Skip to content
DigitalNeuron
Agentes y automatización

La ventana de contexto de su agente es un presupuesto, no un diario: así lo administra Anthropic

Las directrices de Anthropic sobre ingeniería de contexto tratan la ventana de contexto como un recurso escaso y perecedero. La empresa documenta cuatro técnicas: edición del contexto, una herramienta de memoria externa, compactación y subagentes con sus propias ventanas limpias.

Por DigitalNeuron Desk4 min de lectura

Respuesta rápida

¿Cómo recomienda Anthropic gestionar el contexto en sesiones prolongadas de agentes de IA?

Las directrices de Anthropic replantean la ingeniería de prompts como ingeniería de contexto: seleccionar para cada turno el conjunto mínimo de tokens con información valiosa, en vez de acumularlo todo. En sus propias evaluaciones, eliminar automáticamente los resultados obsoletos de herramientas y utilizar un archivo de memoria externo mejoró un 39% el desempeño en una tarea de búsqueda y redujo un 84% el uso de tokens a lo largo de 100 turnos.

Claves

  • Anthropic define el objetivo como encontrar el conjunto mínimo de tokens con información valiosa que maximice las probabilidades de obtener el resultado deseado, no como maximizar cuánto contenido cabe en la ventana.
  • La edición del contexto elimina automáticamente las llamadas obsoletas a herramientas y sus resultados cuando una sesión se aproxima al límite de tokens; en la evaluación de 100 turnos realizada por Anthropic, esta técnica redujo un 84% el consumo de tokens.
  • Una herramienta de memoria permite al agente escribir archivos en un directorio que persiste entre conversaciones y está completamente fuera de la ventana de contexto, en vez de obligarlo a volver a deducirlo todo a partir de una transcripción cada vez más reducida.
  • La compactación, que consiste en resumir el historial y reiniciar el agente a partir del resumen, debe ajustarse primero para recuperar toda la información y después para mejorar la precisión, utilizando trazas reales del agente en vez de ejemplos inventados.
  • Los subagentes que exploran con su propia ventana de contexto limpia y devuelven un resumen condensado (Anthropic calcula que ocupa aproximadamente entre 1.000 y 2.000 tokens) evitan que la ventana del agente principal se llene con los borradores de trabajo de otros.

Una sesión prolongada de un agente no se queda sin inteligencia. Se queda sin espacio. Cada llamada a una herramienta, cada archivo que lee y cada reintento se añaden a la transcripción, y nada desaparece por sí solo, hasta que la ventana se convierte, en su mayor parte, en un registro de lo que el agente ya intentó, con cada vez menos espacio para lo que debe hacer a continuación. El equipo de ingeniería de Anthropic ha publicado una respuesta concreta a este problema, que consiste menos en «escribir un prompt mejor» y más en «administrar un presupuesto menguante».

El nuevo enfoque: ingeniería de contexto, no de prompts

Anthropic resume su planteamiento en una sola frase: encontrar el conjunto mínimo de tokens con información valiosa que maximice la probabilidad de obtener el resultado deseado. Es un objetivo distinto de «incluir tanto material relevante como sea posible». Una sesión prolongada acumula información, siga siendo útil o no, y la solución no es una ventana más grande, sino decidir activamente qué se conserva.

Edición del contexto: eliminar lo obsoleto

La herramienta más directa es la edición del contexto, que elimina automáticamente las llamadas antiguas a herramientas y sus resultados cuando una sesión se acerca a su límite de tokens, en lugar de dejarlos como peso muerto. En las evaluaciones internas de Anthropic, esta medida por sí sola mejoró un 29% el desempeño en una tarea de búsqueda realizada por un agente. Combinada con la herramienta de memoria descrita a continuación, la mejora ascendió al 39%. En otra evaluación de búsquedas web de 100 turnos, la edición del contexto redujo un 84% el consumo total de tokens y permitió al agente completar flujos de trabajo que, sin ella, fracasaban por completo, porque la transcripción se quedaba sin espacio antes de que terminara la tarea.

Una memoria que reside fuera de la ventana

La herramienta de memoria proporciona al agente un directorio en el que puede crear, leer, actualizar y eliminar archivos, y que persiste entre conversaciones: no forma parte en absoluto de la ventana de contexto. En vez de volver a deducir lo que ya había averiguado tres turnos antes a partir de una transcripción que se recorta continuamente, el agente puede anotarlo una vez, fuera de la conversación, y consultarlo cuando lo necesite.

