Claude Managed Agents: la guía completa de la nueva plataforma de agentes de Anthropic
Anthropic ha lanzado Claude Managed Agents en beta pública. Esto es todo lo que necesita saber: cómo funciona, cuánto cuesta, cómo se compara con n8n y LangGraph y una guía paso a paso para llevar su primer agente a producción.
TL;DR
- El 8 de abril de 2026, Anthropic lanzó Claude Managed Agents en beta pública: un servicio gestionado en la Claude Platform que ejecuta agentes de IA en producción sobre la infraestructura de Anthropic para que usted se ahorre los meses de fontanería que normalmente exige enviar uno.
- Usted define un agente en lenguaje natural o YAML, fija los guardarraíles y Anthropic se encarga de la ejecución de código en sandbox, los checkpoints, la gestión de credenciales, los permisos con scope, la identidad y el tracing de ejecución.
- Precio: tarifas estándar de tokens de la Claude API, más 0,08 $ por hora de sesión de runtime activo (el tiempo idle es gratis), más 10 $ por cada 1.000 búsquedas web.
- Entre los clientes de lanzamiento están Notion, Rakuten, Asana, Atlassian y Sentry, que reportan agentes desplegados en días en lugar de meses.
- Esta pieza desglosa qué es realmente, la arquitectura que Anthropic llama «cerebro, manos, sesión», cómo se compara con n8n, LangGraph y Zapier, contrapartidas honestas, una calculadora realista de precio y una guía paso a paso para construir su primer agente.
- Versión corta para operadores: si lleva tiempo ejecutando agentes en un VPS con n8n o LangGraph, Managed Agents es la primera oferta creíble de «nosotros gestionamos la infraestructura» que no es un juguete.
¿Qué es Claude Managed Agents?
Claude Managed Agents es un servicio gestionado en la Claude Platform (platform.claude.com) que aporta el runtime completo para agentes de IA en producción. Hasta ahora, Anthropic le daba el modelo y usted ponía la infraestructura. Con Managed Agents, usted aporta la definición de lo que el agente debe hacer y Anthropic aporta todo lo demás.
En el propio encuadre de Anthropic, lanzar un agente en producción exige ejecución de código en sandbox, checkpoints, gestión de credenciales, permisos con scope y tracing de extremo a extremo: meses de trabajo de infraestructura antes de mostrar nada a los usuarios. Managed Agents asume esa complejidad. Usted define las tareas, las herramientas y los guardarraíles del agente y Anthropic lo ejecuta en su infraestructura.
El servicio salió en beta pública el 8 de abril de 2026, accesible por la API de la Claude Platform. Todos los endpoints de Managed Agents requieren el header beta managed-agents-2026-04-01, que el SDK fija automáticamente. Tres funciones avanzadas —outcomes (autoevaluación contra criterios de éxito), coordinación multiagente y memoria persistente— están actualmente en research preview y requieren solicitar acceso aparte.
Por qué este lanzamiento importa de verdad
Cada semana, en los últimos dieciocho meses, alguien ha anunciado «la plataforma de agentes que lo cambia todo». La mayoría no lo hizo. ¿Por qué este lanzamiento consigue 2 millones de visualizaciones en un solo tuit y más de 39.000 likes el día de salida? Tres razones que conviene entender antes de decidir si lo adopta.
Primera, Anthropic ha resuelto el aburrido 70 %. Si ha construido un agente en producción, ya conoce el secreto: el modelo es la parte fácil. Todo lo que rodea al modelo —el sandbox en el que corre código, el estado persistente que sobrevive a un crash de contenedor, las credenciales con las que se autentican las herramientas, el scope de permisos que impide al agente borrar datos de producción, el log de auditoría que pide compliance, la recuperación ante el fallo de una llamada a herramienta a mitad de la sesión— es donde se van los meses. Esa es la parte que Managed Agents elimina.
