Automatización

Claude Managed Agents: La guía completa de la nueva plataforma de agentes de Anthropic

9 de abril de 2026

Resumen ejecutivo

El 8 de abril de 2026, Anthropic lanzó Claude Managed Agents en beta pública — un servicio alojado en la Claude Platform que ejecuta agentes de IA en producción sobre la infraestructura de Anthropic, para que usted pueda saltarse los meses de trabajo de fontanería que normalmente requiere desplegar uno.
Usted define un agente en lenguaje natural o YAML, establece los guardrails, y Anthropic se encarga de la ejecución de código en sandbox, el checkpointing, la gestión de credenciales, los permisos con alcance limitado, la identidad y el rastreo de ejecución.
Precios: tarifas estándar de tokens de la API de Claude, más $0,08 por hora de sesión de runtime activo (el tiempo inactivo es gratuito), más $10 por cada 1.000 búsquedas web.
Entre los clientes del lanzamiento figuran Notion, Rakuten, Asana, Atlassian y Sentry — todos ellos informan haber desplegado agentes en días en lugar de meses.
Este artículo desgrana qué es exactamente, la arquitectura que Anthropic denomina "brain, hands, session", cómo se compara con n8n, LangGraph y Zapier, los trade-offs honestos, una calculadora de precios realista y una guía paso a paso para construir su primer agente.
La versión corta para operadores: si ha estado 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 alojado en la Claude Platform (platform.claude.com) que proporciona el runtime completo para agentes de IA en producción. Hasta ahora, Anthropic le facilitaba el modelo y usted aportaba la infraestructura. Con Managed Agents, usted aporta la definición de lo que debe hacer el agente y Anthropic aporta todo lo demás.

En palabras de la propia Anthropic, desplegar un agente en producción requiere ejecución de código en sandbox, checkpointing, gestión de credenciales, permisos con alcance limitado y trazabilidad de extremo a extremo — meses de trabajo de infraestructura antes de publicar algo que los usuarios vean. Managed Agents maneja esa complejidad. Usted define las tareas, las herramientas y los guardrails de su agente, y Anthropic lo ejecuta en su infraestructura.

El servicio se lanzó en beta pública el 8 de abril de 2026, accesible a través de la API de la Claude Platform. Todos los endpoints de Managed Agents requieren el header beta managed-agents-2026-04-01, que el SDK establece automáticamente. Tres funciones avanzadas — outcomes (autoevaluación contra criterios de éxito), coordinación multi-agente y memoria persistente — están actualmente en research preview y requieren una solicitud de acceso separada.

Por qué este lanzamiento realmente importa

Cada semana durante los últimos dieciocho meses, alguien ha anunciado "la plataforma de agentes que lo cambia todo". La mayoría no lo hicieron. ¿Por qué este obtiene 2 millones de visualizaciones en un solo tweet y más de 39.000 likes el día del lanzamiento? Tres razones que merece la pena entender antes de evaluar si adoptarlo.

Primero, Anthropic resolvió el 70% aburrido. 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 donde ejecuta código, el estado persistente que sobrevive a un crash del contenedor, las credenciales que usan las herramientas para autenticarse, el scoping de permisos que impide que el agente elimine datos de producción, el log de auditoría que exige el equipo de compliance, la recuperación de errores cuando una tool call falla a mitad — es donde se van los meses. Esa es la parte que Managed Agents elimina.

Segundo, la historia de gobernanza es el verdadero desbloqueador para la empresa. Los permisos con alcance limitado, la gestión de identidad y el rastreo de ejecución son las tres cosas que tradicionalmente bloquean el despliegue empresarial de agentes de IA. Los CISOs y los responsables de compliance no se preocupan por lo inteligente que sea su prompt; se preocupan por si pueden responder "quién hizo qué y cuándo" en una auditoría. Managed Agents integra esto por defecto, lo que explica que la lista de clientes del lanzamiento incluya a Atlassian, Notion, Rakuten y Asana — empresas que no despliegan agentes sin la aprobación de compliance.

Tercero, el precio está diseñado para usarse de verdad. A $0,08 por hora de sesión de runtime activo — y de forma crítica, el tiempo inactivo no cuenta — los números cuadran para las cargas de trabajo asíncronas de larga duración que han sido las más difíciles de desplegar en las plataformas existentes. Un agente de investigación que pasa 2 horas leyendo documentos y 22 horas esperando nuevas tareas le cuesta runtime de 2 horas, no de 24.

