Cómo construimos un agente de changelog semanal con Quire MCP y Claude Managed Agents

Última actualización: 25 de mayo de 2026

TL;DR: Reemplazamos nuestra reunión de recap de los lunes con un Claude Managed Agent que lee nuestro proyecto Dev_Changelog de Quire mediante Quire MCP, agrupa el trabajo completado en los últimos siete días por etiqueta y escribe un brief semanal legible para el cliente como un nuevo documento de Quire. El tiempo de ejecución es inferior a 30 segundos en Haiku 4.5. La mayor victoria no evidente fue un filtrado agresivo de herramientas, que recortó los tokens de entrada por ejecución de ~82.000 a ~12.000 y mantuvo el trabajo dentro de los límites de tasa del Tier 1 sin necesidad de subir de nivel en la API.

Es lunes, 9:04 de la mañana. Alguien en el canal del equipo pregunta: «Oye, ¿un resumen rápido de lo que salió la semana pasada?». Tres personas abren sus pestañas, recorren el tablero Kanban, intentan recordar cuáles de las cuarenta tareas cerradas fueron realmente significativas y vuelven veinte minutos después con dos viñetas y un encogimiento de hombros. La reunión de recap que se suponía duraría diez minutos se alarga cuarenta. Para el martes todos han olvidado de qué iba.

Rompimos ese bucle. Construimos un agente sobre Quire MCP y Claude Managed Agents que lee nuestro proyecto Dev_Changelog cada lunes por la mañana, encuentra todo lo completado en los últimos siete días, lo agrupa por equipo, traduce la jerga de desarrollo a algo que un cliente pueda leer y escribe el brief completo en un nuevo documento de Quire. Tiempo total de ejecución: menos de treinta segundos. Mantenimiento continuo total: cero.

Este artículo es la implementación completa, incluidas las tres cosas que se rompieron por el camino y cómo las arreglamos. Si alguna vez has querido un agente de IA que haga trabajo real sobre los datos de tu proyecto en lugar de limitarse a charlar sobre ellos, esta es una receta que funciona.

¿Qué produce realmente el agente?

Cada lunes a las 9 de la mañana hora del Pacífico, una sesión de Claude se despierta, consulta Quire y crea un nuevo documento en nuestro proyecto Dev_Changelog titulado Weekly Brief: May 15 to May 21, 2026. El documento tiene cinco secciones, en este orden:

• Highlights con los tres elementos principales por impacto en el usuario
• Features Shipped con cada nueva capacidad traducida en un beneficio para el usuario
• Bugs Fixed que describe lo que el usuario estaba experimentando antes de la corrección
• Design Updates centrado en lo que cambió visiblemente
• Social and Marketing incluyendo cifras de engagement cuando la descripción de la tarea las tenía

Las secciones vacías se omiten silenciosamente. Al final hay un resumen de conteo en una línea. El conjunto ronda las 400 palabras y se lee como un resumen interno más que como un changelog de marketing, porque eso es exactamente lo que pide el prompt de sistema.

Mira los ejemplos en vivo: el agente lee desde el proyecto fuente Dev_Changelog filtrado, y el Weekly Brief: May 15 to May 21, 2026 es el documento real que produjo.

El equipo lo lee en dos minutos durante el standup. Nadie tiene que escribirlo. Nadie tiene que acordarse de hacerlo.

Qué te aportan Quire MCP y Claude Managed Agents

Quire MCP es un servidor del Model Context Protocol alojado en https://mcp.quire.app/mcp. Expone la API de Quire como un conjunto de herramientas estandarizadas que cualquier cliente compatible con MCP puede invocar. Hay unas noventa y cinco, que cubren desde search_tasks hasta create_document y bulk_create_tasks. El agente no necesita saber cómo está modelada la API REST de Quire. Solo ve un catálogo de herramientas y llama a las que necesita.

