一、DSers 市场地位 / DSers Market Position
DSers 是 AliExpress 官方 dropshipping 合作伙伴（Official Partner），2021 年 Oberlo 关停后成为行业标准工具。
DSers is the official AliExpress dropshipping partner. After Oberlo shut down in 2021, it became the industry standard.
DSers 已经解决了 dropshipping 中最繁重的几个环节：
| 痛点 / Pain Point | DSers 解决方案 / Solution |
|---|---|
| 一单一单去速卖通下单 / Placing orders one by one | 批量下单，几百单几秒钟 / Bulk orders in seconds |
| 手动同步物流单号 / Manual tracking sync | 自动同步 / Auto-sync with supplier |
| 供应商断货 / Supplier out of stock | Supplier Optimizer 一键替换 / One-click swap |
| 多店铺来回切换 / Switching between stores | 统一后台 / Unified dashboard |
二、未解决的痛点 / The Remaining Gap
DSers 在下单、物流、供应商管理方面做得很好，但选品-编辑-推送这一环节仍然是手动操作：
DSers handles orders, logistics, and suppliers well. But product curation — import, edit, push — is still fully manual:
找到商品 → 点导入 → 改标题（去中文、去水印文字）→ 改描述 → 调价格（乘倍率/按规则）→ 删变体 → 选图片 → 推送到 Shopify → 设置上架 → 等结果
Find product → Import → Edit title → Edit description → Adjust price → Remove variants → Pick images → Push to Shopify → Set visibility → Wait
当前流程 / Current
每个商品 10-15 次点击
每天上新 20 个 = 200-300 次点击
判断性操作无法批量化
CSV 批量导入解决"量"，不解决"判断"
使用 MCP 后 / With MCP
每个商品 1 句话
每天上新 20 个 = 20 句话
AI 理解自然语言指令并自动执行
标题、价格、图片、上架全部可配置
三、解决方案 / Solution
将 DSers 的商品导入全链路封装为 7 个 MCP（Model Context Protocol）工具，AI agent 通过自然语言指令调用，替代手动点击：
DSers' entire product import workflow wrapped into 7 MCP tools. AI agents call them via natural language, replacing manual clicks:
| MCP 工具 | 功能 / Function | 替代操作 / Replaces |
|---|---|---|
dsers.product.import | 解析商品链接（单条/批量），应用规则，生成预览 | 找商品 + 导入 + 编辑 |
dsers.product.preview | 推送前预览变更 | 检查编辑结果 |
dsers.store.push | 推送到店铺（单条/批量/多店铺） | 推送 + 发布设置 |
dsers.rules.validate | 校验定价/内容规则 | 价格规则设置 |
dsers.store.discover | 查询店铺（含运费模板）和可用规则 | （新增能力） |
dsers.product.visibility | 上架/下架控制 | 可见性设置 |
dsers.job.status | 查询任务状态 | 等待推送结果 |
架构特点：内容编辑（prepare 阶段）与发布行为（confirm 阶段）解耦，规则在 prepare 时冻结为快照，避免 AI 混淆内容参数和发布参数。
Architecture: Content editing (prepare) is decoupled from publishing (confirm). Rules are frozen as snapshots at prepare time, preventing AI from conflating content parameters with publish parameters.
四、一句话 = 一个场景 / One Sentence = One Scenario
每个业务场景对应一句标准话术，AI 自动翻译为正确的工具调用：
Each business scenario maps to one standard prompt. AI translates it into the right tool calls:
| 场景 / Scenario | 话术示例 / Prompt |
|---|---|
| 快速铺货 Quick import |
"导入这个商品到我的店铺，价格乘 3，先不上架。" "Import this product to my store, 3x the price, don't publish yet." https://aliexpress.com/item/100500xxx.html |
| 精选上架 Curated listing |
"导入这个速卖通商品，只保留前 5 张图，标题翻译成英文，描述只留 specifications，直接上架。" "Import, keep first 5 images, translate title to English, specs only, publish directly." |
| 高利润定价 High-margin |
"导入这个商品，价格乘 4，用店铺定价规则，自动同步库存。" "Import, 4x price, use store pricing rule, auto-sync inventory." |
| 测品 Test product |
"导入到后台，不发布、不上架，我先看看数据。" "Import to backend only, don't publish, I want to check data first." |
| 批量铺货 Bulk import |
"把这 5 个链接全部导入，价格统一乘 2.5，全部先放后台。" "Import all 5 links, uniform 2.5x pricing, all to backend." |
| 多店铺同步 Multi-store |
"导入这个商品，同时推送到我的 Shopify 和 Wix 店铺。" "Import and push to both my Shopify and Wix stores." |
| 混合来源批量 Mixed source |
"导入这些链接（速卖通 + 1688 混合），把能导入的全部推送。" "Import these links (AliExpress + 1688 mixed), push all valid ones." |
| 指定运费模板 Shipping profile |
"推送这个商品，使用 'General profile' 而不是默认的运费模板。" "Push using 'General profile' instead of the default shipping profile." |
| 推送前检查 Pre-push preview |
"预览推送后的效果，价格和图片变了什么？" "Preview post-push result — what changed?" |
| 调整可见性 Visibility |
"把这个商品从后台改成上架到在线商店。" "Change from backend-only to published." |
| 失败重试 Retry |
"上次推送失败了，再推送一次到同一个店铺。" "The last push failed, try pushing again to the same store." |
五、技术架构 / Technical Architecture
| 项目 / Item | 说明 / Description |
|---|---|
| 协议 / Protocol | MCP (Model Context Protocol) — AI agent 标准工具协议 |
| 语言 / Language | TypeScript (Node.js 18+) |
| 依赖 / Dependencies | @modelcontextprotocol/sdk, zod, @smithery/sdk |
