Me pasó algo con Claude que no me había pasado con ninguna otra herramienta de IA: dejó de ser un autocompletado mejorado para convertirse en parte real de cómo trabajo todos los días. Pero —y esto es lo importante— no por arte de magia. Pasó cuando dejé de tratarlo como un chat y empecé a configurarlo en serio: skills, subagentes y MCP. Te cuento cómo lo uso y qué aprendí en el camino.
Skills: si lo hacés más de una vez por día, automatizalo
Las skills son piezas de conocimiento reutilizable que viven en tu proyecto. Las invocás con un comando y ejecutan lo que vos definiste: correr un script, traer contexto, aplicar un procedimiento. La regla que adopté y que me cambió la cabeza es simple: si hago algo más de una vez por día, lo convierto en una skill. Resumir los cambios de un branch, preparar un release, generar una imagen para un post. En lugar de re-explicarlo cada vez, queda capturado una sola vez y listo.
Subagentes: contexto limpio para tareas focalizadas
Los subagentes son instancias aisladas que se ocupan de una tarea puntual sin ensuciar el contexto de la sesión principal. El que más uso es uno de revisión de PRs: antes de abrir un pull request, lo paso por un subagente que me marca bugs, problemas de seguridad y violaciones de convenciones. Es como tener un revisor incansable que mira siempre con los mismos ojos. Y como corre en su propio contexto, no me contamina la conversación principal con todo lo que tuvo que leer para llegar a la conclusión.
MCP: el cable que vuelve a Claude consciente del sistema
Acá está, para mí, el salto más grande. MCP (Model Context Protocol) es lo que conecta a Claude con sistemas externos: GitHub, Postgres, Sentry, y hasta hace poco Obsidian para mis notas (digo «hasta hace poco» porque estoy por lanzar Diluxite, un segundo cerebro creado por mí y a mi estilo). Como leí en un post que lo describe muy bien, MCP es «el cable que convierte a Claude Code de un agente que escribe código en uno que entiende el sistema». La diferencia es enorme: ya no le explicás el contexto, lo tiene. Consulta la base, lee el ticket, revisa los errores reales de producción. Deja de adivinar.
«El setup es el trabajo; la ejecución es verificación»
Esta frase —que también me robé de por ahí— resume todo lo que vengo aprendiendo. La tentación es abrir el chat y empezar a pedir cosas. Pero el valor real aparece cuando invertís en la configuración: un CLAUDE.md corto y filoso con solo las reglas que evitan errores, comandos propios, loops de verificación, memoria persistente.
Mi truco favorito: cuando Claude se equivoca en algo, le pido que actualice él mismo el CLAUDE.md (o el .md donde estén las falencias) con la regla que le faltaba. Después de unas semanas de capturar el feedback recurrente, los errores que se repetían simplemente desaparecen, porque ya aprendió el patrón. El sistema se va afilando solo.
Trabajar en paralelo, no en fila
El otro cambio fuerte fue dejar de trabajar secuencial. En vez de hacer una cosa, esperar, hacer la siguiente, ahora largo varias sesiones en paralelo sobre distintos worktrees, y voy verificando a medida que terminan. Sumado a compactar el contexto entre hitos lógicos para no inflar tokens al pedo, el flujo cambia por completo: pasás de pilotear cada paso a orquestar varios frentes a la vez. Acá se mete de lleno el tema del multitasking real con agentes —cuánto podés tener en el aire sin perder el control—, pero eso ya da para un artículo aparte.
La herramienta rinde lo que vos le ponés
Si tuviera que dejarte una sola idea es esta: Claude no te da su mejor versión hasta que lo configurás como corresponde. Tratado como chat, es un autocompletado simpático. Tratado como un sistema —con skills, subagentes, MCP y memoria— y con un sistema de flujos (una «máquina de estados», como me gusta decir a mí) se vuelve un compañero de trabajo que entiende tu proyecto y mejora con el uso. Y esto es justamente lo que vamos a aprender en el AI-First Builders Lab del MUG: dejar de usar la IA como un chat suelto y empezar a construir con ella sistemas que funcionan de verdad.