Claude Managed Agents es el runtime alojado de Anthropic para agentes autónomos. Defines un agente (modelo + prompt de sistema + configuración de herramientas), un entorno (contenedor en sandbox con políticas de red) y creas sesiones que ejecutan el trabajo. Anthropic se encarga del sandboxing, del proxy de credenciales, del bucle de ejecución y del registro de auditoría. Nada de eso es código que tengas que escribir.

La combinación importa porque cada pieza por separado es solo fontanería. Quire MCP sin un agente es un catálogo de herramientas sin nadie que las llame. Claude Managed Agents sin un MCP específico del dominio es un sandbox sin nada que hacer. Conéctalos y obtienes un agente que ejecuta acciones reales sobre datos reales en producción, con autenticación y sandboxing adecuados ya integrados.

¿No usas Claude Managed Agents? Quire MCP también funciona con Open Claw, el cliente MCP de código abierto. El mismo catálogo de herramientas, el mismo flujo OAuth, los mismos flujos de trabajo que puedes construir encima. Elige el runtime que mejor encaje con tu stack.

Por qué esto importa: la mayoría de las herramientas de PM aún no incluyen un servidor MCP público. Asana, Monday y ClickUp exponen APIs REST pero no MCP, así que tendrías que envolverlos tú mismo y gestionar la autenticación. Notion sí tiene MCP, pero su superficie de herramientas está pensada para documentos y páginas, no para la estructura de tareas y subtareas que la automatización de proyectos realmente necesita. Quire MCP está construido en torno a las unidades de trabajo (tareas, subtareas, estados, etiquetas, sublistas) sobre las que opera un agente, razón por la cual esta implementación nos llevó una tarde y no un trimestre.

La implementación, paso a paso

Toda la configuración tomó alrededor de una hora, la mayor parte luchando contra un detalle de configuración al que llegaré en un momento. Esta es la receta real.

1. La definición del agente

El agente es un único archivo YAML. El prompt de sistema es la parte más importante porque es lo que convierte una sesión genérica de Claude en un redactor de changelogs:

name: Dev Changelog Writer
model:
  id: claude-haiku-4-5
  speed: standard
system: |-
  You are the weekly changelog writer for the Quire project
  "Dev_Changelog" (https://quire.io/w/Dev_Changelog).
  When invoked:
  1. Use the Quire MCP to search Dev_Changelog for tasks where status
     is completed and the `toggled` timestamp falls within the last 7
     days. Pull name, description, priority, tags, and subtasks.
  2. Group results by tag: feature, bugfix, design, social. Within
     each group, sort by priority (urgent, high, medium, low).
  3. Translate each task from internal dev shorthand into plain
     language a customer would understand. Features: lead with the
     user-facing benefit. Bugfixes: lead with what the user was
     experiencing. Design: describe what visibly changed. Social:
     include engagement numbers if mentioned.
  4. Create a new document in Dev_Changelog using `create_document`.
     Title: "Weekly Brief: [start date] to [end date]". Sections:
     Highlights, Features Shipped, Bugs Fixed, Design Updates,
     Social and Marketing, plus a footer with item counts.
  5. If zero completed tasks are found, do not create a document.
mcp_servers:
  - name: quire
    type: url
    url: https://mcp.quire.app/mcp

Elegimos Haiku 4.5 porque el trabajo no exige mucho razonamiento. El agente agrupa, filtra y da formato, algo que Haiku resuelve sin problema a aproximadamente una décima parte del coste por token de Sonnet y con límites de tasa sustancialmente más altos. Para una ejecución semanal sin supervisión, ese margen de límites de tasa importa más que la ganancia marginal en razonamiento.

2. El filtrado de herramientas, que es donde está el verdadero ahorro

Por defecto, cuando conectas el servidor Quire MCP a un agente, las noventa y cinco definiciones de herramientas se cargan en el contexto cada vez que el agente hace una llamada al modelo. Eso son muchísimos tokens, y la mayoría no sirve para nada cuando tu agente solo necesita leer tareas y crear un documento.

