Sari la conținut
SEMROI
Discută cu noi
Studiu de caz · Magazin gestionat cu AI

Shopify MCP server: un magazin B2B live, lăsat în siguranță pe mâna AI

Un Shopify MCP server este stratul de instrumente prin care un asistent AI lucrează în magazin; valoarea reală stă în regulile acelor instrumente. Pentru magazinul B2B live al Horeca Papatya am construit un server MCP personalizat cu 10 instrumente: joburile în masă rulează întâi în dry run, produsele noi pornesc ca draft, ștergerea cere aprobare. Merge cu orice mediu de agenți (harness) MCP.

Client
Horeca Papatya
Sector
Aprovizionare hoteluri și restaurante · B2B și retail
Piață
România
Perioadă
apr. – nov. 2026
Roluri
Dezvoltare Shopify MCP server, reguli de siguranță, fluxuri de lucru agentic AI și operațiuni de magazin
  • Server MCP
  • Shopify Admin API
  • Agenți cu MCP
  • Dry run și draft
  • Scripturi rollback
  • Agenți AI
scripturi de rollback: un lot mare revine cu o comandă
41
instrumente în serverul MCP; cele în masă rulează în dry run
10
produse: plafonul implicit la un job în masă; peste, refuz
250
fișiere de stare: un job întrerupt continuă de unde a rămas
57
teste automate care verifică codul scris de agent
600+

Sursă: depozitul de cod al proiectului, 16 apr. – 9 nov. 2026. Scripturi, fișiere de stare și teste numărate pe 10 nov. 2026; plafonul, din codul serverului.

Provocarea

De ce are nevoie un magazin live de propriul Shopify MCP server?

Horeca Papatya aprovizionează hoteluri, restaurante și cafenele din România dintr-un singur magazin Shopify: produse retail cu preț și produse B2B fără preț, vândute pe bază de ofertă, în același loc. Zilnic se adună sarcini mici. Voiam ca un asistent AI să le preia prin chat, fără să punem în pericol magazinul live, vitrina pe care o văd clienții.

Ce ne-am propus
  • Să cerem sarcinile de magazin într-o propoziție simplă10 unelte, un chat
  • Să vedem o modificare în masă înainte să ajungă liveImplicit: dry run
  • Să nu apară produse noi online fără aprobareImplicit: draft
  • Să facem joburile mari reversibile cu o singură comandă41 scripturi rollback

  • Fiecare sarcină în admin, produs cu produs

    Scoaterea unei serii, corectarea etichetelor, găsirea stocului mic: totul însemna click după click în adminul Shopify. Corectitudinea depindea de cel care lucra.

  • Un model care ghicește

    Când un model de limbaj nu știe o categorie Shopify sau numele unui produs, inventează un răspuns plauzibil. Într-un magazin live, plauzibil nu e destul.

  • Modificări greu de anulat

    O publicare sau o ștergere în masă greșită se vede imediat la clienți. Fiecare job în masă cerea întâi o previzualizare, apoi o cale de întoarcere pregătită.

  • Uneltele existente nu erau pentru administrare

    Când am început, uneltele AI ale Shopify erau gândite pentru dezvoltatori și cumpărători. Ne trebuia un strat care modifică magazinul, cu reguli stabilite de noi.

Arhitectură

Regulile stau în server, nu în asistent

Mediul de agenți se poate schimba. Dry run, draft și aprobarea ștergerii stau în codul serverului, deci orice mediu lucrează după aceleași reguli.

Diagramă: produse, stoc și canale de vânzare legate de un Shopify Admin MCP server dedicat, cu 10 instrumente. Trei reguli: întâi dry run, întâi draft, ștergere doar cu aprobare. Orice mediu cu MCP se poate lega: Claude Code, Codex, Cursor, Gemini CLI, GitHub Copilot, Windsurf, ChatGPT și Claude.

Numele produselor arată doar compatibilitatea. Unele medii cer ca serverul să fie accesibil de pe internet.

Din chat în magazin

Scrii o propoziție, vine întâi previzualizarea

Cine conduce magazinul scrie fără să știe cod sau admin. Asistentul alege instrumentul potrivit, arată întâi ce se schimbă, aplică după aprobare și raportează.

Interfața e un chat: fără cod, fără admin. Regulile le pune serverul.

