Construye agentes IA con Claude: guía hands-on de Code y MCP

Los agentes de IA no son ciencia ficción. Son sistemas que razonan, toman decisiones y ejecutan código de verdad. Si eres programador y quieres pasar de usar Claude como asistente a construir flujos de trabajo autónomos, este tutorial te muestra cómo hacerlo sin teoría innecesaria.

Qué es un agente IA y por qué importa

Un agente IA es un sistema que recibe un objetivo, lo descompone en pasos, ejecuta acciones (como llamadas a APIs o lectura de archivos) y se autocorrige si algo falla. No es magia: es razonamiento + ejecución + feedback.

La diferencia con usar Claude en modo chat es profunda. En chat, tú eres quien decide los pasos. En un agente, Claude decide qué hacer, cuándo hacer llamadas a funciones externas, y cuándo parar.

Por qué los programadores deberían aprenderlo

• Automatización real: procesos que corren sin intervención humana.
• Manejo de contexto extenso: agentes pueden leer repositorios, analizar logs, procesar datasets sin saturar tu aplicación.
• Toma de decisiones: el agente elige entre opciones, no solo ejecuta comandos predefinidos.

Los tres pilares: Claude Code, agentes y MCP

Claude Code: la interfaz de ejecución

Claude Code es la capacidad de Claude para escribir, editar y ejecutar código en tiempo real. Cuando le pides que resuelva un problema, puede:

• Escribir scripts en Python, JavaScript, bash.
• Probar el código de inmediato.
• Ajustar basándose en los resultados.
• Trabajar con archivos del sistema.

Es como tener un programador junior que escribe código, lo prueba, y te muestra el resultado. La diferencia es que es instantáneo y entiende contexto.

Agentes: la orquestación

Un agente es un bucle que repite:

1. Claude recibe un objetivo y contexto.
2. Claude decide qué herramientas usar (funciones, APIs, búsquedas).
3. Claude ejecuta esas herramientas.
4. Claude recibe resultados y decide el próximo paso.
5. Repite hasta completar la tarea o detectar un problema.

Esto se implementa típicamente con un framework como Anthropic SDK o similar.

MCP: conectar sistemas externos

Model Context Protocol (MCP) es el estándar para que Claude acceda a sistemas externos de forma segura:

• Conexiones a bases de datos.
• Llamadas a APIs de terceros.
• Acceso a herramientas propias de tu empresa.
• Lectura de archivos en servidores remotos.

En lugar de hardcodear credenciales o endpoints, MCP abstrae la conexión. Claude dice «necesito datos de la BD» y el protocolo maneja la autenticación.

Un ejemplo práctico: análisis automático de repositorios

Imagina que tienes 50 repositorios Git y necesitas generar un informe de:

• Líneas de código por lenguaje.
• Dependencias desactualizadas.
• Tests que fallan.
• Últimas 3 commits y autores.

Manualmente tomaría horas. Con un agente IA:

Paso 1: Define el objetivo

No es código aún. Es una descripción clara de qué el agente debe hacer.

Analiza los 50 repositorios en /data/repos. Para cada uno:
1. Cuenta líneas de código por lenguaje usando cloc o similar.
2. Lee package.json/requirements.txt y detecta dependencias con más de 1 año sin actualizar.
3. Ejecuta los tests y captura el estado (paso/fallo).
4. Extrae los últimos 3 commits con `git log`.
5. Genera un CSV con los resultados.

Paso 2: Claude Code lo implementa

Dale a Claude este objetivo y él escribirá un script que:

• Itera sobre directorios.
• Ejecuta comandos shell.
• Parsea outputs.
• Maneja errores si un repo está roto.
• Genera el CSV final.

Tú solo necesitas verificar que el código es correcto.

Paso 3: MCP conecta la salida

Con MCP, el resultado (el CSV) puede:

• Subirse automáticamente a S3.
• Insertarse en una BD.
• Enviarse por email.

Todo sin código adicional, solo configurando MCP.

Prompt para crear tu primer agente

Copia este prompt y adapta los detalles según tu caso:

Soy programador. Quiero crear un agente IA que:

[DESCRIBE TU OBJETIVO]

El agente debe:
1. [Paso 1]
2. [Paso 2]
3. [Paso 3]

Herramientas disponibles:
- Acceso a archivos en /ruta/
- Llamadas a API en https://api.ejemplo.com
- Ejecución de código Python

Constraints:
- No debe exceder 2 minutos de ejecución.
- Si algo falla, debe reintentar 2 veces antes de fallar.
- Debe guardar logs de cada paso.

Proporciona:
1. El código del agente (Python con Anthropic SDK).
2. Explicación de qué hace cada función.
3. Cómo testear localmente.
4. Cómo desplegarlo en producción.

Dónde empezar: setup real

Requisitos mínimos

• Claude API key (acceso a API de Anthropic).
• Python 3.9+.
• Anthropic SDK: pip install anthropic.
• Conocimiento básico de async/await (opcional pero útil).

Tu primer agente en 5 minutos

1. Instala la SDK:

   pip install anthropic

2. Crea un script básico:

   from anthropic import Anthropic
   
   client = Anthropic()
   
   def run_agent(objective):
       messages = []
       while True:
           response = client.messages.create(
               model="claude-3-5-sonnet-20241022",
               max_tokens=4096,
               system="Eres un agente que completa objetivos usando razonamiento.",
               messages=[{"role": "user", "content": objective}] + messages
           )
           print(response.content[0].text)
           if response.stop_reason == "end_turn":
               break
           messages.append({"role": "assistant", "content": response.content[0].text})
   
   run_agent("Analiza el archivo config.json y extrae todos los valores booleanos")

3. Añade soporte a tools (funciones): Claude puede «decidir» llamar a tus funciones. Define herramientas en la llamada a la API.

El poder del agente no está en ser más inteligente que tú, sino en ser más persistente. Los agentes razonan, fallan, ajustan y reintentan sin cansarse. Úsalos para tareas repetitivas y complejas, no para reemplazar pensamiento crítico.

Errores comunes (y cómo evitarlos)

Bucles infinitos Si el agente no sabe cuándo parar, se queda en loop. Siempre define criterios claros de finalización.

Falta de contexto El agente no sabe qué no sabe. Dale acceso explícito a ficheros, APIs y datos que necesita.

No validar salidas Justamente porque es automático, debes revisar los resultados. Un agente puede ejecutar código tóxico si se le pide de forma ambigua.

Credenciales hardcodeadas Usa variables de entorno o MCP. Nunca metas APIKeys en el código.

Siguiente nivel: MCP en producción

Una vez domines agentes simples, MCP te permite:

• Seguridad: Claude no ve credenciales, solo el resultado.
• Escalabilidad: varios agentes pueden compartir las mismas conexiones.
• Auditoría: cada acción del agente se registra a través de MCP.

La instalación depende del servidor MCP que uses (Anthropic tiene ejemplos públicos).

Resumen: tu mapa de ruta

1. Semana 1: Domina Claude Code. Escribe scripts, pruébalos con Claude.
2. Semana 2: Construye tu primer agente simple (una tarea, un loop).
3. Semana 3: Añade herramientas y manejo de errores.
4. Semana 4: Integra MCP para conectar sistemas reales.

No necesitas esperar a ser experto en IA. Los agentes son herramientas prácticas que mejoran con uso real. Empieza hoy con un objetivo pequeño en tu equipo. El resto viene solo.