Filtra sin piedad:

tools:
  - mcp_server_name: quire
    type: mcp_toolset
    default_config:
      enabled: false
      permission_policy:
        type: always_allow
    configs:
      - name: search_tasks
        enabled: true
      - name: create_document
        enabled: true
      - name: list_tags
        enabled: true
      - name: resolve_quire_url
        enabled: true

default_config.enabled: false significa «nada activado por defecto», y el bloque configs activa explícitamente las cuatro herramientas que el agente realmente usa. Este único cambio llevó el conteo de tokens de entrada por ejecución de unos 82.000 a menos de 12.000, lo que nos dejó cómodamente por debajo del límite de tasa del Tier 1. (Más sobre esto en las historias de guerra de abajo.)

También hay un beneficio de seguridad. Con solo search_tasks, create_document, list_tags y resolve_quire_url habilitadas, el agente literalmente no puede eliminar, archivar ni modificar ningún dato existente, ni siquiera si una prompt injection intentara hacerlo. La herramienta bulk_delete_tasks de Quire no está en su kit, así que el modelo no puede invocarla.

3. El entorno

Managed Agents ejecuta cada sesión dentro de un sandbox gVisor con una política de red que tú controlas. El valor por defecto es «Limited» sin acceso a red externa, lo que impedirá que tu agente alcance Quire MCP. La solución más limpia es la de menor privilegio: deja el tipo como Limited, pero permite explícitamente el único host que necesitas.

En la consola de Claude: Manage Environments → tu entorno → Networking → habilita Allow MCP server network access → añade mcp.quire.app a Allowed hosts. Deja deshabilitado el acceso de red del gestor de paquetes, porque este agente no instala nada.

4. El almacén de credenciales

Quire se autentica vía OAuth. En Managed Agents, los tokens de OAuth viven en un almacén de credenciales que está fuera del sandbox. Cuando el agente llama a Quire MCP, un proxy de credenciales inyecta el token en el servidor. El modelo en sí nunca ve el token, lo que significa que una prompt injection exitosa no puede exfiltrarlo.

Crea un almacén, haz clic en Add credential, apúntalo a https://mcp.quire.app/mcp, elige OAuth como tipo y ejecuta el flujo de autorización. Una vez que la credencial aparezca como Active, el almacén está listo.

5. Programación

Las sesiones de Managed Agents son de un solo uso. No se repiten automáticamente. Para que el agente se ejecute cada lunes, apunta cualquier programador al endpoint sessions.create de la API con una expresión cron de 0 9 * * 1. Nosotros usamos un sencillo Cloudflare Workers Cron Trigger que llama a la API de Anthropic una vez por semana, pero GitHub Actions con un schedule funciona igual de bien, y también cualquier plataforma de funciones en la nube.

Qué se rompió y cómo nos dimos cuenta

Tres cosas se torcieron en el camino hacia una ejecución semanal limpia. Vale la pena mencionarlas porque, si construyes algo parecido, te toparás con al menos una.

URL de MCP incorrecta. El producto Quire está alojado en quire.io, pero el servidor MCP está en quire.app. Apuntamos todo (agente, hosts permitidos del entorno, almacén de credenciales) a mcp.quire.io/mcp y obtuvimos un fallo confuso de OAuth, y una vez superado eso, un HTTP 502 del upstream. La solución es aburrida pero merece destacarse: cada referencia al MCP debe usar mcp.quire.app, no quire.io. Si alguno de los tres sitios tiene el host equivocado, la ejecución falla.

Sobrecarga del toolset del agente. El agent_toolset_20260401 por defecto de Anthropic incluye todas las herramientas de propósito general (bash, operaciones de archivos, búsqueda web, ejecución de código) en el contexto. Nuestro agente no necesita ninguna de ellas. Dejar habilitado el toolset por defecto encima del servidor Quire MCP empujó nuestro conteo de tokens de entrada por encima de 80.000 por llamada al modelo y chocamos contra el límite de tasa del Tier 1 al instante. Eliminar el toolset por defecto y filtrar las herramientas de Quire (como se mostró arriba) lo redujo a unos 12.000. La lección: cada herramienta en el contexto de tu agente es un impuesto, aunque el agente nunca la invoque.