La arquitectura: Brain, Hands, Session

Esta es la parte que la mayoría de las coberturas del lanzamiento omitieron, y es la parte que importa si va a construir sobre ella. Anthropic publicó un blog de ingeniería complementario el mismo día del lanzamiento explicando el diseño, y la abstracción central merece interiorizarse.

Managed Agents virtualiza un agente en tres componentes separables:

The Brain (el cerebro). El propio LLM (Claude) más el harness que orquesta su bucle de razonamiento — decidiendo cuándo llamar a las herramientas, cómo gestionar el contexto y cómo recuperarse de los errores.

The Hands (las manos). Un entorno de ejecución efímero en sandbox donde las herramientas se ejecutan realmente. La ejecución de código, las operaciones con archivos, la navegación web y las llamadas a servidores MCP ocurren aquí. De forma crítica, las hands son stateless — si un contenedor falla o se corrompe, el sistema lanza uno nuevo y el agente continúa. Un contenedor comprometido no persiste, lo que es una propiedad de seguridad relevante para quien ejecuta salidas de herramientas no confiables.

The Session (la sesión). Un log de eventos duradero y de solo adición que vive fuera tanto del brain como de las hands. Registra cada tool call, cada resultado, cada decisión. Si el brain necesita rebobinar y comprobar qué ocurrió tres pasos atrás, lee desde el log de sesión. Si todo el sistema se reinicia a mitad de una tarea, la sesión retoma donde la dejó.

¿Por qué importa esto en la práctica? Porque cada pieza puede escalar de forma independiente, y porque las abstracciones son estables aunque cambie la implementación subyacente. En palabras de la propia Anthropic, esto está diseñado como un "meta-harness" — sin opinión sobre el harness específico que Claude necesitará en el futuro, pero con opinión sobre las interfaces a su alrededor. Esto importa porque los harnesses codifican supuestos sobre lo que el modelo no puede hacer por sí solo, y esos supuestos se quedan obsoletos rápido a medida que los modelos mejoran. Construir directamente contra un harness específico significa re-plataformar cada vez que Anthropic publique un modelo más inteligente. Construir contra las interfaces de Managed Agents significa que no tiene que hacerlo.

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 ambos). Cree el agente una vez y referencíelo por ID en todas las sesiones.

Precios: lo que cuesta realmente

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 API de Claude. Los multiplicadores de prompt caching se aplican de forma idéntica. Esto significa que si ejecuta 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 sea running. El tiempo inactivo (esperando su próximo mensaje o una confirmación de herramienta), la reprogramación o la terminación no cuentan para el runtime. El runtime de sesión reemplaza el modelo de facturación por horas de contenedor de Code Execution — no se facturan horas de contenedor por separado sobre esto.

3. Búsqueda web. $10 por cada 1.000 búsquedas web realizadas dentro de una sesión, idéntico a la tarifa estándar de la herramienta de búsqueda web en el resto de la API de Claude.

Cabe destacar que los siguientes modificadores de API no se aplican a las sesiones de Managed Agents: el descuento de Batch API, los precios de Message Batches y los precios de Fast mode. Si está optimizando costes, estas opciones no le ayudarán aquí.

Ejemplos de precios realistas

Unos ejemplos calculados, porque los números abstractos no aterrizan hasta que los ve aplicados.

Ejemplo 1: Agente de clasificación de bandeja de entrada para un equipo pequeño. Se ejecuta dos veces al día, promedia 15 minutos de runtime activo por ejecución, procesa ~50 correos electrónicos con Sonnet 4.6 y realiza aproximadamente 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 en runtime. Tokens: aproximadamente $8–15/mes a tarifas de Sonnet. Búsquedas web: 300/mes x $0,01 = $3. Total: alrededor de $12–20/mes.

Ejemplo 2: Agente de enriquecimiento de leads para un equipo de outbound B2B. Se ejecuta bajo demanda cuando llegan nuevos leads al CRM, promedia 3 minutos de runtime activo por lead, procesa 200 leads al mes con Sonnet 4.6 y realiza 4 búsquedas web 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 web: 800 x $0,01 = $8. Total: alrededor de $30–50/mes.

Ejemplo 3: Agente de investigación permanente monitorizando un mercado. Activo aproximadamente 2 horas al día escaneando noticias y generando informes, usando 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 web: 3.000/mes x $0,01 = $30. Total: alrededor de $120–240/mes.

Ejemplo 4: Un agente "siempre activo 24/7". Este es el caso extremo que merece señalarse. Si un agente está genuinamente ejecutándose de forma continua — procesando activamente, sin estar inactivo — el cálculo es 730 horas/mes x $0,08 = $58,40/mes solo en runtime, más tokens, más búsquedas web. La mayoría de las cargas de trabajo reales no se ejecutan continuamente; se ejecutan en ráfagas. Si la suya lo hace, tenga esto en cuenta.

