DeskKit — Agentic Commerce für das Razorpay AI Buildathon

Track 1: AI Growth & Agentic Commerce

Ein autonomer Beschaffungsagent, der einen Händler (DeskKit) Ende-zu-Ende für einen KI-Käufer transaktionsfähig macht – wobei jede Geldaktion erklärbar, begrenzt und mit Freigabeschranken versehen ist, und mit einem Live-Audit-Trail.

Was es tut

DeskKit ist ein kleiner Bürobedarf-Händler auf Razorpay. Dieses Projekt baut einen KI-Agenten, der:

• Durchsucht den Katalog von DeskKit über eine MCP-Tool-Schnittstelle (agentenlesbarer Katalog)

• Denkt über Käufe nach und führt echte Razorpay-Testmodus-Bestellungen aus

• Durchsetzt ein striktes Monatsbudget mit zweistufiger Freigabe: automatische Genehmigung unter ₹3,000, manuelle Genehmigung darüber erforderlich, harte Sperre, wenn es ₹5,000/Monat überschreiten würde

• Speichert Ausgaben über Sitzungen hinweg – das Budget verhält sich wirklich wie ein Monatslimit, nicht wie ein Reset pro Lauf

• Schlägt proaktiv ergänzende Artikel vor (Upsell/Cross-Sell) nach einem erfolgreichen Kauf

• Enthält einen zweiten KI-Agenten, der autonom Beschaffungsanfragen generiert – das demonstriert echten Agent-zu-Agent-Commerce, nicht nur Mensch-zu-Agent

Jede Entscheidung wird in LangSmith für einen vollständigen Audit-Trail nachverfolgt und live in einem Monthly Ledger-Dashboard visualisiert, das die Anzahl genehmigter, ausstehender und blockierter Vorgänge sowie den Bestellverlauf zeigt.

Related MCP server: razoragent

Warum das zum Track passt

„Jede Geldaktion erklärbar, begrenzt und durch Freigabeschranken kontrolliert. Zeige den Audit-Trail und einen Fehler, der elegant behandelt wird.“

Dieses Projekt behandelt vier verschiedene Fehler-/Randfälle elegant: Budgetsperre, Genehmigungsstufe, Anfragen für Artikel, die nicht im Katalog sind, und teilweise Erfüllung einer überdimensionierten Agent-zu-Agent-Anfrage – jeweils mit klarer Begründung und echten Alternativen, niemals ein stiller Fehler oder ein erzwungenes Überschreiben.

Architektur

Requester Agent (KI-Käufer) ──> LangGraph ReAct Agent ──> MCP Tool Layer ──> Razorpay Test-Mode API │ │ │ ├── get_catalog │ └── create_order (mit Budget-Gate) │ └──> LangSmith (Audit-Trail)

Tech-Stack

• FastAPI — Backend + UI

• LangGraph (ReAct-Agentenmuster) — Reasoning und Tool-Orchestrierung

• MCP (Model Context Protocol) — Katalog und Checkout als von Agenten aufrufbare Tools bereitgestellt

• Groq (openai/gpt-oss-120b) — LLM-Inferenz

• Razorpay Python SDK — echte Testmodus-Zahlungsbestellungen

• LangSmith — Observability und Audit-Trail

• Persistente JSON-basierte Ausgabenverfolgung

Lokal ausführen

python -m venv venv
venv\Scripts\activate          # on Windows
pip install -r requirements.txt

Erstelle eine .env-Datei mit: RAZORPAY_KEY_ID=your_test_key RAZORPAY_KEY_SECRET=your_test_secret GROQ_API_KEY=your_groq_key LANGSMITH_API_KEY=your_langsmith_key LANGSMITH_TRACING=true LANGSMITH_PROJECT=deskkit-buildathon

Dann führe aus:

uvicorn main:app --reload

Besuche http://127.0.0.1:8000.

Demo

Gib eine Anweisung ein (z. B. „Kaufe 10 USB-C-Kabel und 1 Laptop-Ständer“), oder klicke auf Simulate Requester Agent, um zu sehen, wie eine zweite KI ihre eigene Kaufanfrage generiert – echter Agent-zu-Agent-Commerce.

Screenshots

Erfolgreiche Bestellung mit Echtzeit-Budgetverfolgung

Budgetsperre blockiert eine über dem Limit liegende Bestellung, mit eleganter Begründung

Monatsledger – vollständiger Audit-Trail auf einen Blick

Agent-zu-Agent-Commerce: Ein Requester-Agent generiert seine eigene Kaufanfrage

Erstellt für das Razorpay AI Buildathon, Track 1.