Tu agente de IA ya puede crear un álbum contigo

Un agente de navegador que maneja un sitio web normal está haciendo visión por computadora sobre una interfaz diseñada para humanos. Lee una captura de pantalla, adivina qué píxeles son el botón Crear álbum, hace clic, espera, vuelve a hacer una captura, e intenta averiguar si funcionó.

Cada uno de esos pasos puede fallar de una forma que el agente no puede ver. Hace clic en un botón deshabilitado y lee la página sin cambios como un éxito. Pasa por alto un error de validación mostrado en un color que no puede interpretar. Un menú desplegable se representa de forma distinta en una ventana estrecha y todo el plan se descarrila. Peor aún, no tiene ni idea de lo que cuesta una acción — nada en pantalla le indica que ese botón concreto gasta tus créditos.

Nada de eso significa que el agente sea malo en su trabajo. Se le está pidiendo que haga ingeniería inversa de una intención a partir de una imagen, cuando el sitio simplemente podría habérselo dicho.

Sustain publica un conjunto de herramientas: acciones con nombre y tipos, con descripciones escritas para una máquina que nunca ha visto nuestra interfaz. Un agente las llama en lugar de buscar botones.

Se alcanzan de dos formas. mcp.sustain-app.com es un servidor MCP alojado — Claude en el escritorio, ChatGPT, Cursor, cualquier cosa que hable MCP se conecta por red y trabaja en tu cuenta mediante una autorización que tú apruebas. Y cuando un agente se ejecuta dentro de tu navegador, las mismas herramientas se publican en la página mediante WebMCP, un estándar web emergente. Casi todo este artículo trata del primero; la parte del navegador está al final.

Hoy se ofrecen diez herramientas, que se corresponden con el recorrido real de crear un álbum y no con nuestros endpoints REST:

• ask_site — responde preguntas a partir de nuestro propio contenido publicado (precios, impresión, privacidad, las guías que estás leyendo ahora) y devuelve las páginas de origen, de modo que el agente pueda citar en lugar de inventar.

• create_album y album_status — inician un álbum y comprueban cómo va.

• request_photos e import_google_photos — dos formas de incorporar fotos, ninguna de las cuales envía una sola imagen a través de la conversación. Más sobre esto a continuación.

• quick_place y build_album — organiza las fotos de forma gratuita, o ejecuta la construcción completa con IA.

• list_albums, get_credits, start_checkout — encuentra tus álbumes, consulta tu saldo, compra más créditos.

Esta es la ruta que no necesita indicadores ni extensiones, y funciona en cualquier plan, incluido el gratuito.

En Claude, abre Ajustes → Conectores → Añadir conector personalizado y pega https://mcp.sustain-app.com/mcp. Claude encontrará el resto por su cuenta.

Llegarás a una página de Sustain que pregunta qué puede hacer esta aplicación en tu cuenta. Cuatro casillas: ver tus álbumes, crear y editar álbumes, gastar tus créditos en procesos de IA y ver tu saldo y tus planes. Puedes marcar menos de lo que pidió — el agente recibe lo que concedes. Un agente sin gastar créditos ni siquiera ve la herramienta que inicia un proceso de pago.

Luego pide lo que quieras. «Hazme un álbum de mi viaje a Italia» basta. Si el agente puede leer tus archivos — Claude en el escritorio puede — crea el álbum y sube las fotos él mismo; solo dile qué carpeta. Si no puede, te da un enlace para abrir en el dispositivo donde están las fotos. En ambos casos te ofrece después ejecutar la construcción con IA, y te dice que cuesta créditos antes de hacerlo.

Puedes retirarlo cuando quieras desde Ajustes → Aplicaciones conectadas. La desconexión surte efecto en la siguiente llamada del agente, porque emitimos esos tokens nosotros en lugar de repartir algo que no podríamos revocar.

The connector hands an agent the tools. It does not tell it how to use them well, and uploading is where that gap shows. An upload ticket takes a whole batch of files per request and allows twenty requests an hour — plenty when the agent sends sixty photos at a time, useless when it sends one at a time, which is the shape an agent tends to improvise first. It works for nineteen photos and then stalls for an hour.

So we publish the arithmetic as a skill: a short recipe your agent installs once, which knows the batch sizes, the file types we accept, and what to do when something is refused. Install it whichever way matches the Claude you use.

• Claude Code, in a terminal. Paste the command below to add our catalogue, then run /plugin install sustain-skills@sustain.