Segunda, la historia de gobernanza es el desbloqueo real para enterprise. Permisos con scope, gestión de identidad y tracing de ejecución son las tres cosas que tradicionalmente bloquean los rollouts enterprise de agentes de IA. A los CISO y a los responsables de compliance no les importa lo ingenioso que sea su prompt; les importa si pueden responder a «quién hizo qué y cuándo» en una auditoría. Managed Agents trae esto por defecto, por eso la lista de clientes de lanzamiento es la que es: Atlassian, Notion, Rakuten y Asana no son compañías que lancen agentes sin firma de compliance.
Tercera, está priceada para usarse de verdad. A 0,08 $ por hora de sesión de runtime activo —y, crítico, el tiempo idle no cuenta— las cuentas salen para las cargas asíncronas de larga duración que han sido las más difíciles de llevar a producción en plataformas existentes. Un agente de investigación que pasa 2 horas leyendo documentos y 22 horas esperando nuevas tareas le cuesta runtime por 2 horas, no por 24.
La arquitectura: cerebro, manos, sesión
Esta es la parte que la mayor parte de la cobertura del lanzamiento se saltó, y es la que importa si va a construir encima. Anthropic publicó un blog de ingeniería complementario el mismo día explicando el diseño, y la abstracción central merece interiorizarse.
Managed Agents virtualiza un agente en tres componentes separables:
El cerebro. El propio LLM (Claude) más el harness que orquesta su bucle de razonamiento: decidir cuándo llamar a herramientas, cómo gestionar el contexto y cómo recuperarse ante errores.
Las manos. Un entorno de ejecución efímero y en sandbox donde las herramientas se ejecutan de verdad. Ejecución de código, operaciones de archivo, navegación web y llamadas a servidores MCP ocurren aquí. Crucialmente, las manos son stateless: si un contenedor se rompe o se corrompe, el sistema levanta uno nuevo y el agente sigue. Un contenedor comprometido no persiste, lo que es una propiedad de seguridad relevante para cualquiera que ejecute output no confiable de herramientas.
La sesión. Un log de eventos duradero y de solo añadir, que vive fuera del cerebro y de las manos. Registra cada llamada a herramienta, cada resultado, cada decisión. Si el cerebro necesita retroceder y comprobar qué pasó tres pasos antes, lee del log de sesión. Si todo el sistema reinicia a mitad de tarea, la sesión recoge donde se quedó.
¿Por qué importa esto en la práctica? Porque cada pieza escala de forma independiente y porque las abstracciones son estables aunque cambie la implementación. En palabras de Anthropic, esto se diseña como un «meta-harness»: sin opinión sobre el harness concreto que Claude necesitará en el futuro, pero con opinión sobre las interfaces a su alrededor. Eso importa porque los harnesses codifican supuestos sobre lo que el modelo no puede hacer por sí solo, y esos supuestos envejecen rápido a medida que los modelos mejoran. Construir directamente contra un harness concreto significa repltaformar cada vez que Anthropic publica un modelo más listo. Construir contra las interfaces de Managed Agents significa que no.
Lo que usted define como desarrollador: el agente (modelo, system prompt, herramientas, servidores MCP y skills), el entorno (un contenedor cloud con paquetes preinstalados como Python, Node.js, Go, más reglas de red y archivos montados) y la sesión (que referencia a los dos). Cree el agente una vez y referéncielo por ID en todas las sesiones.
Precio: cuánto cuesta de verdad
El precio de Managed Agents apila tres componentes, todos transparentes y documentados en la página oficial de precios de la API:
1. Tokens del modelo. Cada token consumido por una sesión de Managed Agents se factura a las tarifas estándar de la Claude API. Los multiplicadores de prompt caching aplican igual. Si está ejecutando Sonnet 4.6, paga tarifas de Sonnet 4.6; si ejecuta Opus 4.6, paga tarifas de Opus.
2. Runtime de sesión. 0,08 $ por hora de sesión, medido al milisegundo, y facturado solo mientras el estado de la sesión es running. El tiempo idle (esperando su siguiente mensaje o una confirmación de herramienta), de replanificación o ya terminado no cuenta para el runtime. El runtime de sesión sustituye al modelo de facturación por horas de contenedor de Code Execution: no se factura aparte por horas de contenedor encima de esto.