Joburi mariCataloagele de sute de produse s-au construit cu aceleași reguli, prin scripturi separate scrise de agent. Povestea are propriul studiu de caz.Studiu de caz: cataloage
Exemplu: o serie pusă în draft
Mediu de agenți · Shopify MCP dedicat
Flux ilustrativ
  1. 01
    Managerul magazinului scrie cerereacerere
    chat.request · series-x → DRAFT
  2. 02
    Asistentul găsește produsele potrivitecitit
    search_products · query: tag:series-x
  3. 03
    Modificarea e listată întâiprevizualizare
    bulk_update_products · setStatus: DRAFT · dryRun: true
  4. 04
    Lista e verificată, se dă aprobareaaprobat
    confirm · apply
  5. 05
    Modificarea e aplicatăaplicat
    bulk_update_products · dryRun: false
  6. 06
    Rezultatul e citit din live și raportatverificat
    search_products · query: tag:series-x status:active

Flux ilustrativ; numele instrumentelor și setările implicite sunt ca în server.

Ce am făcut

Cum lucrează în siguranță un agent AI pe un magazin live?

Întâi au venit serverul și regulile. Apoi sarcinile zilnice ale magazinului au trecut în chat. Pentru joburile mari care nu încap într-un chat, același agent a scris scripturi cu aceleași reguli. Fiecare pas a lăsat o urmă în depozitul proiectului.

Direcții de lucruapr. – nov. 2026

Cifre din depozitul de cod al proiectului, numărate pe 10 noiembrie 2026.

  1. Server MCP

    Zece instrumente pe Shopify Admin GraphQL API

    • Un server MCP în TypeScript cu 10 instrumente: căutare, citire, creare, actualizare și ștergere de produse; stoc, publicare, actualizare în masă filtrată, raport de stoc mic și import din CSV.
    • Fiecare instrument are o schemă strictă de intrare. Asistentul poate trimite doar câmpurile acceptate de server; un câmp inventat e respins înainte să ajungă la Shopify.

    RezultatSarcinile de magazin se cer într-o propoziție simplă și rulează ca apeluri API verificate.

  2. Reguli de siguranță

    Setări implicite care fac greșelile ieftine

    • Actualizarea în masă și importul CSV rulează implicit în dry run: întâi lista cu câte produse se schimbă și cum. Plafonul implicit e de 250 de produse; dacă se potrivesc mai multe, jobul e refuzat.
    • Produsele noi pornesc ca draft; publicarea e o decizie separată. Ștergerea cere confirmare explicită. Versiunea API e fixă; categoriile vin dintr-o taxonomie aprobată, nu din memoria modelului.

    RezultatModificările în masă sunt previzualizate întâi; publicarea și ștergerea așteaptă aprobarea unui om.

  3. Operațiuni prin chat

    Sarcini de magazin într-o propoziție

    • Cererile se scriu în limbaj simplu: „arată produsele cu stoc sub 5”, „trece produsul ăsta în draft”. Asistentul alege instrumentul potrivit, citește rezultatul și îl rezumă.
    • Primul lot de migrare (6 produse, 23 de variante) a intrat din CSV ca draft, prin importul serverului. Înainte de lansare, asistentul a verificat unul câte unul 22 de produse redenumite.

    RezultatO propoziție în loc de click produs cu produs în admin; rezultatul e citit din magazinul live.

  4. Joburi mari

    Scripturi cu aceleași reguli pentru joburi prea mari

    • Pentru joburi precum cataloage de sute de produse, agentul a scris scripturi tipizate pe aceeași conexiune Shopify ca serverul: rulare de probă, aplicare după aprobare, apoi verificare în live.
    • Joburile mari țin un fișier de stare și, întrerupte, continuă de unde au rămas. Backup înainte de modificare, rollback pregătit: 41 scripturi de rollback, 57 fișiere de stare, 46 backupuri de temă.

    RezultatConstruirea cataloagelor are un studiu de caz separat; acolo se aplică aceleași reguli.

  5. Dovezi

    Fiecare pas, urmărit în depozitul proiectului

    • Între aprilie și noiembrie 2026, proiectul a primit 261 de modificări, toate înregistrate în depozit. Decizia și verificarea, codul și lucrul simplu cu fișiere au fost împărțite pe niveluri de modele.
    • Codul scris de agent e verificat de peste 600 de teste automate, în 27 de fișiere de test. Pașii greu de anulat, precum publicarea, cer o aprobare umană separată în instrucțiunile agentului.

