Comercio Agéntico12 min

Auto-Discovery Agentico: Por que el 90% de las plataformas son invisibles para agentes IA

Hicimos una prueba simple: enviamos un agente IA a descubrir las 10 principales plataformas de agentic commerce. 9 de 10 devolvieron 404 en llms.txt. 10 de 10 no tenian agent-policy.json. Solo una era descubrible de forma autónoma.

Resumen ejecutivo

Publicado

2026-03-20

12 min

Autoría

Trusteed

Publicado por Trusteed

Escrito y mantenido por quienes construyen Trusteed. Las afirmaciones técnicas de estos artículos se respaldan en las superficies enlazadas desde cada pieza y en el registro de capacidades firmado en /.well-known/trusteed-capabilities.json, que es el árbitro cuando un artículo y una superficie de estado se contradicen.

Sobre Trusteed

Categoría

Comercio Agéntico

llms-txtagent-policy-jsonDescubrimiento por Agentesmcp-protocolstructured-data

Hicimos un experimento directo. Configuramos un agente IA con una única instrucción: descubrir que ofrecen las 10 principales plataformas de comercio agéntico, que acciones estan disponibles y que políticas gobiernan las interacciones con agentes. El agente comprobo cuatro endpoints de descubrimiento para cada plataforma: /llms.txt, /.well-known/agent-policy.json, /.well-known/mcp.json y JSON-LD en el HTML. Los resultados fueron reveladores. 9 de 10 plataformas devolvieron 404 en llms.txt. Las 10 carecian de agent-policy.json. Solo una plataforma era descubrible de forma autónoma por el agente sin recurrir al scraping web.

La prueba de descubrimiento: que comprobamos y que encontramos

Para cada plataforma comprobamos cuatro capas de descubribilidad para agentes. Primero, llms.txt en la raíz: un archivo de texto plano que dice a los modelos de lenguaje qué ofrece el sitio y dónde encontrar recursos clave. Segundo, agent-policy.json en el directorio .well-known: un archivo legible por máquina que declara qué acciones pueden tomar los agentes, cuáles requieren confirmación y cuáles están bloqueadas. Tercero, mcp.json: un manifiesto que declara herramientas MCP disponibles, endpoints y capacidades. Cuarto, datos estructurados JSON-LD embebidos en páginas HTML: schemas Product, Organization, FAQPage y similares que los agentes usan para entender el contexto.

1
llms.txt: 9 de 10 plataformas devolvieron 404. Solo una tenia un llms.txt válido con enlaces a recursos y descripciones de capacidades.
2
agent-policy.json: 0 de 10 plataformas tenian este archivo. Ninguna plataforma declaraba reglas de gobernanza legibles por maquina para agentes.
3
mcp.json: 1 de 10 plataformas tenia un manifiesto MCP parcial. El resto no tenia ninguna superficie de descubrimiento MCP.
4
JSON-LD: 4 de 10 plataformas tenian algo de JSON-LD, pero solo 2 tenian schemas Organization y Product completos.

Si un agente IA no puede descubrir tu plataforma de forma autónoma, hará scraping de tu HTML (con toda la fragilidad que eso implica) o simplemente te saltará en favor de una plataforma legible por máquina.

Idea clave

Que buscan los agentes durante el descubrimiento

Los agentes IA abordan el descubrimiento de plataformas de forma diferente a los humanos y a los crawlers web tradicionales. No les importa el diseño visual ni los menus de navegación. Buscan manifiestos legibles por maquina que respondan cuatro preguntas: Que hace esta plataforma? Que acciones puedo tomar? Cuales son las reglas? Como me autentico? Cada uno de los cuatro archivos de descubrimiento responde a una o mas de estas preguntas. Sin ellos, el agente debe inferir todo del HTML no estructurado, lo cual es poco fiable y frecuentemente incompleto.

Por que la mayoría de plataformas fallan en descubrimiento agéntico

1
La mayoría de plataformas fueron diseñadas para visitantes humanos e integraciones de desarrolladores, no para agentes IA autónomos.
2
Estandares de descubrimiento como llms.txt y agent-policy.json son nuevos y aun no estan ampliamente adoptados.
3
Los equipos subestiman cuanto dependen los agentes de manifiestos explicitos en lugar de inferir capacidades del HTML.
4
No existe un equivalente SEO para la descubribilidad agéntica, no hay Google Search Console para agentes, así que el problema es invisible.
5
La adopción de MCP esta creciendo pero la mayoría de plataformas aun lo tratan como una consideracion futura en lugar de un requisito actual.

El checklist de descubribilidad agéntica

1
llms.txt en la raiz: resumen en texto plano de lo que hace tu plataforma, páginas clave, enlaces a documentación API y resumen de capacidades.
2
agent-policy.json en /.well-known/: JSON declarando acciones ALLOW, FRICTION, REVIEW y BLOCK para agentes, umbrales de confianza y límites de confirmación.
3
mcp.json en /.well-known/: manifiesto de herramientas MCP listando tools disponibles, sus descripciones, schemas de entrada y URLs de endpoints.
4
JSON-LD en HTML: schemas Organization, Product, FAQPage y BreadcrumbList completos en cada página relevante.
5
OpenAPI spec: documentación API legible por maquina para cualquier endpoint REST que los agentes puedan usar.

Como implementar cada archivo de descubrimiento

Empieza con llms.txt: es el más simple de crear y el que más impacto tiene. Un llms.txt bien estructurado se escribe en 30 minutos y hace inmediatamente visible tu plataforma para modelos de lenguaje. Luego, anade agent-policy.json para declarar tus reglas de gobernanza. Esto le dice a los agentes que pueden hacer sin preguntar y que requiere confirmación humana. Despues implementa JSON-LD en tus páginas clave si aun no lo has hecho. Finalmente, si ofreces herramientas MCP, crea un manifiesto mcp.json. Cada archivo sirve a una necesidad de descubrimiento diferente, y juntos hacen tu plataforma totalmente agent-ready.

Preguntas frecuentes

Que es llms.txt?

llms.txt es un archivo de texto plano servido en la raiz de tu dominio que dice a los modelos de lenguaje y agentes IA que ofrece tu sitio, donde estan los recursos clave y como interactuar con tu plataforma. Es el equivalente de robots.txt para agentes IA.

Que es agent-policy.json?

agent-policy.json es un archivo JSON legible por maquina en el directorio .well-known que declara que acciones pueden tomar los agentes, cuales requieren confirmación del usuario, que umbrales de confianza aplican y que esta explicitamente bloqueado. Proporciona reglas de gobernanza que los agentes pueden leer antes de tomar cualquier acción.

Necesito MCP para ser descubrible por agentes?

No necesariamente. llms.txt, agent-policy.json y JSON-LD ya marcan una diferencia significativa. MCP añade una capa de interacción más profunda, que permite a los agentes usar tus herramientas de forma nativa, pero los archivos básicos de descubrimiento son la base esencial.

Como pruebo la descubribilidad de mi plataforma?

Envia un agente IA a tu dominio con la instrucción de descubrir que hace tu plataforma y que acciones estan disponibles. Comprueba si puede responder esas preguntas sin hacer scraping de HTML. Alternativamente, verifica manualmente que /llms.txt, /.well-known/agent-policy.json y tus schemas JSON-LD devuelven respuestas válidas y completas.