Il tuo agente AI ora può creare un album insieme a te

Un agente da browser che naviga in un sito normale sta facendo computer vision su un'interfaccia pensata per gli esseri umani. Legge uno screenshot, indovina quali pixel corrispondono al pulsante Crea album, clicca, aspetta, fa un altro screenshot e cerca di capire se ha funzionato.

Ognuno di questi passaggi può fallire in un modo che l'agente non riesce a vedere. Clicca su un pulsante disabilitato e interpreta la pagina invariata come un successo. Non nota un errore di validazione reso in un colore che non riesce a interpretare. Un menu a tendina si comporta diversamente su una finestra stretta e l'intero piano deraglia. Peggio ancora, non ha idea di cosa costi un'azione — niente sullo schermo gli dice che quel particolare pulsante consuma i tuoi crediti.

Nulla di tutto questo dipende dal fatto che l'agente sia scadente nel suo lavoro. Gli viene chiesto di ricostruire un'intenzione a partire da un'immagine, quando il sito avrebbe potuto semplicemente dirglielo.

Sustain implementa WebMCP, uno standard web emergente pensato esattamente per questo. Quando un agente è attivo nel tuo browser, le nostre pagine registrano un insieme di strumenti che può chiamare direttamente. Ognuno ha un nome, un input tipizzato e una descrizione scritta per una macchina che non ha mai visto la nostra interfaccia.

Oggi sono disponibili dieci strumenti, che rispecchiano il percorso reale di creazione di un album piuttosto che i nostri endpoint REST:

• ask_site — risponde alle domande basandosi sui contenuti pubblicati da noi (prezzi, stampa, privacy, le guide che stai leggendo ora) e restituisce le pagine di origine, così l'agente può citare invece di inventare.

• create_album e album_status — avviano un album e ne verificano lo stato.

• request_photos e import_google_photos — due modi per importare le foto, nessuno dei quali fa passare anche una sola immagine attraverso la conversazione. Ne parliamo più avanti.

• quick_place e build_album — dispongono le foto gratuitamente, oppure avviano la creazione completa con l'IA.

• list_albums, get_credits, start_checkout — trovano i tuoi album, leggono il tuo saldo, acquistano altri crediti.

Hai effettuato l'accesso a Sustain con un agente attivo nel tuo browser. Dici: «Fammi un album del mio viaggio in Italia.» Quello che succede dopo non è una sequenza di clic:

Per tutto il tempo, entrambi state guardando la stessa pagina. L'agente non sta operando su una copia nascosta del sito da qualche parte — sta lavorando nella tua scheda, e ogni risultato compare davanti a te.

Questa è la parte più facile da sbagliare, e infatti l'abbiamo sbagliata anche noi all'inizio. La soluzione ovvia è uno strumento che prende le foto come argomento — l'agente ci consegna le immagini, noi le archiviamo. Funziona per una singola foto piccola e crolla per tutto il resto, perché una chiamata a uno strumento è testo: l'immagine deve essere codificata nella conversazione, e una singola foto a piena risoluzione può superare da sola un'intera finestra di contesto dell'IA. Suddividerla in più chiamate lo rende peggiore, perché ogni chiamata resta nella trascrizione e viene rinviata a ogni turno successivo.

Perciò gli strumenti non spostano affatto le foto. request_photos emette un ticket di caricamento — una credenziale di breve durata, valida per un solo scopo e un solo album — e chiunque abbia effettivamente le foto ce le invia direttamente:

• Le foto sono sul telefono. Il ticket è accompagnato da un link. Lo apri, scegli le foto, fatto. Anche centinaia, senza che nessuna passi per l'IA.

• Hai dato all'agente accesso ai tuoi file. Allora le carica lui stesso, direttamente, dal disco a Sustain. L'agente non legge mai le immagini all'interno della conversazione — usa solo il ticket.

• La tua libreria è su Google Photos. import_google_photos avvia una sessione di selezione, tu scegli nella finestra di Google stessa, e Sustain le scarica lato server — fino a mille foto, di nuovo senza che nulla passi per l'agente.

