Anthropic actualizó hoy la función Projects de Claude Code, su herramienta de desarrollo de software por línea de comandos, para permitir la coordinación de múltiples agentes de IA trabajando en el mismo proyecto al mismo tiempo. Es un cambio significativo para los equipos de desarrollo que usan Claude Code en proyectos complejos de largo alcance.
La novedad central es que dentro de un Project en Claude Code, ahora pueden crearse varios «streams» o flujos de trabajo independientes que operan en paralelo. Cada stream es efectivamente una sesión de Claude Code en la nube con su propia rama y copia del repositorio. Un agente coordinador gestiona los distintos streams, asignando tareas, siguiendo el progreso y resolviendo los conflictos que surgen cuando dos streams han modificado el mismo código.
Los conflictos entre streams se resuelven como si fueran pull requests: con merge conflicts que el desarrollador revisa y aprueba. Eso da una señal importante sobre el modelo de trabajo que Anthropic está construyendo: los agentes trabajan de forma autónoma, pero los puntos de decisión críticos —qué cambios se integran en el código base— siguen bajo control humano.
¿Qué tienen en común los agentes dentro de un Project?
Lo que hace que los múltiples streams de un Project sean coherentes entre sí es la memoria compartida. Los agentes dentro del mismo Project tienen acceso a los mismos objetivos, la misma biblioteca de archivos y artefactos, y el mismo contexto histórico del proyecto. Eso significa que si el stream A ha descubierto que una función tiene un bug y lo ha documentado en el artefacto compartido, el stream B puede leerlo sin que el desarrollador tenga que repetir esa información.
Llevamos en wwwhatsnew.com siguiendo la evolución de las herramientas de desarrollo de IA y hemos comprobado que la disponibilidad de modelos de lenguaje avanzados para ejecutar en local, como Ollama y LM Studio, ha democratizado el acceso a asistentes de código en entornos sin conexión. Claude Code Projects apunta en la dirección opuesta: trabajo en la nube, con múltiples agentes que colaboran, aprovechando el contexto compartido de un repositorio real.
La comparación más directa es con los sistemas de agentes de codificación que están lanzando los competidores. GPT-6 Astra de OpenAI alcanzó el 72,6% en OSWorld 2.0 (benchmark de uso de ordenador) y el 100% en ExploitBench, lo que le convierte en el principal competidor para tareas de software engineering agentivo. La ventaja de Claude Code Projects sobre los modelos generales es la integración nativa con el flujo de trabajo de desarrollo —git, ramas, PRs— en lugar de ser un modelo de propósito general que puede hacer código.
El caso de uso que Anthropic describes en el anuncio es uno que los equipos de ingeniería van a reconocer: un proyecto que requiere trabajo paralelo en el backend, el frontend y las pruebas. En lugar de esperar a que el stream de backend termine para empezar el de frontend, los tres streams pueden trabajar simultáneamente con el mismo contexto y fusionarse después bajo supervisión del desarrollador. El programa Daybreak de OpenAI para capacidades ofensivas de ciberseguridad muestra que los modelos de IA avanzados en el dominio del código tienen ya capacidades que requieren gestión activa de accesos; la arquitectura de Projects de Claude Code, con streams en sandbox aislados sin acceso de red por defecto, es la respuesta de Anthropic a ese tipo de riesgo en el contexto del desarrollo de software.
La arquitectura de Projects de Claude Code también responde a un problema práctico que los equipos de ingeniería han reportado con los asistentes de IA en proyectos grandes: la pérdida de contexto. Cuando un proyecto tiene 50.000 líneas de código y el asistente de IA solo puede «ver» una parte del contexto en cada sesión, la coherencia entre sesiones se pierde. El coordinador de Projects que Anthropic describe tiene acceso al estado compartido del proyecto, lo que implica que las decisiones de arquitectura que se tomaron hace dos semanas están disponibles cuando un nuevo stream empieza a trabajar en una feature relacionada.
El modelo de facturación de Projects en la nube es el otro factor que la documentación de Anthropic no detalla todavía en el anuncio. Cada stream que corre en la nube consume tokens y compute. Para proyectos donde varios streams trabajan en paralelo durante horas, el coste puede escalar rápido. La propuesta de valor tiene que ser clara: ¿cuánto tiempo de desarrollador senior ahorra un sistema de streams paralelos coordinados? Si la respuesta es horas por semana en proyectos complejos, el precio de los tokens es secundario.
Para los usuarios de Claude.ai en plan Pro o Max, Projects en Claude Code es una extensión del Project que ya permite en el contexto de chat: un espacio compartido de archivos, instrucciones y artefactos que el modelo mantiene entre sesiones. La novedad del 17 de septiembre es específicamente para Claude Code como herramienta de desarrollo: ahora ese Project puede orquestar múltiples sesiones simultáneamente. Los streams se coordinan, no solo coexisten. Cada uno trabaja en su propio entorno sandbox aislado, sin acceso de red por defecto, con la misma memoria compartida del proyecto.
La arquitectura de multi-stream con coordinador resuelve un problema que los ingenieros de software tienen bien documentado cuando trabajan con agentes de IA en proyectos grandes: la tentación de darle al agente demasiado contexto de una vez, lo que degrada la calidad de su trabajo. Al separar el trabajo en streams especializados, cada agente tiene un contexto más acotado y manejable, y el coordinador se encarga de la visión de conjunto. La documentación de Anthropic sobre Projects en Claude Code especifica que los entornos sandbox de los streams no tienen acceso de red por defecto, lo que limita el riesgo de que un stream con código malicioso pueda conectarse a sistemas externos. El administrador de la organización puede configurar dominios permitidos para los casos donde el acceso de red sea necesario para el trabajo.