Curso · 7 capítulos
Panorama de los Agentes de Codificación
Elige el agente de codificación AI adecuado para tu equipo. Compara Claude Code, OpenAI Codex, Gemini CLI, GitHub Copilot y Cursor en arquitectura, permisos y coste. 7 capítulos, nivel fundamentos.
Lo que sabrás hacer
- Compara los 5 principales agentes de codificación
- Clasifica agentes de terminal, nube e IDE
- Evalúa el modelo de permisos de cada agente
- Compara los costes de los agentes de codificación
- Encuentra el agente ideal para tu equipo
- Planifica un despliegue multi-agente
Qué incluye
- 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.
Preguntas frecuentes
- ¿Qué aprenderé en el curso Coding Agents Landscape?
- Aprenderás en qué se diferencian cinco agentes de codificación AI principales (Claude Code, OpenAI Codex, Gemini CLI, GitHub Copilot y Cursor) en cuanto a arquitectura, ventana de contexto, permisos y coste. El capítulo final te ofrece un marco de decisión para elegir el agente más adecuado para tu equipo y planificar su implantación.
- ¿A quién va dirigido este curso sobre agentes de codificación?
- Está diseñado para ingenieros y responsables de ingeniería que necesitan evaluar y elegir agentes de codificación AI para su equipo. Es un curso de nivel fundamentos, por lo que es ideal para cualquier persona que tome o influya en la decisión sobre las herramientas a utilizar.
- ¿Necesito saber programar o tener experiencia previa para hacer este curso?
- Tener cierta base en ingeniería de software es útil, ya que el curso aborda arquitectura, ejecución en entornos aislados y modelos de coste. No escribirás código durante el curso. Es un análisis comparativo de evaluación, no un proyecto práctico.
- ¿Cuánto dura el curso y hay certificado?
- El curso tiene 7 capítulos y dura aproximadamente 140 minutos (alrededor de 2 horas y 20 minutos). Al completar los capítulos obtienes un certificado que puedes compartir.
- ¿El curso Coding Agents Landscape es gratuito?
- No. Es un curso de pago incluido en la suscripción a AI Academy by Anthropos.
Consigue un certificado
Completa todos los capítulos para recibir tu certificado de finalización.