Objetivo del tema
Integrar lo aprendido durante el curso, comprender qué distingue a Claude Code dentro del ecosistema de agentes de programación y construir un método reproducible para elegir una herramienta. Compararemos Claude Code, OpenAI Codex, GitHub Copilot, Gemini CLI y el enfoque de un editor con IA como Cursor sin declarar un ganador universal: la elección correcta depende del flujo, los controles y los resultados medidos en tu organización.
Comparativa revisada con documentación oficial disponible el 30 de agosto de 2026. Los productos cambian con rapidez; verifica madurez, precios, límites y políticas antes de adoptar.
Un autocompletador propone texto; un agente recibe un objetivo, explora el repositorio, usa herramientas, modifica archivos, ejecuta comprobaciones y presenta evidencia. La diferencia importante no es cuánto código escribe, sino cuánto del ciclo puede completar sin perder control.
Los dieciocho temas anteriores construyeron esas capas: instalación, configuración, memoria, herramientas, Git, planificación, automatización, Hooks, subagentes, MCP, Skills, prompts y seguridad. Dominar la sintaxis de un producto es útil; dominar este ciclo permite transferir la práctica a cualquier agente.
La habilidad durable: formular trabajo comprobable y diseñar límites. Los nombres de comandos cambian; el contrato de tarea, el mínimo privilegio, la revisión del diff y la verificación siguen siendo válidos.
Una respuesta aislada o un benchmark público no representa tu repositorio, tus políticas ni el costo de corregir errores. Además, “producto” y “modelo” no son sinónimos: una interfaz puede ofrecer varios modelos, y un mismo modelo se comporta de manera diferente según herramientas, contexto, permisos y estrategia del agente.
| Capa | Pregunta útil | Evidencia |
|---|---|---|
| Modelo | ¿Razona bien sobre los lenguajes y dominios del proyecto? | Casos representativos, no una demo preparada. |
| Agente | ¿Explora, decide, edita y repara de forma consistente? | Tasa de tareas aceptadas y número de reintentos. |
| Interfaz | ¿Encaja en terminal, IDE, web, móvil, CI o incidencias? | Tiempo de ciclo y cambios de contexto del equipo. |
| Contexto | ¿Encuentra lo necesario sin cargar información irrelevante? | Errores por omisión, costo y latencia. |
| Extensión | ¿Admite instrucciones, Skills, Hooks, MCP o API? | Integración funcional con sistemas reales. |
| Gobierno | ¿Permite permisos, aislamiento, auditoría y políticas administradas? | Pruebas de controles y revisión de seguridad. |
| Economía | ¿Cuál es el costo total de una tarea aceptada? | Licencia/uso más revisión, espera y retrabajo. |
No compares solo ventanas de contexto, puntuaciones de modelos o precio por token. Una tarea barata que exige dos horas de corrección puede ser más costosa que una ejecución de mayor precio aceptada en la primera revisión.
Claude Code nació con una experiencia fuerte en terminal, pero su documentación actual lo presenta también en IDE, escritorio, web y otros flujos. Puede leer y editar archivos, ejecutar comandos y consultar la web; sobre esa base agrega CLAUDE.md, Skills, MCP, Hooks, subagentes, equipos de agentes y plugins.
Trabajo de repositorio de varios pasos, investigación profunda, shell, automatización y flujos personalizados alrededor del ciclo completo.
CLAUDE.md para contexto persistente, Skills para procedimientos bajo demanda, Hooks deterministas y MCP para herramientas externas.
Subagentes con contexto aislado y equipos para coordinar trabajo independiente cuando la tarea justifica el costo.
El acceso amplio a shell y servicios exige permisos, sandbox, credenciales mínimas y revisión; más autonomía no equivale a más seguridad.
Es una opción natural cuando el centro del trabajo es el repositorio y se desea componer comportamientos reutilizables. No presupongas que siempre será la mejor: mide el soporte de tu lenguaje, el entorno corporativo, la calidad de revisión y la fricción de permisos.
