Tu primer agente en Claude Managed Agents: agente, entorno y sesión, y el ajuste de red que deja a tu agente sin web

No construyas el bucle del agente: alquila la infraestructura

Un agente de IA útil necesita mucho más que un modelo: un bucle que decida qué herramienta usar, un lugar seguro donde ejecutar comandos y escribir archivos, un historial que sobreviva a las pausas y una forma de seguir lo que ocurre. Claude Managed Agents es la oferta de Anthropic para no construir nada de eso: según su documentación, proporciona el arnés y la infraestructura para ejecutar a Claude como agente autónomo, de modo que pueda leer archivos, ejecutar comandos, navegar por la web y ejecutar código de forma segura dentro de un entorno gestionado. Está en beta, requiere la cabecera managed-agents-2026-04-01 en todas las solicitudes y, según la documentación, el acceso está activado por defecto para todas las cuentas de API.

Cuatro conceptos que conviene tener claros antes de escribir código

La API se organiza alrededor de cuatro piezas. El agente es lo que define el modelo, las instrucciones de sistema, las herramientas, los servidores MCP y las skills; se crea una vez y se reutiliza. El entorno es la configuración del lugar donde corren las sesiones: un sandbox en la nube gestionado por Anthropic o uno alojado en tu propia infraestructura. La sesión es una instancia en ejecución del agente dentro de un entorno, con una tarea concreta. Y los eventos son los mensajes que se intercambian la aplicación y el agente: turnos del usuario, resultados de herramientas y cambios de estado. Esa separación es la que permite versionar un agente, reutilizar un entorno y lanzar tantas sesiones como se quiera sin reconfigurar nada.

El recorrido completo, con el detalle de red que casi nadie lee

El inicio rápido de Anthropic recorre cuatro pasos. Primero, instalar la herramienta de línea de comandos, llamada ant, y el SDK de la plataforma; en macOS basta con una línea de Homebrew, y el SDK de Python se instala con pip. Segundo, definir el agente. Se hace con un archivo de texto cuya cabecera indica el nombre, el modelo y las herramientas, y cuyo cuerpo es el prompt de sistema:

---
name: Coding Assistant
model: claude-opus-5-5
tools:
  - type: agent_toolset_20260401
---

You are a helpful coding assistant. Write clean, well-documented code.

El comando ant apply sobre ese archivo crea el agente, muestra su identificador y lo guarda en un archivo de bloqueo; el tipo de herramienta agent_toolset_20260401 activa el conjunto completo de herramientas preconstruidas, entre ellas la terminal, las operaciones con archivos y la búsqueda web. Tercero, definir el entorno con otro archivo, esta vez en YAML: un tipo de entorno en la nube y una red limitada que permite los gestores de paquetes. Cuarto, crear la sesión y abrir el flujo de eventos. En Python, con el SDK, queda así:

session = client.beta.sessions.create(
    agent=agent.id,
    environment_id=environment.id,
    title="Quickstart session",
)

with client.beta.sessions.events.stream(session.id) as stream:
    client.beta.sessions.events.send(
        session.id,
        events=[{
            "type": "user.message",
            "content": [{"type": "text", "text": "Create a Python script that saves the first 20 Fibonacci numbers to fibonacci.txt"}],
        }],
    )
    for event in stream:
        match event.type:
            case "agent.message":
                for block in event.content:
                    if block.type == "text":
                        print(block.text, end="")
            case "agent.tool_use":
                print(f"[Using tool: {event.name}]")
            case "session.status_idle":
                break

Y aquí está el detalle que más sorprende a quien adapta el ejemplo sin leerlo entero. El entorno del inicio rápido usa red limitada con gestores de paquetes permitidos, de modo que el código del sandbox puede llegar a los repositorios públicos de paquetes y de código. Pero la búsqueda web y la descarga de páginas se ejecutan fuera del sandbox y obedecen la misma lista de hosts permitidos: en ese entorno, que no lista ningún host, no devuelven páginas ni resultados. El ejemplo no las necesita, así que funciona; el agente propio de quien lo copia y le pide investigar en internet se quedará sin respuestas. La solución, según la documentación, es enumerar en la lista de hosts permitidos los dominios que el agente necesita de verdad.

Qué ocurre cuando envías un mensaje

La documentación describe la secuencia en cinco pasos: se aprovisiona un sandbox según la configuración del entorno, se ejecuta el bucle del agente con las herramientas que Claude decida usar, esas herramientas corren dentro del sandbox, se transmiten los eventos en tiempo real y, cuando no queda nada por hacer, el agente emite el evento session.status_idle. Las sesiones son persistentes por diseño: duran mucho, se reanudan tras pausas y guardan en el servidor el historial, el estado del sandbox y las salidas.

Matices antes de llevarlo a producción

El producto está en beta y sus endpoints están limitados por tasa a nivel de organización, de modo que conviene consultar los límites vigentes en la documentación antes de planificar volumen. Anthropic ofrece alternativas según el control que se necesite: entornos autoalojados para ejecutar el sandbox en infraestructura propia, y despliegues programados para lanzar un agente con una planificación recurrente tipo cron. Está disponible a través de la API directa de Claude y de Claude Platform on AWS, con algunas diferencias de funciones entre ambas. Y no sustituye a todo lo demás: la propia documentación lo plantea para cargas de trabajo largas y con muchas herramientas; para una petición puntual donde se quiere controlar cada paso, la API de mensajes sigue siendo la opción más directa. Por último, las tarifas no forman parte de esta guía; antes de escalar, revisa la página de precios para entender cómo se facturan el modelo y el uso del entorno.

Por qué importa hoy

Para un equipo que quiere probar un agente autónomo sin dedicar semanas a construir su propio bucle, entorno y sistema de eventos, el inicio rápido ofrece un camino de menos de una hora. El ejercicio práctico es ejecutarlo tal cual una vez, comprobar el flujo de eventos con la tarea de ejemplo, y después cambiar un solo elemento cada vez: el prompt de sistema, una herramienta o la lista de hosts permitidos. Así se aprende qué controla cada pieza antes de dar a un agente acceso a nada que importe.