La conclusión clave: el tiempo inactivo es gratuito. Esto es lo que hace que el precio funcione para el tipo de cargas de trabajo asíncronas, de larga duración y basadas en eventos que son el principal caso de uso 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 vs. n8n vs. LangGraph vs. Zapier

Esta es la comparación que todo el mundo está buscando en Google, así que seamos directos sobre dónde encaja cada herramienta.

vs. n8n (self-hosted o cloud)

n8n es una herramienta de automatización de flujos de trabajo que destaca en automatizaciones deterministas basadas en triggers con muchas integraciones SaaS — webhooks, trabajos programados, notificaciones de Slack, escrituras en bases de datos. Sus nodos de agente de IA permiten añadir razonamiento LLM a un flujo de trabajo, pero n8n es fundamentalmente un motor de flujos de trabajo con funciones de IA añadidas, no un runtime de agentes.

Cuándo n8n sigue ganando: pipelines deterministas donde cada paso es predecible. Trabajos basados en cron. Flujos simples de "si ocurre X, haz Y, luego Z" con más de 20 integraciones SaaS. Self-hosting de bajo coste en un VPS cuando se necesita control absoluto.

Cuándo gana Managed Agents: tareas abiertas donde el agente necesita decidir el siguiente paso en función de lo que encontró en el anterior. Sesiones de larga duración que pueden tomar horas. Cargas de trabajo donde la capa de gobernanza (permisos con alcance, trail de auditoría, identidad) es innegociable. Cualquier cosa en la que se necesite que el agente escriba y ejecute código de forma segura en un sandbox.

La división real: n8n es para flujos de trabajo con IA en ellos. Managed Agents es para agentes con herramientas en ellos. Si actualmente usa nodos de agente de IA de n8n y topa con paredes en torno a la duración de la sesión, la gestión del contexto o la seguridad — esa es su señal.

vs. LangGraph / LangChain

LangGraph es el framework open-source para construir aplicaciones multi-agente con estado y flujo de control explícito basado en grafos. Es la herramienta que la mayoría de los equipos serios de ingeniería de IA han estado usando para construir agentes en producción durante el último año.

Cuándo LangGraph sigue ganando: cuando se necesita control total sobre el bucle del agente, se quiere ejecutar en la propia infraestructura por razones de compliance o coste, se necesita orquestación multi-modelo (mezclando Claude, GPT, Gemini, modelos open-source), o se quiere personalizar cada aspecto de cómo se gestiona el estado.

Cuándo gana Managed Agents: cuando se quiere dejar de mantener la capa de infraestructura por completo. Cuando se usa de todas formas modelos de Claude. Cuando los meses de trabajo que Anthropic dedicó a checkpointing, compaction y optimización del harness son genuinamente mejores que lo que construiría su equipo. Cuando se quiere que la historia de compliance y auditoría venga incluida.

La división real: LangGraph es un framework que usted aloja y mantiene. Managed Agents es un servicio que usted alquila. Uno da máxima flexibilidad; el otro da máxima velocidad para llegar a producción.

vs. Zapier / Make

Zapier y Make son plataformas de automatización SaaS optimizadas para usuarios no técnicos que conectan aplicaciones de negocio. Son la respuesta correcta para "cuando llega una nueva fila a mi Google Sheet, publicar en Slack y crear una tarjeta en Trello". Tienen funciones de IA ahora, pero no son runtimes de agentes.

Cuándo Zapier/Make siguen ganando: cuando la persona que construye la automatización no es técnica y la tarea es un pipeline lineal bien definido entre aplicaciones SaaS conocidas.

Cuándo gana Managed Agents: cuando la tarea requiere genuinamente razonamiento — leer documentos, decidir qué importa, escribir código, realizar investigaciones. Cosas que ninguna cantidad de pasos de Zapier resolverá limpiamente.

La división real: Zapier es para conectar aplicaciones conocidas con lógica conocida. Managed Agents es para lógica desconocida que necesita resolverse a sí misma en tiempo de ejecución.

Paso a paso: construya su primer Managed Agent

Este es el camino mínimo viable desde "nunca lo he tocado" hasta "he desplegado un agente funcionando en producción". Se accede a Claude Managed Agents a través de la API de la Claude Platform (platform.claude.com), y los siguientes pasos asumen que ya dispone de una cuenta en la Anthropic Console con facturación activada.