    RezultatCe s-a schimbat și cum se anulează rămân în evidență.

  6. PredareÎn curs

    SEMROI îl rulează sau îl predă echipei tale

    • Configurarea e documentată astfel încât un coleg nou să conecteze serverul în patru pași. Există și un ghid de utilizare non-tehnic, în limba turcă.
    • Azi, SEMROI se ocupă de sarcinile magazinului. Aceeași configurare poate fi predată unei echipe care o vrea, cu propriul asistent; regulile merg odată cu serverul.

    RezultatInterfața e un chat: fără cod, fără admin; o poate folosi cine conduce magazinul.

Direcții de lucruapr. – nov. 2026
01Server MCP

Zece instrumente pe Shopify Admin GraphQL API

  • Un server MCP în TypeScript cu 10 instrumente: căutare, citire, creare, actualizare și ștergere de produse; stoc, publicare, actualizare în masă filtrată, raport de stoc mic și import din CSV.
  • Fiecare instrument are o schemă strictă de intrare. Asistentul poate trimite doar câmpurile acceptate de server; un câmp inventat e respins înainte să ajungă la Shopify.

RezultatSarcinile de magazin se cer într-o propoziție simplă și rulează ca apeluri API verificate.

02Reguli de siguranță

Setări implicite care fac greșelile ieftine

  • Actualizarea în masă și importul CSV rulează implicit în dry run: întâi lista cu câte produse se schimbă și cum. Plafonul implicit e de 250 de produse; dacă se potrivesc mai multe, jobul e refuzat.
  • Produsele noi pornesc ca draft; publicarea e o decizie separată. Ștergerea cere confirmare explicită. Versiunea API e fixă; categoriile vin dintr-o taxonomie aprobată, nu din memoria modelului.

RezultatModificările în masă sunt previzualizate întâi; publicarea și ștergerea așteaptă aprobarea unui om.

03Operațiuni prin chat

Sarcini de magazin într-o propoziție

  • Cererile se scriu în limbaj simplu: „arată produsele cu stoc sub 5”, „trece produsul ăsta în draft”. Asistentul alege instrumentul potrivit, citește rezultatul și îl rezumă.
  • Primul lot de migrare (6 produse, 23 de variante) a intrat din CSV ca draft, prin importul serverului. Înainte de lansare, asistentul a verificat unul câte unul 22 de produse redenumite.

RezultatO propoziție în loc de click produs cu produs în admin; rezultatul e citit din magazinul live.

04Joburi mari

Scripturi cu aceleași reguli pentru joburi prea mari

  • Pentru joburi precum cataloage de sute de produse, agentul a scris scripturi tipizate pe aceeași conexiune Shopify ca serverul: rulare de probă, aplicare după aprobare, apoi verificare în live.
  • Joburile mari țin un fișier de stare și, întrerupte, continuă de unde au rămas. Backup înainte de modificare, rollback pregătit: 41 scripturi de rollback, 57 fișiere de stare, 46 backupuri de temă.

RezultatConstruirea cataloagelor are un studiu de caz separat; acolo se aplică aceleași reguli.

05Dovezi

Fiecare pas, urmărit în depozitul proiectului

  • Între aprilie și noiembrie 2026, proiectul a primit 261 de modificări, toate înregistrate în depozit. Decizia și verificarea, codul și lucrul simplu cu fișiere au fost împărțite pe niveluri de modele.
  • Codul scris de agent e verificat de peste 600 de teste automate, în 27 de fișiere de test. Pașii greu de anulat, precum publicarea, cer o aprobare umană separată în instrucțiunile agentului.

RezultatCe s-a schimbat și cum se anulează rămân în evidență.

06PredareÎn curs

SEMROI îl rulează sau îl predă echipei tale

  • Configurarea e documentată astfel încât un coleg nou să conecteze serverul în patru pași. Există și un ghid de utilizare non-tehnic, în limba turcă.
  • Azi, SEMROI se ocupă de sarcinile magazinului. Aceeași configurare poate fi predată unei echipe care o vrea, cu propriul asistent; regulile merg odată cu serverul.

RezultatInterfața e un chat: fără cod, fără admin; o poate folosi cine conduce magazinul.