Pánico ante los límites de tasa. Antes de descubrir el problema de la sobrecarga, la reacción natural fue: «necesitamos subir el tier de la API». Subir de tier cuesta dinero. El problema real era que el agente estaba cargando 70.000 tokens de definiciones de herramientas que nunca usaría. Comprueba siempre qué hay en tu ventana de contexto antes de asumir que necesitas un límite mayor.

Qué desbloquea Quire MCP más allá de un changelog semanal

El changelog semanal es un buen primer agente, pero es sobre todo una prueba de concepto. El patrón (un Managed Agent + Quire MCP + un disparador programado) se extiende a muchas más cosas.

Algunas que estamos prototipando:

• Un brief diario de arranque de sprint que lee las tareas movidas a «In Progress» durante la noche y publica un resumen en Slack
• Un redactor de retros de incidentes que vigila un proyecto de Quire en busca de tareas incident completadas y ensambla un borrador de documento de retro con cronología, factores contribuyentes y acciones de seguimiento extraídas de las subtareas
• Un digest semanal de estado para clientes que se ejecuta los viernes por la tarde para cada proyecto de cliente, resumiendo los entregables de la semana en un lenguaje apto para reenviar directamente al cliente

La forma es la misma cada vez. Un disparador programado, un agente enfocado, un conjunto pequeño de herramientas de Quire MCP, un documento o mensaje como salida. El trabajo duro (sandboxing, credenciales, bucle de agente) está en Managed Agents. El trabajo de dominio (qué datos de Quire consultar, qué hacer con ellos) está en el prompt de sistema.

¿Cuándo no es este el enfoque adecuado?

Un Managed Agent es excesivo para preguntas puntuales. Si quieres un resumen único de «qué se ha lanzado este trimestre», preguntárselo directamente a Claude en una ventana de chat y pegar los datos de Quire es más rápido que construir un agente desplegado. La forma de agente solo compensa cuando el mismo trabajo se ejecuta repetidamente sin supervisión.

También es la forma equivocada cuando el trabajo realmente exige razonamiento, como redactar una estrategia de producto bien pensada a partir de los mismos datos. Haiku está bien para «resume y da formato». Para «decidir qué deberíamos hacer al respecto», quieres Sonnet u Opus, y a esa altura probablemente también quieras un humano en el bucle.

Y si los datos de tu proyecto son escasos (por ejemplo, un par de tareas completadas por semana sin descripciones), el agente no tiene nada útil que resumir. La salida es tan buena como la disciplina que tenga tu equipo a la hora de escribir descripciones de tareas reales. Lo aprendimos por las malas cuando una ejecución de prueba temprana produjo un brief técnicamente correcto y totalmente poco informativo, porque la mitad de los nombres de tarea eran solo IDs de ticket.

Conclusiones clave

El agente de changelog semanal es pequeño en alcance y grande en retorno porque elimina un impuesto recurrente (la reunión de recap de los lunes) sin que nadie tenga que acordarse de nada. Las piezas que lo hicieron funcionar fueron específicas: Haiku 4.5 por el margen en coste y límites de tasa, un filtrado agresivo de herramientas para mantener la ventana de contexto ajustada, una política de entorno de mínimo privilegio que solo permite tráfico a mcp.quire.app y un almacén de credenciales para que el agente nunca toque el token OAuth real.

La lección general es que Quire MCP más Claude Managed Agents es una vía rápida para poner un agente autónomo delante de los datos de tu proyecto sin construir infraestructura. Las partes difíciles (sandboxing, autenticación, programación, registros de auditoría) ya están resueltas. Lo que tú aportas es el prompt, la selección de herramientas y la disciplina de escribir datos de proyecto que merezca la pena resumir en primer lugar.

Preguntas frecuentes

¿Qué es Quire MCP?