Paso 1: Planifique el agente en papel primero

Antes de escribir una sola línea de YAML, escriba un plan de una página respondiendo cinco preguntas:

¿Qué hace el agente, en una frase? "Clasificar mi bandeja de entrada y redactar respuestas a los 10 correos más importantes." No "gestionar el correo electrónico."
¿A qué herramientas necesita acceso? Lectura/escritura de Gmail, búsqueda web, quizás su calendario.
¿Cuáles son los guardrails? ¿Qué no tiene permitido hacer nunca? (por ejemplo, "Nunca enviar un correo sin mi aprobación. Nunca eliminar nada.")
¿Qué aspecto tiene el éxito? ¿Cómo sabrá si el agente está funcionando realmente?
¿Cuál es el trigger? ¿Invocación manual, programación, webhook, evento del CRM?

Salte este paso y pasará la primera semana depurando síntomas de un problema mal especificado.

Paso 2: Defina el agente

Tiene dos opciones. Para no desarrolladores o prototipos rápidos, defina el agente en lenguaje natural a través de la interfaz de la Claude Platform — describa lo que quiere y las herramientas de Anthropic generan la configuración subyacente. Para cualquier cosa que vaya a mantener en control de versiones, use un archivo de definición YAML con el modelo del agente, el system prompt, la lista de herramientas, los servidores MCP y los skills.

La definición del agente se crea una vez y se referencia por ID en todas las sesiones. Esto es importante: la misma definición de agente puede servir a muchas sesiones concurrentes sin overhead de redefinición.

Paso 3: Configure el entorno

El entorno es el contenedor cloud en el que se ejecutarán las hands del agente. Usted especifica los paquetes preinstalados (Python, Node.js, Go y otros), las reglas de acceso a la red (a qué dominios puede acceder el agente) y los archivos montados que necesite el agente.

Empiece bloqueado. Dé al agente el acceso mínimo a la red requerido, instale solo los paquetes que sabe 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 lanzado, el agente se ejecuta de forma autónoma — razonando, llamando a herramientas, ejecutando código y persistiendo el estado en el log de sesión. Puede inspeccionar cualquier sesión a través de la Claude Console, incluyendo cada tool call, punto de decisión y modo de fallo.

Paso 5: Instrumente e itere

El rastreo de sesiones, el análisis de integraciones y la guía de resolución de problemas están integrados directamente en la Claude Console. Úselos. Revise las primeras 20–50 sesiones manualmente antes de empezar a confiar en que el agente se ejecuta sin supervisión. Busque tres patrones: herramientas que el agente llama pero no debería, herramientas que debería llamar pero no llama, y lugares donde declaró la tarea completa prematuramente.

Paso 6: Endurezca para producción

Una vez que el agente esté funcionando, añada las tres cosas que separan una demo de un sistema en producción:

Permisos con alcance limitado. Dé al agente la identidad más reducida posible — una cuenta de servicio con acceso de solo lectura a los sistemas que necesita y acceso de escritura solo donde sea absolutamente necesario.
Checkpoints human-in-the-loop para cualquier acción irreversible. Enviar un correo electrónico, eliminar un archivo, cargar una tarjeta de crédito, publicar contenido — todo esto debería requerir aprobación explícita hasta que tenga meses de prueba de que el agente los maneja de forma fiable.
Alertas de presupuesto. Establezca límites de gasto a nivel de organización y alertas muy por debajo del límite. Un agente en un bucle no intencionado puede consumir tokens rápidamente.

Limitaciones honestas (día dos)

Todos los artículos de cobertura de lanzamiento omiten estas. Esto es lo que hay que vigilar realmente.

Está en beta pública. Lanzado el 8 de abril de 2026. La fiabilidad en producción a lo largo de meses de operación no está probada — los primeros adoptantes son nombres importantes, pero las pruebas de batalla generalizadas llevan tiempo. Trátelo como capaz de producción, pero no todavía endurecido para producción.

Los límites de frecuencia siguen aplicando. Los límites de frecuencia existentes de la API de Claude no desaparecen por usar Managed Agents. Si ejecuta 50 agentes en paralelo que consumen tokens, alcanzará topes. Los endpoints de Managed Agents tienen limitaciones de frecuencia adicionales por organización, y Anthropic aún no ha publicado cifras específicas para la beta.

El vendor lock-in es real. Una vez que sus agentes se ejecuten en la infraestructura de Anthropic, con sus herramientas, su formato de sesión y su sandboxing, cambiar a otro proveedor no es trivial. No es un factor decisivo — todo el SaaS tiene costes de cambio — pero es una consideración que merece nombrarse.