3. Búsqueda web. 10 $ por cada 1.000 búsquedas web disparadas dentro de una sesión, idéntico a la tarifa estándar del tool de búsqueda web en el resto de la Claude API.
Cabe destacar que los siguientes modificadores de la API no aplican a las sesiones de Managed Agents: descuento de Batch API, pricing de Message Batches y pricing de Fast mode. Si está optimizando coste, aquí no ayudan.
Ejemplos realistas de precio
Algunos ejemplos trabajados, porque las cifras abstractas no calan hasta verse aplicadas.
Ejemplo 1: agente de triaje de inbox para un equipo pequeño. Corre dos veces al día, promedia 15 minutos de runtime activo por ejecución, procesa unos 50 correos con Sonnet 4.6, hace unas 5 búsquedas web por ejecución. Cálculo mensual: 30 días x 2 ejecuciones x 0,25 horas = 15 horas de sesión x 0,08 $ = 1,20 $ de runtime. Tokens: aproximadamente 8-15 $/mes a tarifas de Sonnet. Búsquedas: 300/mes x 0,01 $ = 3 $. Total: alrededor de 12-20 $/mes.
Ejemplo 2: agente de enriquecimiento de leads para un equipo B2B de outbound. Corre on-demand cuando entran nuevos leads al CRM, promedia 3 minutos de runtime por lead, procesa 200 leads al mes con Sonnet 4.6, hace 4 búsquedas por lead. Cálculo: 200 x 0,05 horas = 10 horas de sesión x 0,08 $ = 0,80 $ de runtime. Tokens: aproximadamente 20-40 $/mes según el contexto. Búsquedas: 800 x 0,01 $ = 8 $. Total: alrededor de 30-50 $/mes.
Ejemplo 3: agente de investigación always-on monitorizando un mercado. Activo unas 2 horas al día escaneando noticias y generando informes, con Opus 4.6 para el paso de síntesis. Cálculo: 60 horas de sesión/mes x 0,08 $ = 4,80 $ de runtime. Tokens a tarifas de Opus: aproximadamente 80-200 $/mes según el volumen. Búsquedas: 3.000/mes x 0,01 $ = 30 $. Total: alrededor de 120-240 $/mes.
Ejemplo 4: un agente «24/7 siempre en marcha». Este es el caso límite a marcar. Si el agente está procesando de verdad de manera continua —no idle—, las cuentas son 730 horas/mes x 0,08 $ = 58,40 $/mes solo en runtime, más tokens, más búsquedas. La mayoría de las cargas reales no corre de forma continua; corre por ráfagas. Si la suya sí, contémplelo.
La clave: el tiempo idle es gratis. Eso es lo que hace que el precio funcione para las cargas asíncronas y dirigidas por evento que son el caso de uso principal de Managed Agents. Un agente que espera 23 horas al día a un trigger no le cuesta nada durante esas 23 horas.
Claude Managed Agents frente a n8n, LangGraph y Zapier
Esta es la comparación que todo el mundo busca de verdad, así que vamos al grano sobre dónde encaja cada herramienta.
Frente a n8n (self-hosted o cloud)
n8n es una herramienta de automatización de workflows que brilla en automatizaciones deterministas dirigidas por trigger con muchas integraciones SaaS: webhooks, jobs programados, notificaciones a Slack, escrituras a base de datos. Sus nodos de agente de IA permiten injertar razonamiento LLM sobre un workflow, pero n8n es fundamentalmente un motor de workflows con funciones de IA añadidas, no un runtime de agentes.
Cuándo gana todavía n8n: pipelines deterministas donde cada paso es predecible. Jobs cron. Flujos sencillos «si pasa X, haz Y y luego Z» con más de 20 integraciones SaaS. Self-hosting barato en un VPS cuando se necesita control absoluto.