Quire MCP es un servidor del Model Context Protocol que permite a los agentes de IA leer y escribir en tu espacio de trabajo de Quire mediante una interfaz de herramientas estandarizada. Vive en https://mcp.quire.app/mcp y expone alrededor de noventa y cinco herramientas que cubren búsqueda, creación de tareas y documentos, operaciones en bloque y más. Cualquier cliente compatible con MCP (Claude, Cursor, agentes personalizados construidos sobre el SDK de Anthropic) puede conectarse a él.

¿Qué son los Claude Managed Agents?

Claude Managed Agents es el runtime alojado de Anthropic para ejecutar agentes autónomos de larga duración en la nube. Defines un agente (modelo, prompt de sistema, herramientas), un entorno (contenedor en sandbox con políticas de red) y creas sesiones que ejecutan el trabajo. Anthropic se encarga del sandboxing, la gestión de credenciales y el bucle de ejecución, así que no tienes que construir esa infraestructura por tu cuenta.

¿Por qué usar Haiku 4.5 en lugar de Sonnet u Opus para este tipo de automatización?

Resumir datos estructurados de tareas en un documento no es una tarea que requiera mucho razonamiento. Se trata de agrupar, filtrar y dar formato. Haiku 4.5 cumple con ese estándar de calidad sin problema, cuesta aproximadamente una décima parte de Sonnet por token y dispone de límites de tasa sustancialmente más altos en todos los niveles de la API. Para un trabajo semanal que se ejecuta sin supervisión, el margen en coste y en límites de tasa importa más que la ganancia marginal en razonamiento.

¿Cuánto tarda el agente en generar un brief semanal?

Para un proyecto con alrededor de veinte tareas completadas dentro de la ventana, la ejecución completa tarda menos de treinta segundos de principio a fin. Eso incluye buscar en Quire, procesar los resultados, escribir el cuerpo del documento y crear el documento de vuelta en el proyecto. La mayor parte de ese tiempo es la llamada al modelo, no las idas y venidas de las herramientas.

¿Puede el agente editar o eliminar tareas existentes en mi proyecto?

Solo si concedes explícitamente esos permisos de herramienta. El servidor Quire MCP expone alrededor de noventa y cinco herramientas, pero Claude Managed Agents te permite habilitar un subconjunto por agente. Para el caso del changelog habilitamos solo cuatro herramientas de lectura y creación, así que el agente no puede modificar ni eliminar ningún dato existente, ni siquiera si una prompt injection intentara hacerlo.

¿Qué ocurre si no se completó ninguna tarea durante la semana en que se ejecuta el agente?

El prompt del agente incluye una instrucción alternativa: si la búsqueda devuelve cero tareas completadas, no debe crear un documento y en su lugar registra una sola línea indicando que la semana estuvo vacía. Esto evita que se publique un brief semanal en blanco o engañoso cuando el equipo no lanzó nada durante la ventana.

¿Necesito tener un plan de pago de Quire para usar Quire MCP?

Quire MCP funciona con cualquier plan que tenga acceso a la API. Consulta las cuotas actuales de la API en quire.io/pricing. Para un agente que se ejecuta una vez a la semana y realiza un puñado de llamadas a herramientas por ejecución, los límites del nivel gratuito o de inicio suelen ser suficientes.

¿Puedo ejecutar este mismo agente contra varios proyectos de Quire?

Sí. El patrón más limpio es una definición de agente por flujo de trabajo y una sesión por proyecto. La URL del proyecto pasa a ser un parámetro al crear la sesión. Si quieres un único brief semanal que cubra varios proyectos, reestructura el prompt para consultar cada proyecto secuencialmente y combinar los resultados en un solo documento.

¿Listo para construir tu propio agente sobre Quire MCP?

Empieza tu prueba gratuita de 30 días en quire.io/signup y explora la documentación para desarrolladores de Quire para ver el catálogo completo de herramientas MCP. Sin tarjeta de crédito, acceso completo.