Compactación: resumir y volver a empezar

En sesiones demasiado largas para seguir aplicando ajustes parciales, la compactación resume el historial y reinicia el agente a partir de ese resumen, en lugar de utilizar la transcripción completa. Las directrices de Anthropic sobre cómo ajustar un prompt de compactación establecen un orden concreto: primero hay que lograr una buena recuperación de la información, asegurándose de no omitir nada importante, y después mejorar la precisión, una vez que se tenga la certeza de que no falta nada. En cambio, la eliminación de resultados obsoletos de herramientas se describe como una de las modalidades de compactación más prudentes, seguras y sencillas, por lo que constituye un punto de partida razonable antes de recurrir a una fase de resumen completo.

Los subagentes se ocupan de su propio desorden

Esta es la técnica que Anthropic propone para la exploración en paralelo: varios subagentes pueden consumir sus propios borradores de trabajo sin contaminar jamás la ventana del agente principal con los callejones sin salida de otros. La publicación de Anthropic menciona un agente de demostración que juega a Pokémon y conserva la precisión en sus tareas durante miles de pasos del juego gracias a esta combinación de técnicas.

Notas estructuradas, fuera de la conversación

La última pieza es deliberadamente sencilla: el agente mantiene una nota externa actualizada, como una lista de tareas o un archivo NOTES.md, en vez de depender de la propia conversación como único registro de lo que ha hecho y lo que aún tiene pendiente. Anthropic cita su propio Claude Code como ejemplo de este patrón. Implementarlo no cuesta nada y no compite por espacio con la ventana de contexto, porque se encuentra fuera de ella.

Compruebe la fecha. Al redactarse este artículo, la edición del contexto y la herramienta de memoria figuraban como funciones en beta pública (Anthropic fechó sus propias publicaciones el 29 de septiembre de 2025 y en ellas describía Claude Sonnet 4.5). Las funciones beta cambian con rapidez: consulte directamente las páginas enlazadas para conocer su disponibilidad actual, en vez de depender de este resumen meses después.

Preguntas frecuentes

¿Tengo que implementar por mi cuenta la edición del contexto?
No. Anthropic la ofrece como función en beta pública en Claude Developer Platform, Amazon Bedrock y Google Cloud Vertex AI para Claude Sonnet 4.5, que además incorpora la capacidad de controlar su propio uso de tokens.
¿Qué diferencia hay entre la herramienta de memoria y limitarse a escribir un prompt de sistema más largo?
La herramienta de memoria es un directorio independiente en el que Claude lee y escribe archivos entre conversaciones. Se encuentra completamente fuera de la ventana de contexto, en vez de ocupar espacio dentro de cada turno.
¿Publica OpenAI algo equivalente para ChatGPT o su API de agentes?
Este artículo no encontró nada equivalente. Anthropic ha publicado directrices técnicas detalladas y funciones beta formuladas específicamente como ingeniería de contexto; durante la investigación para este artículo no se halló un documento directamente comparable de OpenAI.
¿Cuál es la versión más sencilla que puedo probar primero?
Anthropic califica la eliminación de resultados obsoletos de herramientas como «una de las formas de compactación más seguras y sencillas»; es el cambio más pequeño que puede hacerse antes de recurrir a una herramienta de memoria o a una arquitectura de subagentes.

Fuentes

  1. Effective context engineering for AI agentsAnthropic
  2. Managing context on the Claude Developer PlatformAnthropic
Etiquetasclaudeagentscontext-windowmemorytool-useclaude-code

Lecturas relacionadas

Anthropic se asocia con el Instituto Allen y el HHMI para desarrollar sistemas de IA científica

Anthropic anunció alianzas en el ámbito de las ciencias de la vida con el Allen Institute y el Howard Hughes Medical Institute. HHMI trabajará con Anthropic en agentes de laboratorio especializados, mientras que el Allen Institute colaborará en sistemas multiagente coordinados para el análisis científico, el diseño experimental y otras tareas de investigación. Ambas alianzas también nutrirán las capacidades más amplias de Claude en ciencias de la vida.

3 min de lectura

Análisis: OpenAI open-sourced the harness, not the model — y eso es la estrategia

Un arnés es el código alrededor del modelo: reúne el contexto, ejecuta el bucle de llamadas a herramientas, transmite eventos, compacta sesiones largas y mantiene acciones irreversibles detrás de la aprobación humana. OpenAI lanzó el arnés de Codex — codex exec, el servidor de la aplicación y el SDK — bajo Apache-2.0, por lo que cualquier empresa puede incorporar ese mismo bucle de agente en su propio software mientras sigue pagando por el modelo subyacente.

6 min de lectura