Las funciones avanzadas que probablemente quiere están en research preview. Los outcomes (autoevaluación contra criterios de éxito), la coordinación multi-agente y la memoria persistente requieren una solicitud de acceso separada y aún no están disponibles de forma general.

La predictibilidad de costes en agentes de larga duración es complicada. Que el tiempo inactivo sea gratuito es genial. Pero si su agente entra en un bucle no intencionado de trabajo activo — digamos, una búsqueda web que sigue desencadenando más búsquedas — la factura puede escalar rápido. Las alertas de presupuesto son obligatorias.

Quién debería adoptarlo ahora vs. esperar

Adopte ahora si:

Ya usa modelos de Claude para sus cargas de trabajo de agentes
Ha estado manteniendo una configuración de n8n / LangGraph / harness personalizado y el impuesto de infraestructura está matando su velocidad
Su caso de uso es trabajo asíncrono de larga duración — investigación, procesamiento de documentos, pipelines de contenido, enriquecimiento de leads
La gobernanza, la auditoría y los permisos con alcance son necesarios para que sus compradores den el visto bueno

Espere si:

Necesita orquestación multi-modelo con Claude, GPT y modelos open-source en el mismo bucle de agente
Su carga de trabajo es automatización determinista simple mejor servida por n8n o Zapier
Opera en una jurisdicción con normas estrictas de residencia de datos que Anthropic aún no cumple para su clase de datos
Necesita funciones que todavía están en research preview (coordinación multi-agente, memoria persistente)

Preguntas frecuentes

¿Qué son Claude Managed Agents? Claude Managed Agents es un servicio alojado en la Claude Platform que proporciona el runtime completo para agentes de IA en producción — incluyendo ejecución de código en sandbox, checkpointing, gestión de credenciales, permisos con alcance limitado, gestión de identidad y rastreo de ejecución. Usted define el agente; Anthropic lo ejecuta.

¿Cuándo se lanzó? La beta pública se lanzó 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 API de Claude para el uso del modelo, más $0,08 por hora de sesión de runtime activo, más $10 por cada 1.000 búsquedas web. El tiempo inactivo no se factura.

¿Cómo se compara con n8n? n8n es una herramienta de automatización de flujos de trabajo con funciones de IA añadidas. Managed Agents es un runtime de agentes — diseñado específicamente para tareas de razonamiento abierto donde el siguiente paso depende del resultado anterior. Use n8n para pipelines deterministas; use Managed Agents para trabajo de agente autónomo.

¿Puedo alojarlo yo mismo (self-host)? No. Managed Agents es un servicio alojado exclusivamente en la Claude Platform. Si necesita self-hosting, LangGraph o un harness personalizado es la respuesta correcta.

¿Qué clientes del lanzamiento lo están usando? Notion, Rakuten, Asana, Atlassian y Sentry son los clientes públicos del lanzamiento, con casos de uso que van desde agentes de codificación hasta compañeros de productividad y procesamiento de documentos.

¿Necesito ser desarrollador para usarlo? Para casos de uso básicos, no — puede definir agentes en lenguaje natural a través de la interfaz de la Claude Platform. Para cualquier cosa de nivel de producción, el conocimiento práctico de APIs y YAML es prácticamente imprescindible.

La conclusión para los negocios europeos

Si ha estado observando el espacio de los agentes preguntándose cuándo se vuelve real para las empresas que no tienen un equipo dedicado de ingeniería de IA, este es probablemente ese 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" de un laboratorio de frontera que está tanto a un precio razonable como arquitectado seriamente.

Para las pymes y las empresas del mercado medio europeas, la implicación práctica es que el cálculo de construir-vs-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 escribir una buena especificación y pagar $0,08 por hora activa. Eso transforma "¿deberíamos desplegar un agente para este flujo de trabajo?" de una decisión de capex a una decisión de opex.

Si es usted fundador, CTO u operador intentando entender qué hacer realmente con esto — no solo asentir con la cabeza en LinkedIn — esa es la conversación que tenemos en areza.digital cada semana. Ayudamos a empresas europeas a diseñar, construir y ejecutar agentes de IA en producción. Reservar una llamada de descubrimiento de 30 minutos →

Escrito por Nikita Janochkin, fundador de areza.digital. Fuentes: documentación oficial de la 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 de funciones verificados contra la documentación en vivo a 9 de abril de 2026. Última actualización: 9 de abril de 2026.

Deja de perder leads por un sitio web lento

Reserva una auditoría de fricciones gratuita y descubre exactamente dónde pierde dinero tu sitio web.

Reservar llamada →