Algolia

Algolia jest API-first platformą search i retrieval. Klasyczny keyword engine nadal stanowi wartościowy rdzeń, natomiast warstwa AI obejmuje NeuralSearch, AI Ranking, personalizację, rekomendacje, Agent Studio i świeżo uruchomiony produkcyjny MCP dla agentic commerce. Produkt łączy bardzo dojrzałe API/A-B z nowoczesną orkiestracją agentów, ale zaawansowane AI jest plan-gated, Agent Studio ma elementy beta, a jego guardrails domyślnie zawodzą otwarcie.

Algolia została założona we Francji w 2012 r. przez Nicolasa Dessaigne’a i Juliena Lemoine’a. Zaczynała od offline mobile search, później stała się globalnym search-as-a-service. Przejęcie Search.io w 2022 r. przyspieszyło vector search, a NeuralSearch wystartował w 2023 r. NeuralSearch launch

Agent Studio uruchomiono w 2025 r., a 15 września 2026 r. Algolia ogłosiła produkcyjny MCP dla agentic commerce, kierowany do ChatGPT, Claude, Gemini i custom agents. Agent Studio · MCP launch

NeuralSearch łączy keyword score z vector/semantic score przez NeuralScore. Uczy się również z click/conversion events. Użytkownik może ustawić balans semantic/keyword, filters i A/B test różnych konfiguracji. Dokładnego powodu jednej pozycji nie zawsze można wyjaśnić ze względu na liczbę kryteriów. NeuralSearch · Ranking

AI Ranking re-rankuje wynik według interakcji, trendów i opcjonalnie revenue. Personalizacja wymaga userToken i eventów; producent zaleca simulation, checklist i A/B przed wdrożeniem. AI Ranking · Personalization rollout

Agent Studio buduje onsite agents na indeksach, rules i live search. Obsługuje guided selling, product Q&A, comparisons, fitment, shipping/returns/warranty, pamięć użytkownika oraz BYO LLM. Narzędzia client-side mogą odczytać koszyk i profil lub wykonać add-to-cart, coupon, update profilu i formularz w kontekście zalogowanego użytkownika. Agent Studio · Client-side tools

• szybkie keyword + semantic search oraz browse;
• AI ranking, synonyms, categorization i personalization;
• recommendations i agentic guided selling;
• product comparisons, fit/compatibility i PDP questions;
• polityki dostawy/zwrotów/warranty z zatwierdzonych indeksów;
• add-to-cart, coupon, profile update przez kontrolowane tools;
• A/B/n search/recommendation/agent retrieval;
• udostępnianie live catalog, pricing, inventory i rules zewnętrznym agentom.

Zakres kontekstu i danych zależy od funkcji, planu oraz połączonych systemów.

Algolia MCP Server został ogłoszony jako production-grade 15 września 2026 r. Ma wystawiać live catalog, pricing, inventory, merchandising rules i business context do ChatGPT, Claude, Gemini oraz custom AI apps. Ponieważ ogłoszenie jest świeże, stabilność, katalog tools, auth i write/update semantics wymagają praktycznego testu mimo deklaracji produkcyjności.

Osobny darmowy DocSearch MCP pod https://mcp.algolia.com/1/docsearch/mcp wprost wymienia Codex i zwraca grounded docs z citations. To potwierdza zgodność protokołu z Codex, ale nie automatycznie ten sam auth/zakres dla commerce MCP. Hermes nie jest wymieniony. DocSearch MCP

Agent Studio ma server-side Algolia tools i client-side functions. Client-side tool działa w security context aplikacji; Algolia nie przechowuje credentials, a klient musi egzekwować auth, validation, sanitation i permissions. Tools są beta. MCP/Agent Studio zapewniają dużą otwartość, lecz external actions pozostają odpowiedzialnością implementatora.

Agent Studio ma playground/sandbox, tool permissions, approved domains, global/per-IP rate limits, max_tokens, max_iterations, conversation depth, cache, usage/token/tool analytics i configurable input/output guardrails. Approved domains są opt-in: pusta lista akceptuje wszystkie origins. Safety controls · Approved domains

Guardrails są beta i używają osobnego classifier LLM. Domyślnie required=false, a przy timeout/API/rate-limit agent przepuszcza treść. Przy streamingu custom client musi usunąć już pokazany zablokowany tekst; Vercel AI SDK robi to automatycznie. Guardrails

A/B Testing obsługuje A/B/n, CTR, conversion, add-to-cart, purchase, revenue, no-results i average click position, confidence intervals i adoption zwycięskiej konfiguracji. Poprawność wymaga eventów, userToken, bot control i braku nadpisywania parametrów testu. A/B testing · Checklist

Free obejmuje 10 tys. search requests i 50 tys. records. Grow startuje od 0,50 USD za dodatkowe 1000 requests, Grow Plus od 1,75 USD, oba mają 100 tys. records i dalsze usage charges. NeuralSearch, pełny AI suite, SSO i 99,99% SLA są w rocznym, quote-only Elevate. Cennik

G2 pokazuje ok. 4,5/5 z ponad 440 opinii. Użytkownicy chwalą szybkość, typo tolerance, API, integrację i UX; najczęstsze minusy to koszt rosnący z ruchem, skok planów, krzywa nauki i ograniczenia konfiguracji. Opinie są głównie o search, nie o Agent Studio/MCP. G2

Najważniejsze ograniczenia:

• platforma zachowuje dużą wartość jako keyword search bez AI;
• NeuralSearch i pełne AI są w droższych planach;
• jakość polskiego i commerce agents pozostaje N/D;
• exact explanation pojedynczego neural rank nie zawsze jest możliwe;
• Agent Studio tools/guardrails są beta i wymagają security po stronie klienta;
• guardrails fail-open, approved domains są opt-in, stream cleanup zależy od klienta;
• production MCP jest bardzo świeży i bez długiej historii operacyjnej;
• usage pricing może gwałtownie rosnąć z ruchem i AI;
• opinie o rdzeniu search nie potwierdzają jakości agentów.

Brak wspólnego testu jakości pozostaje podstawowym ograniczeniem oceny.

Profil zweryfikowano 2026-09-20. Linki źródłowe znajdują się bezpośrednio przy wspieranych twierdzeniach.