LLM-first

Wafle es la primera plataforma de ecommerce diseñada bajo el enfoque LLM-first: cada feature nueva nace siendo callable por un agente (típicamente Claude) y solo después le ponemos UI para humanos. El resto del SaaS world funciona al revés: feature humano primero, API después, IA encima como capa cosmética.

La regla
Si una acción no se puede ejecutar desde Claude Desktop, Claude Code o un MCP custom, para nosotros esa acción no existe todavía.

Diferencia con Shopify, Tiendanube, Woo

Las plataformas tradicionales tienen API, sí. Pero la API es derivada del UI: hay endpoints que faltan, otros que devuelven datos pensados para grids HTML, eventos que no están normalizados, y para escribir un agente que “opere la tienda” terminás haciendo scraping del admin con Puppeteer. En Wafle es al revés:

  • La OpenAPI 3.1 es la fuente de verdad. El admin Next consume los mismos endpoints que el MCP. Si el admin lo puede hacer, la API lo puede hacer.
  • Cada endpoint tiene una tool MCP equivalente auto-generada con su schema, descripción semántica para LLMs y scopes.
  • Los resources (catálogo, órdenes de hoy, KPIs) se exponen como recursos MCP listos para inyectar en el contexto del modelo.
  • Los prompts pre-armados (briefing diario, optimización de ads, triage de soporte) viajan con el server: cualquier cliente MCP los lista.

Ejemplos concretos

1. Cargar un producto

Shopify: abrís Admin → Products → New → llenás 14 campos → upload imágenes → save. ~3 min.

Wafle:

claude desktoptext
Cargá el producto que está en /Users/facundo/Drive/drop-otoño/remera-oversize-negra.

Sacá las medidas y los materiales del PDF que está al lado.
Precio sugerido = costo * 2.5, redondeado a centena.
Publicalo en pending para que lo apruebe.

Claude lee el PDF, infiere talles, calcula precio, sube fotos a R2, crea el producto vía catalog.create_product tool, y te avisa cuando está listo. ~20 segundos.

2. Optimizar ads

Tiendanube: descargás CSV, lo abrís en Excel, identificás campañas con CPA alto, vas al ads manager de Meta, ajustás budgets, esperás 24 hs.

Wafle:

claude codetext
/wafle ads optimization

Mirá los últimos 7 días. Subí budget 20% a las campañas con ROAS > 3 que NO estén
en learning phase. Bajá 50% a las que tienen CPA > 2x el target. Pausá cualquier
ad set con < 50 impresiones en 3 días.

Antes de ejecutar, mostrame el plan con dry-run.

Claude usa el prompt pre-armado ads_optimization, llama a ads.list_campaigns + ads.get_insights, te imprime un plan, espera tu approval, y ejecuta los ads.update_* con auditoría completa.

3. Atender un cliente que pregunta por el envío

Woo: el cliente te escribe por WhatsApp, vos abrís el admin, buscás la orden, mirás el tracking, copiás el link, volvés a WhatsApp.

Wafle: el agente de tu tienda está suscripto al MCP customers.* y orders.*. El cliente pregunta, Claude busca, responde con el link de tracking. Si la orden está atrasada, lo escala.

Implicaciones para vos como merchant

  • Sin onboarding de “aprender el panel”. Hablás como hablás con un empleado. La curva de aprendizaje es cero porque no hay panel que aprender.
  • Auditoría built-in. Toda acción del agente queda registrada con quién la pidió, qué tool corrió, qué scope usó, qué cambió. Ver /admin/audit.
  • Tu tienda corre incluso cuando dormís. Routines (cron de Claude) ejecutan briefings, optimización, envíos de email, en horarios definidos. Nada se queda esperando que vos abras el admin.
  • Plugins también son LLM-first. Si subís un plugin al marketplace, este declara sus tools MCP. Cualquier merchant que lo instala las tiene disponibles para Claude inmediatamente.

Siguientes

  • Conectá tu Claude — los tres modos (Pro/Max, BYOK, créditos Wafle).
  • MCP Server — la lista de tools, resources y prompts que ya están disponibles.
  • Wafle Network — la red de identity y audiencias compartidas que solo es posible porque todo es LLM-first.