Seorang agen AI Claude yang mampu mengisi setiap kolom teks pada formulir web terhenti seketika pada langkah terakhir saat mencoba melampirkan tiga gambar, mengungkap keterbatasan yang tidak terdokumentasi dalam penanganan unggah file pada Desktop App. Kegagalan ini krusial karena mengubah otomatisasi end-to-end yang tampak lengkap menjadi penyerahan manual, memaksa pengembang untuk memikirkan kembali cara mereka membangun alur kerja berbasis AI.

Mengapa masalah ini muncul sekarang

Agen Claude berjalan di tiga lingkungan: command-line interface (CLI), ekstensi Visual Studio Code, atau Desktop App mandiri. Di CLI, agen membaca file dari direktori yang ditambahkan ke sesi dan mengunggahnya tanpa masalah. Desktop App tidak memiliki perilaku yang sama. Bahkan ketika agen menulis file ke folder temporernya sendiri, aplikasi menolak unggahan tersebut, dengan alasan adanya definisi internal untuk file “shared” yang tidak pernah muncul dalam dokumentasi publik.

Ketidaksesuaian ini muncul ketika seorang pengguna membangun otomatisasi yang mengisi formulir, mengklik “save draft,” lalu mencoba melampirkan tiga gambar. Kolom teks terisi dengan sempurna, tetapi langkah pengunggahan selalu menghasilkan error.

Apa yang telah dicoba oleh pengembang

  • Menambahkan file ke folder sesi yang dibuat oleh aplikasi.
  • Menggunakan alat directory-connect yang memungkinkan agen melihat folder host.
  • Melampirkan gambar secara langsung di jendela chat.
  • Membuat folder unggahan manual dan mengarahkan formulir ke folder tersebut.

Semua pendekatan ini menghasilkan error penolakan yang sama. Jendela browser yang menampilkan dialog pemilih file (file-picker) berjalan dalam mode baca-saja (read-only) untuk otomatisasi desktop. Agen dapat melihat dialog tersebut tetapi tidak dapat mengkliknya atau mengetikkan jalur (path), sehingga trik otomatisasi UI gagal.

Sebuah “backdoor” yang rapuh

Satu-satunya metode yang berhasil menggunakan clipboard Windows:

  1. Skrip PowerShell menyalin file target ke clipboard.
  2. Agen mengirimkan tombol Ctrl + V.
  3. Browser menerima peristiwa tempel (paste event) dan mengunggah file tersebut.

Hack ini berhasil, tetapi menghapus isi clipboard pengguna, terbatas pada Windows, dan bisa rusak dengan pembaruan apa pun pada Desktop App. Ini bukan solusi yang berkelanjutan untuk alur kerja produksi (production pipelines).

Apa arti sebenarnya dari keterbatasan ini

Masalah intinya bukanlah bug perangkat lunak; ini adalah aspek yang tidak terdokumentasi yang memperlakukan izin file sebagai properti dari aplikasi host, bukan sekadar flag sistem file. Di CLI, agen mewarisi akses baca proses tersebut, sehingga file apa pun yang dapat dilihat sesi dapat diunggah. Di Desktop App, runtime mengisolasi tampilan sistem file agen, hanya mengizinkan file yang memenuhi kriteria “shared” yang tersembunyi.

Karena pembatasan ini tertanam dalam arsitektur Desktop App, solusi sementara yang mengandalkan manipulasi UI atau folder sementara tidak berhasil.

Jalur maju yang andal

Jika alur kerja memerlukan unggahan file, pengembang memiliki tiga opsi yang dapat diandalkan:

  • Jalankan agen dari CLI. Lingkungan ini menghormati izin sistem file sesi dan mengunggah tanpa langkah tambahan.
  • Gunakan ekstensi VS Code. Ekstensi ini meniru model izin CLI, memungkinkan agen membaca dan mengunggah file yang dapat dilihat oleh editor.
  • Serahkan langkah pengunggahan kepada manusia. Tindakan manual cepat selama dua menit lebih baik daripada menghabiskan waktu berjam-jam untuk merekayasa solusi sementara yang rapuh.

Memilih dua opsi pertama berarti menjalankan otomatisasi di luar Desktop App.

Intinya

Kemampuan unggah file pada agen AI Claude tidak bersifat universal di semua runtime; hal ini bergantung pada bagaimana agen tersebut diluncurkan. Untuk otomatisasi yang andal, anggap CLI dan ekstensi VS Code sebagai satu-satunya lingkungan yang secara andal mematuhi izin sistem file. Saat menggunakan Desktop App, rencanakan penyerahan manual atau terima hack clipboard yang rapuh. Mengabaikan perbedaan ini dapat mengubah skrip end-to-end yang lancar menjadi latihan debugging yang mahal.

Sumber: https://dev.to/mxhlix/my-agent-filled-in-every-field-on-the-form-it-could-not-attach-the-three-images-23kh