Cuándo gana Managed Agents: tareas abiertas donde el agente tiene que decidir el siguiente paso a partir de lo que encontró en el anterior. Sesiones largas que pueden durar horas. Cargas donde la capa de gobernanza (permisos, auditoría, identidad) no es negociable. Cualquier cosa donde el agente tenga que escribir y ejecutar código con seguridad en un sandbox.
La frontera real: n8n es para workflows con IA dentro. Managed Agents es para agentes con herramientas dentro. Si está usando nodos de agente de n8n y topa con techos en longitud de sesión, gestión de contexto o seguridad, esa es su señal.
Frente a LangGraph / LangChain
LangGraph es el framework open source para construir aplicaciones multi-agente con estado y control explícito basado en grafos. Es la herramienta que los equipos serios de IA en producción llevan un año utilizando.
Cuándo gana todavía LangGraph: cuando necesita control total sobre el bucle del agente, quiere correr en su propia infraestructura por compliance o coste, necesita orquestación multi-modelo (mezclando Claude, GPT, Gemini, modelos open source) o quiere personalizar cada aspecto de la gestión de estado.
Cuándo gana Managed Agents: cuando quiere dejar de mantener la capa de infraestructura. Cuando está en modelos Claude de todos modos. Cuando los meses de trabajo de Anthropic en checkpoints, compactación y harness optimization son genuinamente mejores que lo que construiría su equipo. Cuando quiere recibir hecha la historia de compliance y auditoría.
La frontera real: LangGraph es un framework que usted hospeda y mantiene. Managed Agents es un servicio que alquila. Uno le da flexibilidad máxima, el otro velocidad máxima a producción.
Frente a Zapier / Make
Zapier y Make son plataformas SaaS de automatización optimizadas para usuarios no técnicos que conectan aplicaciones de negocio. Son la respuesta correcta a «cuando entre una fila en mi Google Sheet, publica en Slack y crea una tarjeta de Trello». Tienen funciones de IA, pero no son runtimes de agentes.
Cuándo gana todavía Zapier/Make: cuando quien construye la automatización no es técnico y la tarea es un pipeline lineal bien definido entre apps SaaS conocidas.
Cuándo gana Managed Agents: cuando la tarea exige razonamiento real: leer documentos, decidir qué importa, escribir código, investigar. Cosas que ningún número de pasos de Zapier resuelve limpio.
La frontera real: Zapier es para conectar apps conocidas con lógica conocida. Managed Agents es para lógica desconocida que tiene que averiguarse en tiempo de ejecución.
Paso a paso: construya su primer Managed Agent
Este es el camino mínimo viable de «no lo he tocado nunca» a «agente funcionando en producción». Claude Managed Agents se accede vía la API de Claude Platform (platform.claude.com), y los siguientes pasos asumen que ya tiene cuenta en la Anthropic Console con facturación activada.
Paso 1: planifique el agente en papel primero
Antes de escribir una sola línea de YAML, redacte un plan de una página que responda a cinco preguntas:
- ¿Qué hace el agente, en una frase? «Tría mi bandeja y redacta respuestas a los 10 correos más importantes». No «gestiona el correo».
- ¿A qué herramientas necesita acceso? Lectura/escritura en Gmail, búsqueda web, quizá su calendario.
- ¿Cuáles son los guardarraíles? ¿Qué no puede hacer nunca? (Por ejemplo, «nunca envíes correo sin mi aprobación. Nunca borres nada»).
- ¿Cómo se ve el éxito? ¿Cómo sabrá si el agente está funcionando de verdad?
- ¿Cuál es el trigger? Invocación manual, programación, webhook, evento del CRM.
Sáltese este paso y pasará la primera semana depurando síntomas de un problema subespecificado.
Paso 2: defina el agente
Tiene dos opciones. Para no desarrolladores o prototipos rápidos, defínalo en lenguaje natural a través de la UI de la Claude Platform: describa lo que quiere y la tooling de Anthropic genera la configuración subyacente. Para cualquier cosa que vaya a mantener en control de versiones, use un archivo YAML con el modelo, system prompt, lista de herramientas, servidores MCP y skills del agente.