Codex ofrece CLI para inspeccionar, editar y ejecutar código, una extensión de IDE y ejecución en la nube. La configuración actual incluye instrucciones jerárquicas mediante AGENTS.md, subagentes, reglas, Skills, plugins, Hooks y servidores MCP; también dispone de modos no interactivos e integración para automatización.
Flujos que quieren mover una tarea entre interacción local, editor y ejecución remota, manteniendo la orientación a agente.
AGENTS.md, configuración por ámbito, Skills, plugins, Hooks, reglas y MCP.
Además de las superficies de usuario, expone SDK, servidor de aplicación, servidor MCP, GitHub Action y modo no interactivo.
Local y nube tienen fronteras de datos y permisos distintas. Evalúa cada modo con su entorno, red, credenciales y política efectiva.
Su amplitud de superficies resulta atractiva para equipos que alternan trabajo interactivo y delegado. La comparación correcta con Claude Code debe usar la misma tarea, el mismo repositorio, permisos equivalentes y una definición idéntica de “terminado”.
Copilot combina asistencia en IDE, GitHub.com y CLI. En el IDE, el modo agente decide archivos, propone ediciones, ejecuta comandos y puede iterar sobre errores. El agente en la nube se integra con incidencias y pull requests. La plataforma admite instrucciones del repositorio, perfiles de agentes, Skills, Hooks y MCP, aunque la disponibilidad puede variar entre IDE, web, CLI y características en vista previa.
Organizaciones cuyo trabajo ya gira alrededor de GitHub, pull requests, revisiones, políticas de repositorio y varios IDE.
.github/copilot-instructions.md, instrucciones por ruta, AGENTS.md, prompts reutilizables, Skills y agentes especializados.
Agentes personalizados con herramientas delimitadas y subagentes en superficies compatibles; el agente cloud trabaja sobre el flujo de GitHub.
Una característica puede comportarse o estar disponible de forma diferente según la superficie. Valida exactamente IDE, CLI o cloud que usarás.
Es especialmente convincente cuando reducir el salto entre editor, issue y pull request vale más que optimizar una experiencia exclusiva de terminal. La integración no elimina la necesidad de proteger ramas, revisar cambios y limitar los tokens del repositorio.
Gemini CLI es un agente orientado a terminal con gestión de archivos, shell, búsqueda web y extensibilidad. Su documentación incluye contexto jerárquico mediante GEMINI.md, Agent Skills, Hooks, MCP, extensiones, sandbox, checkpoints, integración con IDE y modo headless con salida de texto o JSON para scripts.
Equipos que valoran una CLI abierta, automatización programática y conexión con servicios o infraestructura del ecosistema Google.
GEMINI.md, comandos propios, Skills, Hooks y extensiones que pueden empaquetar varios recursos.
Checkpointing toma snapshots antes de modificaciones; el modo headless facilita pipelines con salida estructurada.
La documentación marca algunas capacidades con estado experimental. No bases un proceso crítico en ellas sin validar madurez y fallback.
Es una alternativa directa para tareas de terminal y CI. Como en los demás agentes, que una función exista no prueba su idoneidad: ensaya comportamiento en Windows/Linux, repositorios grandes, proxies, cuotas y políticas reales.
Un editor con IA sitúa la conversación junto a pestañas, selección, diagnósticos, navegación y diff visual. Cursor representa este enfoque: su agente comprende el repositorio, planifica, modifica, depura y revisa; su plataforma documenta reglas, Skills, subagentes, Hooks, MCP, CLI y agentes remotos.
Iteración visual rápida, cambios locales estrechamente guiados y equipos que prefieren permanecer dentro del editor.
Archivos abiertos, selección, errores y navegación reducen la necesidad de describir manualmente el estado visible.
Los agentes en segundo plano pueden editar y ejecutar código en máquinas remotas aisladas y continuar de forma asíncrona.
Un agente remoto cambia la frontera de confianza: clonación, retención, acceso a Internet y ejecución automática requieren revisión específica.
“IDE-first” no significa “solo autocompletado”, del mismo modo que “terminal-first” ya no significa “sin interfaz visual”. La pregunta práctica es dónde revisa mejor tu equipo y qué superficie conserva suficiente evidencia del trabajo.