• The Claude desktop app. Open Settings → Skills (under Customize), press Add, and upload the skill file. Skills there read SKILL.md from the top of the archive, which is exactly what that download is — the plugin archive the terminal uses is a different shape and will not work here.

Both need the same thing underneath: an agent that can actually reach your disk and run a command. A Claude that only runs in the cloud cannot open ~/Pictures/Italy no matter which skill it has, and for that one the upload page is the right route.

One failure is worth naming, because it looks like our fault and it is not. An agent that runs commands on your machine usually does so inside a sandbox with its own network allowlist, and until sustain-app.com is on that list the upload is refused before it ever leaves your laptop — a 403, with blocked-by-allowlist in the response if you look closely.

The tell is an odd asymmetry: the agent creates the album perfectly well and then cannot upload a single photo. That is the two paths differing. The tool calls travel from Claude to us and are never affected; the files leave from your own machine, through the sandbox. Only the second one is blocked. An agent describing this as a permissions problem with your folder has misread its own error.

Allow the domain wherever your agent runs:

• The Claude desktop app. Go to Settings → Capabilities → Domain allowlist. Under Additional allowed domains type sustain-app.com and press Add, then do the same for *.sustain-app.com. The allowlist ships set to Package managers only, which is exactly why we are blocked until you add us.

• Claude Code, in a terminal. It asks the first time a command wants a new host — choose “Yes, and don’t ask again” and it is remembered for good. To pre-allow it instead, add "allowedDomains": ["sustain-app.com", "*.sustain-app.com"] under sandbox.network in ~/.claude/settings.json, then start a fresh session; the sandbox reads its policy at startup.

If you edit settings rather than using the app’s screen, use your user settings, not a repository’s — a project-level .claude/settings.json is ignored for this particular setting, so a rule that works in the terminal can quietly do nothing in the app.

Un permiso concedido no es un cheque en blanco, y el fallo que de verdad esperamos no es un atacante: es un agente en bucle sobre una llamada que interpretó como fallida.

Por eso hay límites que se aplican pase lo que pase: un tope de llamadas por minuto y un tope de procesos de pago al día. Si se alcanza cualquiera de los dos, el agente recibe un aviso claro y tú puedes seguir haciendo lo mismo desde la web.

Cada llamada queda registrada: qué herramienta, si funcionó y sobre qué. No lo que escribiste: los argumentos se guardan como huella, no como texto.

Esta es la parte fácil de hacer mal, y la hicimos mal primero. El diseño obvio es una herramienta que recibe las fotos como argumento — el agente nos entrega las imágenes, nosotros las almacenamos. Funciona para una foto pequeña y se derrumba para todo lo demás, porque una llamada a una herramienta es texto: la imagen tiene que codificarse dentro de la conversación, y una sola foto en resolución completa puede superar toda una ventana de contexto de IA. Dividirla en más llamadas lo empeora, ya que cada llamada permanece en la transcripción y se reenvía en cada turno posterior.

Por eso las herramientas no mueven fotos en absoluto. request_photos emite un ticket de subida —una credencial de corta duración y propósito único para un álbum— y quien realmente tenga las fotos las envía directamente a nosotros:

• Las fotos están en tu teléfono. El ticket viene con un enlace. Lo abres, eliges tus fotos, listo. Cientos de ellas, ninguna pasa por la IA.

• Le has dado al agente acceso a tus archivos. Entonces las sube él mismo, directamente, desde el disco a Sustain. El agente nunca lee las imágenes dentro de la conversación — solo usa el ticket.

• Tu biblioteca está en Google Photos. import_google_photos inicia una sesión del selector, eliges en la propia ventana de Google, y Sustain las descarga del lado del servidor —hasta mil, de nuevo sin que nada pase por el agente.

El ticket caduca en 24 horas, está limitado a un álbum, y sigue respetando los límites de fotos y almacenamiento de tu plan. Es el mismo mecanismo detrás de la subida por código QR que ya ofrecemos, lo cual es buena señal: el diseño correcto para un agente resultó ser el que ya habíamos construido para humanos.

La vía de Google Photos es donde el agente realmente participa en la selección: una vez que has elegido, puede descartar los vídeos y omitir las capturas de pantalla antes de importar. Somos cuidadosos con hasta dónde llevar esa afirmación — Google nos da un nombre de archivo y un tipo de archivo y nada sobre lo que hay en una foto, así que un agente que te dijera que ha quitado las borrosas se lo estaría inventando.

Esta es la parte por la que la gente pregunta primero, y la respuesta es mejor de lo habitual en integraciones de agentes.