Il ticket scade dopo 24 ore, è limitato a un solo album e rispetta comunque i limiti di foto e spazio del tuo piano. È lo stesso meccanismo alla base del caricamento tramite codice QR che offriamo già, ed è un buon segno: la soluzione giusta per un agente si è rivelata essere quella che avevamo già costruito per gli esseri umani.

La via di Google Photos è quella in cui l'agente partecipa davvero alla selezione: dopo che hai scelto, può scartare i video e saltare gli screenshot prima di importare. Facciamo attenzione a non spingere troppo oltre questa affermazione — Google ci fornisce un nome file e un tipo di file, ma nulla su cosa ci sia dentro un'immagine, quindi un agente che ti dicesse di aver rimosso le foto sfocate se lo starebbe inventando.

Questa è la parte su cui le persone chiedono per prime, e la risposta è migliore del solito per le integrazioni con agenti.

Gli strumenti vengono eseguiti all'interno della tua scheda del browser, nella pagina in cui hai già effettuato l'accesso. Quando uno di essi chiama la nostra API, il browser allega lo stesso cookie di sessione sicuro che usa sempre. Non c'è nessun token da emettere, nessuna schermata OAuth, nessuna chiave API incollata in una chat, e nessuna credenziale che l'agente possa leggere, memorizzare o divulgare. Può agire solo come la persona già connessa in quella scheda, e solo per la durata di quella sessione.

Questo stabilisce anche il limite massimo di ciò che un agente malfunzionante potrebbe fare: esattamente ciò che potresti fare tu stesso in quella scheda, niente di più. Il server verifica ogni permesso in modo indipendente, esattamente come quando clicchi tu.

Alcune cose non dovrebbero accadere solo perché un software ha deciso che dovessero accadere. Le abbiamo escluse deliberatamente:

• Non può effettuare un ordine di stampa. Questo comporta una spesa reale e richiede un indirizzo di spedizione. Lo fai tu stesso.

• Non può accettare un pagamento. start_checkout crea una sessione di pagamento e ti fornisce il link — paghi sulla pagina del fornitore stesso. Gli strumenti non toccano mai i dati della carta.

• Non può servirsi liberamente dei tuoi file. Una pagina web non può leggere il tuo disco — i browser lo impediscono, ed è una funzionalità voluta. Un agente può caricare solo ciò a cui gli hai deliberatamente concesso accesso, e solo usando un ticket che gli hai chiesto di creare.

• Non può annullare il tuo abbonamento né eliminare un album.

Una cosa che può fare è spendere crediti: build_album avvia la costruzione a pagamento con l'IA in un'unica chiamata, e il costo dipende da quante foto sopravvivono alla deduplicazione. Trattiamo i crediti come qualsiasi API a consumo tratta i token — lo strumento dichiara apertamente che li spende, e se il tuo saldo è insufficiente restituisce l'esatto importo mancante, così l'agente può dirtelo e proporti di ricaricare invece di fallire in silenzio.

Ora ci sono due strade, e sono a stadi molto diversi.

Collegare un assistente desktop funziona oggi, senza attivare nulla — vedi Collegare Claude o ChatGPT alla fine. Fa parte dei piani Basic e Pro.

La strada dentro il browser è ancora opt-in. WebMCP è uno standard davvero nuovo: Chrome lo include dalla versione 149 ma non lo ha attivato di default. Su Chrome 149 o successivo apri chrome://flags/#enable-webmcp-testing, imposta Enabled e premi Relaunch.

Google pubblica un'estensione Model Context Tool Inspector proprio per questo — si installa dal Chrome Web Store come qualsiasi altra, con codice sorgente pubblico. È la strada più breve dalla curiosità a un album finito, ed è oggi la via che ti consiglieremmo davvero.

Non ancora — e preferiamo dirlo apertamente piuttosto che spingerti verso una strada che non riteniamo sicura.

