Workflows agénticos — Maestría6 / 8
Subagentes — Delegando Trabajo que Escala
Un contexto gigante se vuelve lento y vago. Los subagentes permiten que el agente principal delegue trabajo enfocado a especialistas con su propio contexto y herramientas — y ejecutarlos en paralelo.
Una sola conversación que lo hace todo eventualmente no hace nada bien: el contexto se llena de exploración y el agente se vuelve más lento y vago. Los subagentes lo resuelven mediante delegación.
Qué es un subagente
Un subagente es una instancia Claude separada con su propia ventana de contexto, prompt de sistema y lista de herramientas permitidas. El agente principal le entrega una tarea; trabaja en aislamiento y devuelve solo su resultado — no sus pasos intermedios.
Dos beneficios: aislamiento de contexto (una inmersión profunda y pesada de lectura no contamina tu hilo principal) y paralelismo (los subagentes independientes se ejecutan a la vez).
Crear uno
Ejecuta /agents, o coloca un archivo en .claude/agents/:
---
name: code-reviewer
description: Reviews diffs for bugs and security issues. Use after writing code.
tools: Read, Grep, Glob, Bash
model: sonnet
---
You are a meticulous senior reviewer. Cite file and line, explain the
failure, propose a fix. Prefer fewer high-confidence findings.
El campo description es el disparador
Claude lee description para decidir cuándo delegar automáticamente. Escríbelo como un disparador:
- Vago:
"Reviews code."→ raramente auto-invocado. - Preciso:
"Use PROACTIVELY after any code change to review for bugs."→ invocado en el momento correcto.
Cuándo delegar — y cuándo no
- Delega cuando el trabajo es independiente y paralelizable (N archivos, N verificaciones), necesita aislamiento de contexto, o se beneficia de un rol especializado.
- No delegues cuando la tarea es pequeña y secuencial, o necesita la conversación completa que el subagente no tendrá — los subagentes comienzan de cero.
Ahora tenemos los cuatro bloques de construcción. Siguiente: la configuración lista para usar que los une — ajustes, permisos y una línea de estado que realmente lees.
Serie — Workflows agénticos — Maestría
- Parte 01La mentalidad del flujo de trabajo agénticoLa mayoría de los desarrolladores tratan la IA como un autocompletado más inteligente. Los que avanzan la tratan como un compañero que actúa. Aquí está el modelo mental.
- Parte 02MCP Servers 101 — Dale herramientas reales a tu agenteEl Model Context Protocol es cómo tu agente deja de adivinar y comienza a consultar tu base de datos, tus issues, tu navegador. Aquí está el modelo mental y la primera conexión.
- Parte 03Construye tu primer servidor MCP personalizadoLos servidores predefinidos cubren GitHub y Postgres. El de alto impacto es el servidor que solo tú puedes escribir — el puente hacia tu propio sistema.
- Parte 04Hooks — Make the Agent Obey Your RulesA prompt asks the model to remember. A hook makes it happen — deterministically, every time, outside the model's control.
- Parte 05Custom Slash Commands as Team WorkflowsA custom slash command is a reusable prompt you commit to the repo — so the whole team runs the same high-quality instruction instead of re-typing it.
- Parte 06Subagentes — Delegando Trabajo que Escala — estás aquíUn contexto gigante se vuelve lento y vago. Los subagentes permiten que el agente principal delegue trabajo enfocado a especialistas con su propio contexto y herramientas — y ejecutarlos en paralelo.
- Parte 07The Daily-Driver Setup — Settings, Permissions, Status LineLa diferencia entre luchar contra el agente y fluir con él es veinte minutos de configuración que haces una sola vez. Aquí está la configuración.
- Parte 08Multi-Tool Pipelines — Ticket to Reviewed BranchThe payoff: chain MCP, hooks, commands and subagents into one flow that takes a ticket to a reviewed branch — with you in the loop only where it counts.