Walmart Sparky — MCP基盤のSuper Agentアーキテクチャ全解剖

Walmart Sparky Super Agentが生まれた背景 — 「ボットの乱立」という教訓

2025年半ば、Walmartの社内には200を超えるタスク特化型のAIボットが存在していました。カスタマーサポート、在庫照会、サプライヤー管理、従業員の福利厚生問い合わせ。それぞれの部門が独自にボットを構築した結果、データが分断され、同じ質問に対して異なるボットが矛盾する回答を返すケースも発生しています。

この状態を同社は「エージェントスプロール（Agent Sprawl）」と呼びました。ボットの数が増えるほど摩擦が生まれ、顧客体験と運用コストの両方を悪化させていたのです。従来のチャットボット時代から繰り返されてきた「部門ごとのサイロ化」が、生成AIの時代にさらに加速した形です。

では、Walmartはどうやってこの混沌を整理したのか。答えがSuper Agentアーキテクチャです。

MCP基盤のSuper Agentアーキテクチャ — なぜ「4つ」なのか

2025年7月、Walmartは200超のボットを4つのドメインレベルSuper Agentに統合する方針を発表しました。個別のチャットボットを並べるのではなく、ペルソナごとに1つの「脳」を持つ構造へ転換しています。

この統合を支える技術基盤がModel Context Protocol（MCP）です。Anthropicが提唱したオープンソース標準で、エージェントが複数のバックエンドシステム — 在庫データベース、顧客サービス、サプライヤー情報 — に統一的なインターフェースで接続できます。WalmartがMCPを採用した理由は明快です。在庫データを更新したとき、3つの異なるボットを再学習させる必要がなくなります。1つのデータプレーンを4つのSuper Agentが共有する構造だからです。

さらにWalmartはElementと呼ばれるMLプラットフォームを自社開発し、エージェントのライフサイクル全体 — 実験からプロダクション運用まで — を管理しています。開発者向けSuper AgentのWIBEYはElement上に構築されており、エンジニアが既存エージェントを発見し、新プロジェクトのスターターキットを生成し、ツール間の実行を調整する「呼び出しレイヤー」として機能します。

ここで重要なのは、WIBEYが「ダッシュボード」ではなく「オーケストレーター」であるという点です。開発者の意図を解釈し、MCPによるディスカバリーとA2Aプロトコルによる委任・チェーンを通じて、分散したエージェント群を1つのシステムとして動かします。フェデレーテッドモデルと呼ばれるこの設計では、各ドメインチームがエージェントを所有しつつ、WIBEYがそれらを相互運用可能にします。

Instant Checkoutの「失敗」が転換点になった

Sparkyのアーキテクチャを理解するうえで避けて通れないのが、ChatGPT Instant Checkoutの挫折です。

2025年10月、WalmartはOpenAIとの提携を発表し、ChatGPT上でのInstant Checkout機能を導入しました。ユーザーがチャット画面内で商品を選び、そのまま決済まで完了できる仕組みです。しかし結果は期待を大きく下回りました。

WalmartのAI責任者Daniel Danker氏は、Instant Checkout経由のコンバージョン率がWalmart.comの約3分の1だったと明かしています。2つの問題が即座に表面化しました。AIが不正確な商品をカートに追加するケースがあったこと、そしてチャットUI内での決済フローが顧客の信頼を得られなかったことです。

この数字が意味するのは、エージェンティックコマースにおける「発見」と「購買」の役割分担です。AIプラットフォームは商品を見つける場として優れていますが、購買の完了はブランドが管理する自社チャネルで行うほうがコンバージョンが高い。Danker氏はこの教訓を率直に認め、1ヶ月以内にInstant Checkoutを廃止してSparkyをChatGPT内に直接展開する方針を発表しました。

転換後のSparky-in-ChatGPTでは、ユーザーをWalmart.comまたはモバイルアプリに誘導して決済を完了させます。Walmartの内部データによると、この方式での購買完了率はWalmart.com直接利用者の約70%に達しており、Instant Checkout時代と比較して大幅に改善しました。