Ce am învățat

  1. Regulile stau în server, nu în prompt

    „Fii atent” scris într-un prompt se pierde când se schimbă mediul de agenți. Când dry run, draft și aprobarea ștergerii stau în codul serverului, Claude Code, Codex și Cursor lucrează după aceleași reguli.

  2. Un agent AI pentru Shopify cere setări implicite sigure

    Când folosești AI în e-commerce, costul unei greșeli e decis mai ales de setările implicite. Dry run implicit, draft implicit și nicio ștergere fără aprobare reduc și o greșeală gravă la un ecran de previzualizare.

  3. Dă modelului surse, nu memorie

    Categoriile de produse au venit dintr-un fișier de taxonomie aprobat; numele și starea produselor au fost citite din magazinul live. Tot ce ar putea ghici modelul trebuie să vină dintr-o sursă pe care o poate citi.

  4. Scrie rollback-ul înaintea modificării

    Un lot cu propriul script de rollback revine cu o singură comandă. Dacă scrii întâi acest script, o modificare mare devine o sarcină de rutină, nu un risc.

  5. Ce nu încape în chat, dă unui script

    Produsele individuale și joburile mici în masă rămân în chat. Un job de sute de produse cere un script cu fișier de stare, teste și script de rollback. Agentul îl scrie și pe acesta, iar regulile rămân aceleași.

Întrebări frecvente

Întrebări despre Shopify MCP server

Bazele: ce este un MCP server și ghidul Shopify MCP; serviciul nostru: agenți AI.

  • Ce este un Shopify MCP server?

    Un Shopify MCP server îi dă unui asistent AI instrumente de apelat în magazinul tău prin Model Context Protocol. Serverul din acest proiect folosește Shopify Admin GraphQL API: caută, creează și actualizează produse, schimbă stoc și publicare. Joburile în masă rulează întâi în dry run; produsele noi pornesc ca draft.

  • Pot gestiona magazinul Shopify cu ChatGPT, Claude sau Gemini?

    Da, dacă mediul tău de agenți suportă MCP. Serverul nu e legat de un asistent: se pot conecta Claude Code, Codex, Cursor, Gemini CLI, GitHub Copilot, Windsurf, ChatGPT sau Claude. Unele, ca ChatGPT, cer un server accesibil de pe internet; regulile de dry run, draft și aprobare rămân aceleași.

  • Ce se întâmplă dacă un agent AI greșește într-un magazin live?

    Regulile țin greșeala mică. O modificare în masă e listată întâi în dry run, un produs nou pornește ca draft, iar ștergerea cere aprobare explicită. La joburile mari, fiecare lot are fișier de stare și script de rollback; un lot greșit revine cu o comandă, iar magazinul revine la starea anterioară.

  • Cum editezi în masă produse Shopify cu un agent AI?

    Spui filtrul într-o propoziție simplă: o etichetă, o serie sau o stare. Asistentul găsește produsele potrivite și arată modificarea întâi în dry run. După aprobare, o aplică și raportează rezultatul citit din magazinul live. Plafonul implicit e de 250 de produse; dacă se potrivesc mai multe, jobul e refuzat.

  • Nu ajung serverele MCP oficiale ale Shopify?

    Depinde de scop. Serverele MCP ale Shopify sunt mai ales pentru dezvoltatori și cumpărături. Dacă vrei un strat care îți administrează magazinul, cu reguli puse de tine, ai nevoie de un server personalizat. În ghidul nostru Shopify MCP ținem la zi ce face fiecare server oficial; aruncă o privire înainte să alegi.

  • Poate folosi configurarea o echipă care nu scrie cod?

    Da. Interfața e un chat: fără cod, fără admin. Cine conduce magazinul scrie cererea într-o propoziție simplă; asistentul arată întâi ce se schimbă și aplică după aprobare. Configurarea și întreținerea sunt la SEMROI. Putem rula noi munca sau o predăm echipei tale cu un ghid, ca să continui cu propriul asistent.

Încă editezi magazinul produs cu produs?

Spune-ne ce sarcini din magazin îți iau cel mai mult timp. Îți arătăm pe care le poate prelua prin chat un server MCP și care rămân la aprobarea unui om.

Planifică serverul MCPToate studiile de caz
O pagină de produs din noul magazin Shopify Horeca Papatya
Următorul studiu de caz · Ospitalitate
Două site-uri unite într-un singur magazin Shopify