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 implementa WebMCP, un estándar web emergente pensado exactamente para esto. Cuando un agente está activo en tu navegador, nuestras páginas registran un conjunto de herramientas que puede llamar directamente. Cada una tiene un nombre, una entrada tipada y una descripción escrita para una máquina que nunca ha visto nuestra interfaz.

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.

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.

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.

Las herramientas se ejecutan dentro de tu pestaña del navegador, en la página en la que ya has iniciado sesión. Cuando una de ellas llama a nuestra API, tu navegador adjunta la misma cookie de sesión segura que siempre usa. No hay token que emitir, ni pantalla de OAuth, ni clave de API pegada en un chat, y ninguna credencial que el agente pueda leer, almacenar o filtrar. Solo puede actuar como la persona que ya ha iniciado sesión en esa pestaña, y solo 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 por su cuenta. Una página web no puede leer tu disco — los navegadores lo prohíben, y eso es una ventaja. Un agente solo puede subir aquello a lo que tú deliberadamente le hayas dado acceso, y solo usando un ticket que tú le hayas pedido crear.

• 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.

Ahora hay dos rutas, y están en fases muy distintas.

Conectar un asistente de escritorio funciona hoy, sin activar nada — mira Conectar Claude o ChatGPT al final. Requiere un plan Basic o Pro.

La ruta dentro del navegador sigue siendo opcional. WebMCP es un estándar genuinamente nuevo: Chrome lo incluye desde la versión 149 pero no lo ha activado por defecto. En Chrome 149 o posterior, abre chrome://flags/#enable-webmcp-testing, ponlo en Enabled y pulsa Relaunch.

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.

Ahora sí — esta es la parte del artículo que ha cambiado.

Cuando publicamos esto, la respuesta honesta era todavía no. Los asistentes de escritorio hablan MCP pero no WebMCP: hablan con servidores y no tienen una página delante. Dijimos que la ruta que queríamos de verdad era un servidor MCP alojado, para que un agente sin navegador pudiera actuar en tu cuenta mediante una autorización OAuth revisable y revocable.

Ya está construido. https://mcp.sustain-app.com/mcp es un servidor MCP real, y Claude, ChatGPT o cualquier cliente MCP puede conectarse directamente — sin extensión, sin flag, sin puente. Inicias sesión en la pantalla de consentimiento de Sustain, marcas lo que el agente puede hacer y lo desconectas cuando quieras.

Seguimos sin recomendarte una extensión “puente” de la comunidad. Suelen cargarse sin empaquetar — sin firma, fuera de la revisión de la Chrome Web Store — y pueden ver y actuar en todas las pestañas donde has iniciado sesión. Ahora ya no hace falta.

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.

Esta es la ruta que no necesita flags ni extensiones. Forma parte de los planes Basic y Pro.

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: el agente crea el álbum, te da un enlace de subida para el móvil, espera las fotos y te ofrece ejecutar la construcción con IA — diciéndote antes que cuesta créditos.

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.

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.