitním scope.** Zákazník autorizuje AI agenta k omezeným akcím: `read:cart` (čtení stavu košíku), `write:cart` (přidání produktu do košíku), `create:order` (dokončení objednávky). Každý scope musí být explicitně schválen zákazníkem. Bez explicitního souhlasu nemůže agent žádnou transakci iniciovat.

**Transakční limity.** Pro Transaction Completion scope implementujte transakční limity: maximální výše objednávky (zákazník nastaví, výchozí hodnota doporučena), maximální počet transakcí za den, whitelist produktových kategorií (zákazník může povolit agentovi nakupovat pouze z vybraných kategorií).

**Audit log.** Každá akce agenta musí být zaznamenána v audit logu přístupném zákazníkovi: kdy agent provedl akci, jaký produkt přidal/objednal, za jakou cenu. Zákazník musí mít možnost kdykoli revokovat autorizaci agenta.

**Notifikace.** Při každé agentní transakci zákazníkovi odešlete push notifikaci nebo e-mail s detaily transakce a možností stornace.

Bezpečnostní architektura agentic commerce je přímým navázáním na principy ochrany dat a transparentnosti, které jsme popsali v kontextu [digitálních produktových pasů](/blog/digitalni-produktove-pasy-eu-regulace-a-jak-prizpusobit-feedy/) a principy sdílení dat s třetími stranami.

## Měření a vyhodnocení UCP/ACP implementace

Jak poznat, zda UCP a ACP implementace přinášejí výsledky?

**AI referral traffic.** Sledujte v Google Analytics 4 (nebo jiné analytice) provoz z AI zdrojů: `perplexity.ai`, `bing.com/chat`, `bard.google.com` a dalších AI platforem. Spolu s UCP/ACP implementací by měl tento provoz narůstat. Baseline: naměřte AI referral traffic před implementací.

**ACP endpoint utilization.** Monitorujte počet requestů na Product Discovery Endpoint, Real-time Availability Endpoint a Cart Support Endpoint. Nárůst requestů signalizuje, že AI agenti začínají váš e-shop zahrnovat do svých workflow. Sledujte také quality metrics: cache hit rate, average response time, error rate.

**Konverzní poměr z AI traffic.** AI přivedený zákazník přichází s vyšším purchase intent (agent mu produkt aktivně doporučil na základě kritérií). Konverzní poměr z AI kanálů by měl být výrazně vyšší než průměr (typicky 3 až 5× vyšší). Pokud není, zkontrolujte, zda landing pages pro AI-přivedené zákazníky jsou optimalizovány.

**Indexace v AI produktových databázích.** Otestujte, zda vaše produkty jsou zahrnuty v AI odpovědích pro relevantní dotazy v Google AI Overview, Perplexity a Bing Copilot. Metodiku testování jsme popsali v kontextu [AEO optimalizace](/blog/seo-vs-aeo-optimalizace-pro-vyhledavace-i-odpovedni-stroje/).

<div class="checklist-card">
      <div class="checklist-card__header">
        <strong>UCP a ACP implementační kontrolní seznam</strong>
      </div>
      <div class="checklist-card__content">
- [ ] Schema.org Product markup je implementován na všech produktových stránkách s kompletními atributy
- [ ] UCP comparative attributes jsou doplněny pro hlavní produktové kategorie
- [ ] Provenance metadata (lastUpdated, maintainer) jsou součástí každého produktového záznamu
- [ ] UCP Validator prošel bez kritických chyb pro reprezentativní vzorek produktů
- [ ] Product Discovery Endpoint je implementován dle ACP specifikace (JSON-LD output)
- [ ] OpenAPI 3.0 dokumentace Product Discovery Endpoint je publikována
- [ ] Real-time Availability Endpoint odpovídá v méně než 300 ms (95. percentil)
- [ ] Availability Endpoint rozlišuje varianty produktu (velikost, barva) a vrací počet kusů
- [ ] Cart Support Endpoint je implementován s OAuth 2.0 autorizací
- [ ] Transaction Completion Endpoint (pokud implementováno) má transakční limity a audit log
- [ ] Zákazník má rozhraní pro správu autorizovaných agentů a revokaci přístupů
- [ ] Notifikace zákazníkovi při každé agentní transakci jsou funkční
- [ ] Monitoring endpointů (uptime, latence, error rate) je nastaven
- [ ] AI referral traffic je trackován v analytice před a po implementaci
- [ ] Věrnostní programy a personalizační prvky jsou dostupné přes ACP pro agenty se zákaznickou autorizací (viz kontext v článku o [věrnostních programech 3.0](/blog/vernostni-programy-3-0-a-gamifikace-vztah-se-zakaznikem-po-cookies/))
</div>
    </div>

## Integrace s existující feedovou infrastrukturou

UCP a ACP nejsou náhradou za existující feedy pro Heureku, Zboží.cz nebo Google Shopping. Jsou doplňkovým kanálem pro AI konzumaci. Zdrojová produktová data jsou stejná, jen výstupní formát je jiný.

Architektura: centrální PIM/katalog (nebo feedový management systém) drží produktová data. Ze stejného zdroje se generují:
- Heureka XML feed (pro srovnávač)
- Zboží.cz XML feed (pro srovnávač)
- Google Shopping feed (pro reklamy)
- Kaufland CSV/XML feed (pro marketplace)
- UCP JSON-LD soubory nebo API (pro AI agenty)

Klíčová výhoda centrálního přístupu: aktualizace produktových dat (cena, dostupnost, parametry) se propaguje do všech výstupů automaticky. Nemusíte spravovat UCP data zvlášť od feedů pro tradiční kanály.

Pro [taxonomii produktových dat](/blog/taxonomie-produktovych-dat-a-mapovani-parametru-kvalita-feedu/) to znamená: mapovací pravidla, která jste vytvořili pro Heureku a Kaufland, slouží jako základ pro UCP comparative attributes. Není nutné začínat od nuly.

Investice do UCP a ACP implementace se vrátí tím rychleji, čím rychleji se AI nakupní agenti stávají standardní součástí nákupního chování. Trh v roce 2026 je v přelomovém bodě: AI agenti generují desítky procent nového e-commerce provozu v USA a UK, střední a východní Evropa s tradičním zpožděním 12 až 18 měsíců. E-shopy, které jsou AI-ready dnes, budou mít při masivním nástupu AI agentů v česko-slovenském trhu výraznou výhodu oproti těm, kteří budou implementovat narychlo.