Sub-Agentes en Claude Code: Primeras Impresiones del Día Cero
Anthropic lanzó los sub-agentes en Claude Code hace unas horas. Aquí van mis primeras impresiones sin filtro después de experimentar toda la tarde.
Anthropic acaba de hacer disponible la feature de sub-agentes en Claude Code - literalmente hace unas horas.
Como siempre que sale algo nuevo, me lancé a probarlo de inmediato. Aquí están mis primeras impresiones sin hype - solo lo que funciona, lo que no, y los patterns que empiezan a emerger.
¿Qué son los sub-agentes?
Son “mini-Claudes especializados” que puedes crear desde Claude Code. Cada uno mantiene su propia ventana de contexto y puede tener herramientas específicas asignadas.
Setup real:
# Abres la interfaz interactiva
claude
/agents
# Te da un menú para crear, editar, o ver sub-agentes
# Puedes crear a nivel proyecto (.claude/agents/) o usuario (~/.claude/agents/)
La interfaz te permite generar el sub-agente con Claude primero (recomendado), después lo personalizas. Son archivos markdown con YAML frontmatter - nada fancy, pero efectivo.
Primera impresión: Menos “mágico” de lo esperado, pero más práctico. Es configuración sólida, no magia de AI.
Mis primeros experimentos
Test 1: Sub-agente revisor de código
Creé uno con esta estructura basado en el ejemplo de los docs:
---
name: revisor-codigo
description: Expert code review specialist. Use immediately after writing or modifying code.
tools: Read, Grep, Glob, Bash
---
Eres un revisor senior enfocado en calidad y seguridad...
Resultado: Sorprendentemente sólido. Claude Code lo invocó automáticamente cuando hice cambios, y las revisiones fueron consistentemente detalladas y útiles.
Test 2: Invocación explícita
> Use the revisor-codigo sub agent to check my recent changes
Resultado: Limpio. El sub-agente se activó inmediatamente y mantuvo su “personalidad” especializada durante toda la revisión.
Test 3: Delegación automática
Simplemente pedí “review this code” sin especificar sub-agente.
Resultado: Claude Code identificó que tenía un revisor especializado y lo delegó automáticamente. Magia cuando funciona.
Lo técnico: lo bueno, lo malo y lo confuso
Lo que funciona:
Setup directo: La interfaz
/agents
es intuitivaAislamiento de contexto funciona: Los sub-agentes no contaminan tu conversación principal
Scope de herramientas útil: Puedes limitar herramientas específicas o heredar todas
Lo confuso:
Automático vs explícito: No siempre es claro cuándo delegará automáticamente.
Overhead de performance: Cada sub-agente arranca desde cero = más latencia.
Visibilidad de costos: Aún no está claro cuántos tokens extra quema.
El verdadero valor: preservación de contexto
No es sobre velocidad o paralelización (para eso está el Task tool). Es sobre mantener conversaciones especializadas sin perder el hilo principal.
Ejemplo real: Estaba debuggeando un issue complejo. En lugar de que mi chat principal se llenara de logs de exploración, el sub-agente debugger hizo toda la investigación y me regresó solo los hallazgos relevantes. Esto es algo que yo tenía que intentar manualmente anteriormente (“Use two sub-agents to think through different ways to solve X”).
Casos de uso que funcionan
Revisor de código:
Configurado con style guides específicos
Encuentra issues que consistentemente paso por alto
Mantiene criterios uniformes proyecto tras proyecto
Explorador de datos:
Especializado en análisis exploratorio.
Ejecuta queries en Snowflake para validar mis modelos de dbt recién deployados.
Regresa insights limpios, no montones de código
Generador de documentación:
Solo crea/actualiza READMEs (mi siguiente paso es automatizar la actualización de documentación en Notion con su MCP).
Conoce mi formato y tono preferido (y links a la pagina de docs en Notion para mi equipo de datos).
Se activa automáticamente con archivos nuevos.
Donde se complica
Encadenamiento complejo: Intenté workflows donde sub-agentes se pasan resultados. La coordinación se puso complicada rápido.
Sub-agentes muy amplios: Un “full-stack developer” que intenta hacer todo fue menos efectivo que varios especializados.
Loops de auto-corrección: Los ciclos de generar → probar → arreglar todavía necesitan supervisión constante.
La economía de tokens (para proyectos indies)
Overhead real: Cada sub-agente añade latencia porque arranca con contexto limpio.
Consumo de tokens: Según los docs, ayuda con “eficiencia de contexto” en sesiones largas, pero definitivamente usas más tokens por tarea individual.
Mi estrategia: Los uso donde la especialización justifica el costo extra, no para todo.
Patterns emergentes
El Especialista: Un sub-agente por skill específico (revisor, tester, documentador). Delegación limpia, resultados consistentes.
El Explorador: Sub-agente que investiga sin contaminar la conversación principal. Perfecto para codebases nuevos.
La Automatización: Sub-agentes con “use PROACTIVELY” que se activan automáticamente en contextos específicos.
Setup práctico para empezar
Semana 1:
claude → /agents para explorar
Crea un revisor de código básico
Experimenta con invocación explícita vs automática
Semana 2:
Identifica UNA tarea repetitiva en tu workflow
Crea sub-agente especializado para eso
Itera el system prompt hasta que sea consistente
Pro tip: Usa Claude para generar el sub-agente inicial, después personalízalo. Los prompts que genera son buenos puntos de partida.
Preguntas para la comunidad
¿Alguien más está experimentando hoy?
¿Qué workflows específicos están probando?
¿Casos donde definitivamente NO vale la pena?
Mi conclusión después del día 1
Esto es evolución, no revolución. Útil pero requiere pensamiento estratégico sobre cuándo la especialización justifica la complejidad.
Mejor caso actual: Tareas especializadas frecuentes donde quieres consistencia.
Peor caso: Intentar automatizar todo o crear workflows complejos desde el inicio.
Para que lo pruebes
# Asumiendo que ya tienes Claude Code
claude
/agents
# Sigue el conejo blanco
Mi recomendación: Empieza con un revisor de código. Utilidad inmediata + te da una idea de cómo funciona la delegación.
Seguiré documentando descubrimientos durante la semana. Los sub-agentes se sienten como una feature que madurará rápido con feedback de la comunidad.
¿Ya estás experimentando? ¿Qué workflows tienes en mente? Comparte en los comentarios - me encanta ver qué está probando la comunidad en el día cero.
Update: Más experimentos vienen. Suscríbete si quieres seguir el proceso.