ИИ-агент Mastercard девять раз оплатил товары двум продавцам в рамках одобренного бюджета
cryptopolitan.com
20 Октябрь 2026 21:06, UTC
На конференции Cloudflare Connect Mastercard осуществила девять платежей двум разным продавцам с использованием одного утвержденного бюджета и ИИ-агента.
Согласно пресс-релизу Mastercard, агенту не требуются отдельные счета, ключи API или счета-фактуры.
Компания также предоставила ранний доступ к Agent Pay for Machines — движку, на котором работал демо-пример. Он позволяет ИИ-агентам находить и оплачивать услуги в соответствии с правилами, установленными пользователем.
Будьте в курсе движения ваших монет
Алерты, котировки в реальном времени и новости рынка — в одном приложении
Наведите камеру телефона, чтобы установить
4,8 на основе 40 К оценок в App Store и Google Play
ИИ-агент приобрел исследовательские материалы и восемь изображений
Hype — маркетинговое агентство, которое поручило ИИ-агенту создать пример рекламной кампании для запуска протеинового батончика.
В рамках бюджета, одобренного Hype, ИИ-агент приобрел исследования социальных сетей у AIsa и восемь рекламных изображений через AI Gateway от Cloudflare.
За проведение демо отвечал Джорн Ламберт из Mastercard. В компании отметили, что агент работал на платформе для ИИ-агентов, аналогичной Amazon Bedrock AgentCore.
Mastercard впервые представила Agent Pay for Machines в июне. В презентационных материалах Mastercard говорится, что ИИ-агенты совершают покупки: они приобретают данные из одного источника, доступ к моделям — из другого, а вычислительные мощности — из третьего.
Как правило, для использования платных услуг требуется учетная запись, API-ключ или иной способ выставления счетов каждым провайдером. Когда агент подключает сервисы в процессе выполнения задачи, у него нет времени заранее настраивать учетные записи.
x402 — это открытый протокол, используемый в Agent Pay for Machines. Его разработкой занималась Coinbase.
Код 402 в x402 — это способ веб-сервера сообщить: «Требуется оплата» перед предоставлением услуги.
AI-агент должен подписать цифровой ваучер, который представляет собой безопасное обязательство оплатить сумму до утвержденного лимита. Этот ваучер проверяется поставщиком услуг перед началом оказания услуги.
Оффчейн-транзакции происходят на скорости машин. Поставщики могут собирать ваучеры и позже обменивать их партиями.
Авторизация расходов — самая сложная часть архитектуры Mastercard.
Бизнес определяет, что должен делать AI-агент и какой бюджет ему доступен. Для действий агента установлены ограничения.
Coinbase, Base и BVNK осуществляют расчеты в фиатных деньгах или стейблкоинах
Финансирование агента осуществлялось через систему кошельков Developer Platform от Coinbase. В качестве сети ончейн-расчетов использовалась Base.
Кошелек агента был создан компанией BVNK — разработчиком инфраструктуры стейблкоинов, приобретенной Mastercard в августе. Обработка платежей в фиатных деньгах или стейблкоинах происходила через платформу Global Money Platform от Mastercard. Продавцы получали оплату в выбранной ими валюте, токене или через удобный для них платежный канал.
До начала раннего доступа были проведены пилотные проекты с участием семи компаний: Cloudflare, Ant International, AIsa, Base, BVNK, Coinbase и Hype.
Mastercard предоставляет разработчикам первую версию API для покупателей и продавцов, а также набор инструментов, песочницу и документацию.
Проект пока находится на стадии пилотного запуска и еще не доступен в коммерческом использовании.
«Веб дал программному обеспечению способ взаимодействовать. API позволили ПО использовать сервисы. Теперь ИИ-агентам нужен способ оплачивать их. Именно этим мы и занимаемся», — говорится в заявлении Mastercard .
По данным Cryptopolitan, сеть Base обработала более 138 миллионов транзакций x402 за отчетный период в 2026 году.
Действительно агентом управляемыми оказались лишь от 0,6% до 7,5% транзакций в x402 commerce. Реальные агенты и запланированные скрипты оставляют одинаковый след.
Visa, Mastercard и Ant International разрабатывают рамки под названием «Know Your Agent» (Знай своего агента). Они помогут пользователям определить, каким ИИ-агентам можно доверять, и установить, кто несет ответственность в случае возникновения проблем с одним из них.