La definición se crea una vez y se referencia por ID en todas las sesiones. Esto es importante: la misma definición puede servir a muchas sesiones concurrentes sin sobrecoste de redefinición.
Paso 3: configure el entorno
El entorno es el contenedor cloud en el que correrán las manos del agente. Usted especifica los paquetes preinstalados (Python, Node.js, Go y otros), las reglas de acceso a red (qué dominios puede alcanzar el agente) y los archivos montados que necesite.
Empiece restrictivo. Dé el mínimo acceso de red necesario, instale solo los paquetes que sepa que necesita y monte solo los archivos específicos relevantes para la tarea. Siempre puede ampliar después; no puede des-publicar una filtración de datos.
Paso 4: lance una sesión
Una sesión referencia tanto la definición del agente como el entorno. Una vez lanzada, el agente corre de forma autónoma: razona, llama a herramientas, ejecuta código y persiste estado en el log de sesión. Puede inspeccionar cualquier sesión desde la Claude Console, incluida cada llamada a herramienta, punto de decisión y modo de fallo.
Paso 5: instrumente e itere
El tracing de sesión, la analítica de integraciones y las guías de troubleshooting están integrados en la Claude Console. Úselos. Revise las primeras 20-50 sesiones a mano antes de empezar a confiar en que el agente corra sin supervisión. Busque tres patrones: herramientas que el agente llama y no debería, herramientas que debería llamar y no llama, y puntos donde da por terminada la tarea de forma prematura.
Paso 6: endurézcalo para producción
Una vez funcione el agente, añada las tres cosas que separan una demo de un sistema en producción:
- Permisos con scope. Dé al agente la identidad más estrecha posible: una cuenta de servicio con acceso de lectura solo a los sistemas que necesita y de escritura solo donde sea estrictamente necesario.
- Puntos humanos para cualquier acción irreversible. Enviar un correo, borrar un archivo, cobrar una tarjeta, publicar contenido: todo eso debe requerir aprobación explícita hasta tener meses de prueba de que el agente lo hace bien.
- Alertas de presupuesto. Fije techos de gasto a nivel de organización y alertas muy por debajo. Un agente en un bucle no deseado quema tokens muy rápido.
Limitaciones honestas (día dos)
Toda cobertura de lanzamiento omite esto. Esto es lo que debe vigilar.
Está en beta pública. Lanzado el 8 de abril de 2026. La fiabilidad en producción a lo largo de meses no está probada: los early adopters son grandes nombres, pero el battle-testing amplio lleva tiempo. Trátelo como production-capable, no como production-hardened.
Los rate limits siguen aplicando. Los límites de la Claude API no desaparecen porque use Managed Agents. Si ejecuta 50 agentes en paralelo que queman tokens, alcanzará los techos. Los endpoints de Managed Agents tienen, además, rate limits por organización, y Anthropic no ha publicado cifras concretas para la beta.
El lock-in es real. Una vez sus agentes corren sobre la infraestructura de Anthropic, con sus herramientas, su formato de sesión y su sandbox, cambiar a otro proveedor no es trivial. No es un bloqueador —todo SaaS tiene costes de cambio—, pero es un punto a nombrar.
Las funciones avanzadas que probablemente quiere están en research preview. Outcomes (autoevaluación contra criterios de éxito), coordinación multiagente y memoria persistente requieren solicitud de acceso aparte y no están generalmente disponibles.
La previsibilidad de coste en agentes long-running es delicada. Que el idle sea gratis es genial. Pero si su agente entra en un bucle no deseado de trabajo activo —por ejemplo, una búsqueda web que dispara más búsquedas— la factura sube rápido. Las alertas de presupuesto son obligatorias.
Quién debería adoptarlo ya frente a quién debería esperar
Adopte ya si:
- Ya está en modelos Claude para sus cargas de agente.
- Lleva tiempo manteniendo un montaje n8n / LangGraph / harness propio y el impuesto de infraestructura está matando su velocidad.