Gli assistenti desktop parlano MCP, ma non WebMCP. Comunicano con i server tramite rete e non hanno alcuna pagina davanti a sé, quindi gli strumenti in-browser di un sito web sono per loro invisibili. Anche le estensioni del browser create dagli stessi fornitori degli assistenti non li leggono ancora — esiste una richiesta di funzionalità aperta affinché una di esse interroghi navigator.modelContext, ma è una proposta, non una funzionalità già rilasciata.

Esistono estensioni "ponte" create dalla comunità che trasmettono gli strumenti di una scheda a un server locale raggiungibile dal tuo client desktop. Non ti guideremo nell'installarne una. In genere vengono caricate non compresse — non firmate, fuori dal controllo del Chrome Web Store — e possono vedere e agire su ogni scheda in cui hai effettuato l'accesso. È una cosa ragionevole da provare per uno sviluppatore consapevole, ma sarebbe sbagliato da parte nostra consigliarla a chi vuole semplicemente fare un album fotografico.

La strada che davvero vorremmo percorrere è quella che non richiede alcuna estensione: un server MCP ospitato per Sustain, così un agente senza browser potrebbe agire sul tuo account tramite una vera concessione OAuth che puoi rivedere e revocare. È un progetto concreto ed è nella nostra lista.

Una volta installato l'ispettore e con Sustain aperto davanti a esso, ecco il prompt da cui partire. Incollalo e osserva le chiamate susseguirsi.

Si ferma deliberatamente prima di spendere qualsiasi cosa: chiede una disposizione gratuita e una descrizione di cosa farebbe una costruzione a pagamento, così il tuo primo tentativo non può sorprenderti con un addebito di crediti.

Ora sì — questa è la parte dell’articolo che è cambiata.

Quando lo abbiamo pubblicato, la risposta onesta era non ancora. Gli assistenti desktop parlano MCP ma non WebMCP: parlano con i server e non hanno una pagina davanti. Dicemmo che la strada che volevamo davvero era un server MCP ospitato, così che un agente senza browser potesse agire sul tuo account tramite un’autorizzazione OAuth verificabile e revocabile.

È stato costruito. https://mcp.sustain-app.com/mcp è un vero server MCP, e Claude, ChatGPT o qualsiasi altro client MCP può collegarsi direttamente — senza estensioni, senza flag, senza ponti. Accedi dalla schermata di consenso di Sustain, spunti cosa può fare l’agente e lo disconnetti quando vuoi.

Continuiamo a non indirizzarti verso un’estensione “ponte” della community. Di solito si caricano non pacchettizzate — non firmate, fuori dalla revisione del Chrome Web Store — e possono vedere e agire su ogni scheda in cui sei connesso. Ora non serve più.

This is the route that needs no flags and no extensions. It is part of the Basic and Pro plans.

In Claude, open Settings → Connectors → Add custom connector and paste https://mcp.sustain-app.com/mcp. Claude will find the rest on its own — it reads what the server publishes and sets up the sign-in for you.

You will land on a Sustain page asking what this app may do, on your account. Four boxes: see your albums, create and edit albums, spend your credits on AI runs, and see your credit balance and plans. Tick fewer than it asked for if you want to — the agent gets what you grant, not what it requested. An agent without spend your credits cannot even see the tool that starts a paid run; it is not offered and refused, it is simply not there.

Then ask for what you want. “Make me an album from my Italy trip” is enough: the agent creates the album, hands you an upload link for your phone, waits for the photos, and offers to run the AI build — telling you it costs credits before it does.

You can take it back at any time from Settings → Connected apps. Disconnecting takes effect on the agent’s very next call, not whenever its access happens to expire, because we issue those tokens ourselves rather than handing out something we cannot revoke.

A granted permission is not a blank cheque, and the failure we actually expect is not an attacker — it is an agent looping on a call it misread as failed.

So there are limits that hold whatever the agent was granted: a cap on how many calls a minute a connection may make, and a cap on how many paid runs it may start in a day. Hit either and the agent is told plainly, and you can still do the same thing yourself on the website.

Every call an agent makes is recorded too — which tool, whether it worked, and what it was about. Not what you typed: the arguments are fingerprinted rather than stored, because the question that table answers is what has this agent been doing, not what did you say to it.