La siguiente matriz resume capacidades documentadas. “Principal” describe la orientación más reconocible, no una limitación exclusiva. La disponibilidad exacta puede depender del plan, la plataforma, la política organizativa o el nivel de madurez.
| Criterio | Claude Code | Codex | GitHub Copilot | Gemini CLI | Cursor |
|---|---|---|---|---|---|
| Orientación principal | Agente de desarrollo con fuerte flujo de terminal. | Agente entre CLI, IDE y nube. | IDE y ciclo GitHub. | CLI abierta y automatizable. | Editor y agente integrados. |
| Superficies documentadas | CLI, IDE, escritorio y web. | CLI, IDE, nube y escritorio. | IDEs, GitHub.com y CLI. | CLI, headless e integración IDE. | Editor, CLI y agentes cloud. |
| Instrucción del proyecto | CLAUDE.md | AGENTS.md | Archivos Copilot, instrucciones por ruta y AGENTS.md | GEMINI.md | Rules e instrucciones compatibles. |
| Procedimientos reutilizables | Skills, comandos y plugins. | Skills y plugins. | Skills, prompts y agentes. | Skills, comandos y extensiones. | Skills y plugins. |
| MCP | Sí | Sí | Sí, según superficie | Sí | Sí |
| Hooks | Sí | Sí | Sí, con soporte variable | Sí | Sí |
| Delegación especializada | Subagentes y equipos. | Subagentes. | Agentes personalizados y subagentes donde se admite. | Subagentes locales/remotos; revisar madurez. | Subagentes y agentes cloud. |
| Ejecución no interactiva/remota | Modo print y superficies remotas. | Modo no interactivo y nube. | CLI y agente cloud. | Modo headless con JSON. | CLI headless y agentes cloud. |
| Afinidad de ecosistema | Flujos Anthropic y composición de agentes. | OpenAI/ChatGPT y plataforma Codex. | GitHub, PR e IDE empresariales. | Google y CLI open source. | Experiencia de editor y selección de modelos. |
Cómo leer la matriz: una casilla “sí” no mide profundidad, ergonomía ni gobierno. Compara la operación completa: descubrir la función, configurarla, aprobarla, auditarla, recuperarse de un fallo y mantenerla entre versiones.
| Si tu prioridad es... | Empieza evaluando... | Pero confirma... |
|---|---|---|
| Automatización profunda desde terminal | Claude Code, Codex y Gemini CLI. | Modo headless, códigos de salida, permisos y estabilidad en CI. |
| Trabajo integrado en issues y PR | GitHub Copilot y agentes cloud compatibles. | Identidad del bot, protección de ramas, costo y evidencia. |
| Iteración visual dentro del editor | Cursor, Copilot en IDE y extensiones de agentes. | Calidad del diff, terminal, diagnóstico y accesibilidad. |
| Delegación larga o en paralelo | Claude Code, Codex, Copilot cloud y Cursor cloud. | Aislamiento, concurrencia, conflictos, retención y supervisión. |
| Portabilidad de integraciones | Productos con MCP y Skills compatibles. | Diferencias de esquema, permisos y eventos; no asumir paridad. |
| Gobierno empresarial | Los candidatos aprobados por seguridad y compras. | Contrato, región, retención, auditoría, SSO y configuración administrada. |
Una organización puede usar más de una herramienta: editor para cambios pequeños, agente de terminal para migraciones y agente cloud para backlog. Esa combinación solo es sana si mantiene instrucciones coherentes y evita duplicar accesos, licencias y superficies de datos sin una razón medible.