- Su caso de uso es trabajo asíncrono long-running: investigación, procesamiento documental, pipelines de contenido, enriquecimiento de leads.
- La gobernanza, la auditoría y los permisos con scope son requisito para que sus compradores firmen.
Espere si:
- Necesita orquestación multimodelo entre Claude, GPT y modelos open source en el mismo bucle.
- Su carga es automatización determinista simple, mejor servida por n8n o Zapier.
- Opera en una jurisdicción con reglas estrictas de residencia de datos que Anthropic todavía no cubre para su clase de datos.
- Necesita funciones aún en research preview (coordinación multiagente, memoria persistente).
Preguntas frecuentes
¿Qué es Claude Managed Agents? Claude Managed Agents es un servicio gestionado en la Claude Platform que aporta el runtime completo para agentes de IA en producción: ejecución de código en sandbox, checkpoints, gestión de credenciales, permisos con scope, identidad y tracing de ejecución. Usted define el agente; Anthropic lo ejecuta.
¿Cuándo se lanzó?
La beta pública salió el 8 de abril de 2026. Todos los endpoints requieren el header beta managed-agents-2026-04-01.
¿Cuánto cuesta? Tarifas estándar de tokens de la Claude API para el modelo, más 0,08 $ por hora de sesión de runtime activo, más 10 $ por cada 1.000 búsquedas web. El idle no se factura.
¿Cómo se compara con n8n? n8n es una herramienta de automatización de workflows con IA añadida. Managed Agents es un runtime de agentes: hecho para tareas abiertas de razonamiento donde el siguiente paso depende del resultado anterior. Use n8n para pipelines deterministas; use Managed Agents para trabajo autónomo de agente.
¿Puedo autohospedarlo? No. Managed Agents es un servicio gestionado exclusivamente en la Claude Platform. Si necesita self-hosting, LangGraph o un harness propio es la respuesta correcta.
¿Qué clientes de lanzamiento lo usan? Notion, Rakuten, Asana, Atlassian y Sentry son clientes públicos de lanzamiento, con usos que van desde agentes de codificación a compañeros de productividad y procesamiento documental.
¿Hace falta ser desarrollador para usarlo? Para casos básicos, no: puede definir agentes en lenguaje natural desde la UI. Para cualquier cosa con calidad de producción, prácticamente se requiere conocimiento de APIs y YAML.
Conclusión para empresas europeas
Si llevaba tiempo mirando el espacio de los agentes preguntándose cuándo se vuelve real para empresas que no tienen un equipo dedicado de ingeniería de IA, probablemente es este momento. No porque Managed Agents sea perfecto —es un producto en beta con limitaciones reales—, sino porque es la primera oferta creíble de «nosotros gestionamos la infraestructura» desde un laboratorio frontier que está a la vez priceada con cordura y diseñada con seriedad.
Para las pymes y el mid-market europeo, la implicación práctica es que la cuenta de construir-versus-comprar acaba de cambiar. Construir un agente en producción solía significar un proyecto de infraestructura de tres a seis meses más mantenimiento continuo. Ahora significa redactar una buena especificación y pagar 0,08 $ por hora activa. Eso desplaza «¿deberíamos lanzar un agente para este flujo?» de una decisión de capex a una de opex.
Si es founder, CTO u operador intentando entender qué hacer concretamente con esto —no solo asentir con conocimiento en LinkedIn— esa es la conversación que tenemos en areza.digital cada semana. Ayudamos a empresas europeas a diseñar, construir y operar agentes de IA en producción. Reserve una llamada de descubrimiento de 30 minutos →
Escrito por Nikita Janockin, fundador de areza.digital. Fuentes: documentación oficial de Claude Platform (platform.claude.com/docs), blog de ingeniería de Anthropic «Scaling Managed Agents: Decoupling the brain from the hands», anuncio de lanzamiento en claude.com, The New Stack, SiliconANGLE, FindSkill.ai, blog de ingeniería de Epsilla. Precios y disponibilidad verificados contra documentación viva a 9 de abril de 2026. Última actualización: 9 de abril de 2026.