| 商品来源 / Source | AliExpress, Alibaba, 1688 |
| 推送目标 / Target | Shopify, Wix, WooCommerce（通过 DSers / via DSers） |
| 发布平台 / Registry | Smithery — 在线连接或从 GitHub 本地安装 / Online connect or local install from GitHub |
| 架构模式 / Pattern | 公开工作流契约 + 私有平台适配器 / Public workflow contracts + private platform adapters |
| 状态管理 / State | Serverless job recovery — 状态编码进 job_id，跨实例恢复 / State encoded in job_id, cross-instance recovery |
| 托管 / Hosting | Vercel (Streamable HTTP) + Smithery registry |
| 安全设计 / Security | 不暴露平台 API 路径、认证方式、原始请求结构 / No exposed API paths, auth methods, or raw request structures |
工程亮点 / Engineering Highlights
| 特性 / Feature | 说明 / Description |
|---|---|
| Dot-Notation Naming | 全部工具和 Prompt 采用 dsers.{domain}.{action} 分层命名（如 dsers.product.import、dsers.store.push），AI agent 可自动发现层级关系All tools and prompts use hierarchical dsers.{domain}.{action} naming (e.g. dsers.product.import, dsers.store.push) so AI agents can navigate the tool tree |
| MCP Annotations | 7 个工具全部标注 readOnlyHint、destructiveHint、idempotentHint、openWorldHint，AI agent 可据此判断工具安全性All 7 tools annotated with safety hints so AI agents can assess risk before calling |
| AI-Friendly Errors | 所有错误返回结构化 {Error, Cause, Action} 三段式，覆盖 15+ 错误场景All errors return structured {Error, Cause, Action} covering 15+ error patterns |
| Prompt Templates | 3 个预设工作流模板：dsers.workflow.quick-import（快速导入）/ dsers.workflow.bulk-import（批量加价）/ dsers.workflow.multi-push（多店铺推送），MCP 客户端可直接展示3 built-in prompts: dsers.workflow.quick-import / dsers.workflow.bulk-import / dsers.workflow.multi-push for instant MCP client display |
| 大数字精度保护 | DSers 19 位 ID 全链路 string 化处理，避免 JavaScript Number 精度丢失 19-digit DSers IDs handled as strings throughout to prevent JavaScript precision loss |
| 标题去重 | 规则引擎自动检测已有前缀/后缀，防止重复应用 Rule engine auto-detects existing prefix/suffix to prevent duplication on re-import |
| 全球 ID 解析 | AliExpress .us URL 自动提取 afTraceInfo 全球产品 IDAliExpress .us URLs auto-resolve global product ID from afTraceInfo |
六、开发背景 / Background
平台没有公开的 API 文档。所有接口都是我从网页里抓包分析出来的——打开浏览器开发者工具，一个请求一个请求地看，猜参数、试字段、反复验证。
The platform has no public API documentation. Every interface was reverse-engineered from the web page — browser DevTools open, inspecting requests one by one, guessing parameters, testing fields, verifying repeatedly.
拿到这些接口之后，我试过直接封装给 AI 用。结果 AI 推送商品到 Shopify 的时候连续失败了十几次。每次都报错，但每次错误原因都不一样。AI 每次都很认真地构造请求，每次都"看起来"是对的。但就是过不了。
After capturing these interfaces, I tried wrapping them directly for AI. The AI failed to push products to Shopify over a dozen times in a row — different error each time. AI carefully constructed requests every time, everything "looked" right, but it never went through.
最后发现：接口之间有隐含的前置依赖，抓包里看不出来，参数格式也和表面看到的不一致。AI 不可能猜到这些。
Turned out there were hidden dependencies between interfaces — invisible in network captures, parameter formats inconsistent with what they appeared to be. AI had no way to guess these.
AI 不笨，它只是被丢到了一个没铺好路的环境里。所以我做了这个 MCP：不是把抓来的接口直接扔给 AI，而是把坑都填好，把路铺平，让 AI 只需要走完工作流就行。
AI isn't stupid — it was just dropped into an environment with no paved road. So I built this MCP: instead of throwing captured interfaces at AI, I filled every pothole and paved the path, so AI just needs to follow the workflow.
七、项目状态 / Project Status
Released — Open Source
完整导入-编辑-推送链路已跑通。7 个工具 + 3 个 prompt 模板，全部带 MCP annotations，支持批量导入、多店铺推送（Shopify + Wix）、多来源混合、Shopify 运费模板自动发现、AI 友好错误提示。服务托管在 Vercel，已发布到 Smithery（Free 计划 25K RPCs/月），也可从 GitHub 克隆本地运行。同时提供 Python 版本（维护模式）。
Full import-edit-push pipeline verified. 7 tools + 3 prompt templates, all with MCP annotations. Supports batch import, multi-store push (Shopify + Wix), mixed sources, Shopify shipping profile auto-discovery, and AI-friendly structured error messages. Hosted on Vercel, published on Smithery (Free plan 25K RPCs/month), or clone from GitHub to run locally. A Python version is also available (maintenance mode).