Selecciona entre cinco y diez tareas reales, con dificultad y riesgo variados. Congela un commit inicial por tarea y entrega a cada producto el mismo contrato. No optimices el prompt para un candidato y uses una frase vaga para otro.
tarea: "Corregir duplicación de cobro ante reintentos"
repositorio: "commit 8f4c2e1, entorno limpio"
alcance:
permitido: ["src/payments/**", "tests/payments/**"]
prohibido: ["cambiar la API pública", "acceder a producción"]
aceptacion:
- "el test de concurrencia reproduce primero el defecto"
- "la corrección conserva compatibilidad"
- "tests y análisis estático finalizan correctamente"
entrega:
- "diff mínimo"
- "comandos y resultados"
- "supuestos y riesgos residuales"| Métrica | Cómo medirla | Por qué importa |
|---|---|---|
| Aceptación funcional | Criterios superados sin editar manualmente el resultado. | Evita premiar una respuesta convincente pero incorrecta. |
| Tiempo hasta aceptar | Desde el inicio hasta diff revisado y verificaciones verdes. | Incluye ejecución, espera y correcciones. |
| Retrabajo humano | Minutos y líneas necesarias para hacer aceptable el cambio. | Revela costo oculto. |
| Precisión del alcance | Archivos o efectos innecesarios y violaciones de restricciones. | Mide control, no solo capacidad. |
| Evidencia | Comandos, resultados, diff y límites declarados. | Facilita revisión y auditoría. |
| Costo total | Consumo/licencia más tiempo humano y plataforma. | Permite comparar planes económicos distintos. |
| Recuperación | Facilidad de detener, revertir y reanudar. | Reduce el impacto de fallos. |
Ejecuta cada tarea más de una vez: los agentes son no deterministas. Registra versión del producto, modelo, configuración, permisos, fecha y resultado. Una evaluación sin esa trazabilidad no puede repetirse cuando cambie el servicio.
MCP y el formato de Skills reducen parte del acoplamiento, pero no crean compatibilidad automática. Las herramientas pueden aceptar nombres, transportes, permisos o eventos diferentes. Los archivos CLAUDE.md, AGENTS.md, GEMINI.md y reglas del editor tampoco deben copiarse sin revisar precedencia y soporte.
Conserva arquitectura, comandos, definición de terminado y políticas en documentación neutral del repositorio.
Cada archivo de agente referencia la fuente común y añade solo instrucciones específicas de la herramienta.
CI, protección de ramas, secret scanning, permisos de API y revisión humana no deben depender del modelo.
Registra agentes, modelos, MCP, Skills, Hooks, propietarios, credenciales, datos y fecha de revisión.
docs/engineering-standards.md # fuente neutral
AGENTS.md # adaptación para agentes compatibles
CLAUDE.md # adaptación de Claude Code
GEMINI.md # adaptación de Gemini CLI
.github/copilot-instructions.md # adaptación de Copilot
# Todos remiten a los mismos comandos de build, test y criterios de entrega.Evita políticas críticas expresadas solo en lenguaje natural. Si “no publicar sin aprobación” importa, aplícalo también con permisos del token, protección de rama o entorno, no únicamente con una frase en memoria.
| Capacidad | Puedes demostrarla cuando... |
|---|---|
| Delegar | Defines objetivo, alcance, restricciones, aceptación y entrega sin ambigüedad crítica. |
| Contextualizar | Versionas instrucciones útiles y cargas detalles específicos solo cuando hacen falta. |
| Extender | Distingues cuándo usar una Skill, Hook, MCP, subagente o automatización externa. |
| Supervisar | Lees el plan y el diff, cuestionas supuestos y exiges evidencia de verificación. |
| Proteger | Minimizas datos y capacidad con permisos, aislamiento y credenciales acotadas. |
| Recuperar | Puedes detener, revertir, rotar secretos y reconstruir qué ocurrió. |
| Evaluar | Comparas tareas aceptadas, tiempo, retrabajo, riesgo y costo total con un piloto repetible. |
Conclusión del curso: no existe un asistente universalmente superior. Claude Code es una plataforma especialmente potente para convertir el repositorio y la terminal en un entorno de trabajo agentivo, pero Codex, Copilot, Gemini CLI y los editores con IA ofrecen combinaciones distintas de superficies, ecosistema y delegación. El profesional no elige por entusiasmo ni delega responsabilidad: diseña la tarea, limita la capacidad, mide el resultado y conserva la decisión final.
Documentación oficial consultada:
Siguiente paso: elige una tarea real de riesgo bajo, escribe su contrato con la plantilla de la sección 19.10, registra la línea base y ejecuta un piloto. La adopción empieza con evidencia, no con una compra masiva.