Sparkyの3つの顔 — アプリ、LLM内、広告

Sparkyは単一のSuper Agentでありながら、展開先によって異なる「顔」を見せます。

Walmartアプリ内では、約半数のユーザーがSparkyを利用しています。「タイヤが必要」と入力すると車種確認から在庫・配送まで対話形式で案内する機能や、冷蔵庫の写真からレシピを提案し食材をカートに追加する機能が実装されています。Q4 FY2026の決算では、Sparky利用者の平均注文額が非利用者より35%高いと報告されました。

ChatGPTやGemini内のSparkyは、まったく異なる購買パターンを生み出しています。売上上位がビタミンサプリとプロテインサプリで、その起点がGLP-1薬に関する健康相談だという事実は示唆的です。コマースではない文脈 — 健康の悩みや生活相談 — から購買が始まるこのパターンは、従来の検索型ECでは捕捉できなかった需要です。

そして3つ目の顔が広告です。Walmartは2026年3月にSparky内での広告表示を正式に開始しました。エージェント内でも商品の表示順序はWalmartが制御し、コンバージョンベースの課金モデルを維持しています。サプライヤー向けSuper AgentのMartyも広告運用支援を担う設計で、リテールメディアとエージェンティックコマースの融合が進んでいます。

Amazonとの対照 — 閉鎖型 vs オープンプロトコル

WalmartのSuper Agentアーキテクチャを評価するには、Amazonのアプローチとの比較が不可欠です。

Amazonは自社エコシステム内で完結する設計を選んでいます。AIアシスタントRufusはAmazonアプリ内のみで動作し、「Buy for Me」機能もAmazon内に閉じています。外部LLMとの提携やオープンプロトコルへの参加には消極的です。このオープン vs クローズド戦略の対比がエージェント時代の構造を理解する鍵です。

一方Walmartは、2026年1月のNRF（全米小売業協会）カンファレンスでGoogleとともにUCP（Universal Commerce Protocol）を発表し、エージェンティックコマースの相互運用性を明確に推進する立場を打ち出しました。MCPとA2Aプロトコルを基盤にSuper Agentを構築し、ChatGPTにもGeminiにも自社エージェントを展開する。この「どこにでもSparkyがいる」戦略は、Amazonの「すべてをAmazon内で」という思想と正反対です。

どちらが正解かは市場が判断しますが、エージェンティックコマースの構造変化を考えると、Walmartのオープン戦略は注目に値します。AIエージェントが購買の起点になる世界では、消費者はAmazonアプリを開くのではなくChatGPTやGeminiに相談するところから始まります。その「相談の場」にSparkyを配置できているWalmartは、少なくとも入口の争いでは優位に立っています。

EC事業者が学ぶべきこと

Walmartの事例から、EC事業者は2つの構造的な示唆を得られます。

1つ目は、エージェントの「数」ではなく「統合」が競争力になるという教訓です。Walmartですら200のボットが乱立して混乱を招きました。中規模のEC事業者がボットを増やす前に、MCP のような標準プロトコルで既存ツールを接続する設計を検討すべきです。

2つ目は、発見と購買の場を分離する設計です。Instant Checkoutの失敗は、AIプラットフォーム上での決済が時期尚早であることを示しました。現時点では、AIエージェントを「発見と相談の場」として活用し、購買は自社サイトで完了させるハイブリッド戦略がコンバージョンを最大化する手法です。

まとめ

Walmartが構築したSuper Agentアーキテクチャは、エージェンティックコマースの「実装フェーズ」がどう進むかを示す具体例です。Instant Checkoutの失敗を経てSparkyの自社展開に舵を切り、MCPで200のボットを4つに統合し、オープンプロトコルで外部LLMにも展開する。この一連の動きは試行錯誤の産物であり、だからこそリアリティがあります。

次の注目点は、Marty（サプライヤー向け）とAssociate Agent（従業員向け）の本格稼働です。4つのSuper Agentが同じデータプレーンで動き始めたとき、Walmartのオペレーション全体がどう変わるか。その答えが出るのは2026年後半になるでしょう。