Un agente conectado nunca recibe una contraseña ni una clave de API. Obtiene una autorización OAuth que apruebas en una página de Sustain, con la lista exacta de lo que puede hacer, y el token detrás es un registro nuestro, no una clave firmada que no pudiéramos retirar. Desconéctalo en Ajustes → Aplicaciones conectadas y su siguiente llamada falla, no cuando el token caduque.

Un agente en tu navegador ni siquiera recibe eso. Se ejecuta en la página en la que ya iniciaste sesión, así que el navegador adjunta la misma cookie de sesión de siempre: nada que emitir, ninguna pantalla de consentimiento, nada que pegar. Solo puede actuar como la persona ya conectada en esa pestaña, y mientras dure esa sesión.

Eso también fija el techo de lo que un agente con mal comportamiento podría hacer: exactamente lo que tú mismo podrías hacer en esa pestaña, y nada más. El servidor comprueba cada permiso de forma independiente, igual que cuando haces clic tú.

Hay cosas que no deberían ocurrir porque un software haya decidido que sí. Las dejamos fuera a propósito:

• No puede hacer un pedido de impresión. Eso gasta dinero real y necesita una dirección de envío. Eso lo haces tú mismo.

• No puede procesar un pago. start_checkout crea una sesión de pago y te entrega el enlace — pagas en la propia página del proveedor. Las herramientas nunca tocan los datos de la tarjeta.

• No puede servirse de tus archivos. Un agente de navegador físicamente no puede: una página web no puede leer tu disco. Un agente de escritorio conectado puede leer lo que tú le hayas concedido en tu propio cliente de IA, un permiso que das allí y no algo que nosotros repartamos; por nuestra parte solo puede subir con un tique que pediste crear, al álbum que ese tique indica.

• No puede cancelar tu suscripción ni eliminar un álbum.

Una cosa que sí puede hacer es gastar créditos: build_album ejecuta la construcción de IA de pago en una sola llamada, y el coste depende de cuántas fotos sobreviven a la eliminación de duplicados. Tratamos los créditos como cualquier API de uso medido trata los tokens — la herramienta dice claramente que los gasta, y si tu saldo es insuficiente, responde con el déficit exacto para que el agente te lo diga y ofrezca recargar en lugar de fallar en silencio.

Todo lo anterior es el servidor alojado, y funciona hoy sin activar nada. El resto del artículo es la otra mitad: las mismas herramientas, publicadas en la página para un agente que se ejecuta dentro de tu navegador.

Está en una fase más temprana, y preferimos decir dónde está que insinuar más de lo cierto.

WebMCP es un estándar genuinamente nuevo: Chrome lo incluye desde la versión 149 pero no lo ha activado por defecto, así que esta vía es opcional.

Has iniciado sesión en Sustain con un agente ejecutándose en tu navegador. Dices: «Hazme un álbum de mi viaje a Italia». Lo que ocurre a continuación no es una secuencia de clics:

Durante todo el proceso, ambos estáis mirando la misma página. El agente no opera una copia oculta del sitio en algún lugar — trabaja en tu pestaña, y cada resultado aparece delante de ti.

Google publica una extensión Model Context Tool Inspector exactamente para esto —se instala desde la Chrome Web Store como cualquier otra, con código fuente público. Es el camino más corto desde la curiosidad hasta un álbum terminado, y hoy es la vía que realmente te recomendaríamos.

Una vez que el inspector esté instalado y Sustain abierto delante de él, este es el prompt con el que empezar. Pégalo y observa cómo pasan las llamadas.

Se detiene deliberadamente antes de gastar nada: pide un diseño gratuito y una descripción de lo que haría una construcción de pago, así que tu primera prueba no puede sorprenderte con un cargo de créditos.

Hay una versión de los próximos años en la que la gente deja de visitar sitios web y empieza a pedirle a un asistente que se ocupe de ellos. En ese mundo, un sitio que solo habla en píxeles es uno que un agente interpreta mal, abandona, o descarta en favor de otro que sí puede operar.

Estar listo para agentes no es una insignia. Es la diferencia entre un asistente que puede realmente hacerte un álbum de fotos y uno que hace clics al azar, gasta tus créditos por accidente, y te entrega algo que no pediste. Preferimos ser legibles para las máquinas que cada vez más hacen las preguntas.

Además nos mantiene honestos sobre nuestro propio producto. Escribir la descripción de una herramienta te obliga a decir exactamente qué hace una acción y qué cuesta, en una frase, sin ninguna interfaz tras la que esconderse. Varias de las nuestras quedaron más claras al escribirlas.