Course · 7 chapters
Panorama de los Agentes de Codificación
Choose the right AI coding agent for your team. Compare Claude Code, OpenAI Codex, Gemini CLI, GitHub Copilot, and Cursor on architecture, permissions, and cost. 7 chapters, foundations.
What you'll be able to do
- Compare the top 5 coding agents
- Map terminal, cloud, and IDE agents
- Assess each agent's permissions model
- Compare coding agent costs
- Match an agent to your team
- Plan a multi-agent rollout
What's inside
- 1Panorama de Agentes de Código: Comienza Aquí
Una orientación de 12 minutos sobre cinco agentes de código cuyas listas de características han convergido cerca de 1M de contexto — así que la decisión real es el ajuste, no la capacidad.
- 2Visión general de Claude Code
El agente de programación nativo de terminal de Anthropic — arquitectura, contexto de 1M tokens, permisos, modelo de costos y consideraciones honestas para gerentes de ingeniería que evalúan sus opciones.
- 3Panorama de OpenAI Codex
El agente de programación async-first de OpenAI — arquitectura CLI y cloud task, ejecución sandboxed, modelo de permisos, estructura de costos y compensaciones honestas para managers de ingeniería que evalúan sus opciones.
- 4Gemini CLI en Resumen
El agente de terminal de código abierto de Google — se retira para los usuarios de consumo, Pro y Ultra el 18 de junio de 2026 en favor del Antigravity CLI, de código cerrado.
- 5Panorama de GitHub Copilot
El ecosistema de asistente de programación nativo de IDE de Microsoft/GitHub — superficies, arquitectura, manejo de contexto, permisos, modelo de costos y compensaciones honestas para managers de ingeniería que evalúan sus opciones.
- 6Panorama de Cursor
El IDE nativo de IA que bifurca VS Code e integra múltiples modelos en cada superficie de edición — arquitectura, manejo de contexto, permisos, modelo de costos y compensaciones honestas para managers de ingeniería que evalúan sus opciones.
- 7Elegir el agente correcto
Un marco de decisiones para engineering managers que evaluan agentes de codificacion — dimensiones que importan, arquetipos de equipo, estrategias multi-agente y plan de implementacion.
Frequently asked questions
- What will I learn in the Coding Agents Landscape course?
- You learn how five major AI coding agents (Claude Code, OpenAI Codex, Gemini CLI, GitHub Copilot, and Cursor) differ in architecture, context window, permissions, and cost. The final chapter gives you a decision framework to match an agent to your team and plan a rollout.
- Who is this coding agents course for?
- It is built for engineers and engineering managers who need to evaluate and choose AI coding agents for a team. It is a foundations-level survey, so it suits anyone making or influencing the tooling decision.
- Do I need to code or have experience to take this course?
- Some software engineering background helps, because the course covers architecture, sandboxed execution, and cost models. You do not write code during the course. It is an evaluation and comparison survey, not a hands-on build.
- How long is the course and is there a certificate?
- The course has 7 chapters and runs about 140 minutes (roughly 2 hours and 20 minutes). Completing the chapters earns a certificate you can share.
- Is the Coding Agents Landscape course free?
- No. It is a paid course included with an AI Academy by Anthropos subscription.
Earn a certificate
Complete all chapters to receive your certificate of completion.