Quire MCP + Claude Managed Agents: una implementación que funciona

Última actualización: 6 de agosto de 2026

Es lunes, 9:04 a. m. Alguien en el canal del equipo pregunta: "Oigan, ¿un resumen rápido de lo que se entregó la semana pasada?". Tres personas abren sus pestañas, recorren el tablero Kanban, intentan recordar cuáles de las cuarenta tareas cerradas fueron realmente relevantes y vuelven veinte minutos después con dos viñetas y un encogimiento de hombros. La reunión que debía durar diez minutos dura cuarenta. Para el martes, nadie recuerda qué se dijo.

Eliminamos ese ciclo. 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 todo el resumen en un documento nuevo 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 fallaron por el camino y cómo las resolvimos. Si alguna vez quisiste un agente de IA que haga trabajo real con los datos de tus proyectos en lugar de solo conversar sobre ellos, aquí tienes una receta que funciona.

¿Qué produce exactamente el agente?

Cada lunes a las 9 a. m. hora del Pacífico, se activa una sesión de Claude, consulta Quire y crea un documento nuevo 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 los usuarios
• Features Shipped con cada nueva capacidad traducida a un beneficio para el usuario
• Bugs Fixed que describe lo que el usuario experimentaba antes de la corrección
• Design Updates centrado en lo que cambió visiblemente
• Social and Marketing con cifras de interacción cuando la descripción de la tarea las incluía

Las secciones vacías se omiten sin avisar. Al final hay un resumen de una línea con los totales. Todo el documento ronda las 400 palabras y se lee como un boletín interno, no como un changelog de marketing, porque eso es justo lo que pide el prompt de sistema.

Mira los ejemplos reales: el agente lee del proyecto de origen Dev_Changelog filtrado, y el Weekly Brief: May 15 to May 21, 2026 es el documento real que generó.

El equipo lo lee en dos minutos durante la reunión diaria. Nadie tiene que escribirlo. Nadie tiene que acordarse de hacerlo.

Nuestro webinar de MCP llega al mismo destino sin ninguno de los pasos de construcción, en el tramo de Monitor. Ahí es donde empieza el reproductor de abajo.

En esta sesión21:58 Flujo de trabajo 4: monitorea con un agente programado que redacta el informe semanal

¿Qué te aportan Quire MCP y Claude Managed Agents?

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

Claude Managed Agents es el entorno de ejecución alojado de Anthropic para agentes autónomos. Defines un agente (modelo + prompt de sistema + configuración de herramientas), un entorno (contenedor aislado con políticas de red) y creas sesiones que hacen el trabajo. Anthropic se encarga del aislamiento, 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, por separado, cada pieza es solo fontanería. Quire MCP sin un agente es un catálogo de herramientas que nadie llama. Claude Managed Agents sin un MCP de dominio es un sandbox sin nada que hacer. Si los unes, obtienes un agente que actúa de verdad sobre datos reales de producción, con autenticación y aislamiento integrados.

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

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

¿Cómo se construye el agente, paso a paso?

Toda la configuración nos llevó aproximadamente una hora, la mayor parte peleando con un detalle de configuración que mencionaré 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 bien a aproximadamente una décima parte del costo por token de Sonnet y con límites de tasa bastante más altos. En una ejecución semanal sin supervisión, ese margen de límites importa más que la mejora marginal de razonamiento.

2. El filtrado de herramientas, donde está el ahorro real

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 llama al modelo. Son muchos tokens, y la mayoría no sirven de 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 solo las cuatro herramientas que el agente realmente usa. Este único cambio redujo nuestro 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 del Tier 1. (Más sobre esto en las anécdotas 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, aunque una inyección de prompt lo intentara. La herramienta bulk_delete_tasks de Quire no está en su caja de herramientas, así que el modelo no puede llamarla.

3. El entorno

Managed Agents ejecuta cada sesión dentro de un sandbox gVisor con una política de red que tú controlas. Por defecto es "Limited", sin acceso a la red externa, lo que impedirá que tu agente llegue a Quire MCP. La solución más limpia es el mínimo privilegio: mantén el tipo Limited, pero permite explícitamente el único nombre de host que necesitas.

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

4. El almacén de credenciales

Quire se autentica mediante OAuth. En Managed Agents, los tokens de OAuth viven en un almacén de credenciales que queda fuera del sandbox. Cuando el agente llama a Quire MCP, un proxy de credenciales inyecta el token del lado del servidor. El modelo nunca ve el token, así que una inyección de prompt exitosa no puede filtrarlo.

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. Cuando la credencial aparezca como Active, el almacén estará listo.

5. La programación

Las sesiones de Managed Agents son de una sola ejecución. No se repiten solas. Para que el agente se ejecute cada lunes, apunta cualquier programador al endpoint de API sessions.create con la expresión cron 0 9 * * 1.

Nosotros usamos un sencillo Cron Trigger de Cloudflare Workers que llama a la API de Anthropic una vez por semana, pero GitHub Actions con una programación funciona igual de bien, y también cualquier plataforma de funciones en la nube.

¿Qué falló y cómo nos dimos cuenta?

Tres cosas salieron mal antes de lograr una ejecución semanal limpia. Vale la pena mencionarlas porque, si construyes algo parecido, te toparás con al menos una.

URL de MCP equivocada. El producto de 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 confuso fallo de OAuth y, al superarlo, un HTTP 502 del servidor de origen.

La solución es aburrida pero merece una advertencia: toda referencia al MCP debe usar mcp.quire.app, no quire.io. Si en uno solo de los tres lugares el host es incorrecto, la ejecución falla.

Exceso de herramientas del agente. El conjunto de herramientas por defecto de Anthropic, agent_toolset_20260401, incluye en el contexto todas las herramientas de propósito general (bash, operaciones de archivos, búsqueda web, ejecución de código). Nuestro agente no necesita ninguna.

Dejar activado el conjunto por defecto además del servidor Quire MCP llevó nuestro conteo de tokens de entrada por encima de 80.000 por llamada al modelo y alcanzamos el límite del Tier 1 al instante. Quitar el conjunto por defecto y filtrar las herramientas de Quire (como se mostró arriba) lo bajó a unos 12.000. La lección: cada herramienta en el contexto de tu agente es un impuesto, aunque el agente nunca la llame.

Pánico por el límite de tasa. Antes de descubrir el problema del exceso, la reacción natural fue "tenemos que subir de nivel de API". Subir de nivel cuesta dinero. El problema real era que el agente cargaba 70.000 tokens de definiciones de herramientas que nunca usaría. Revisa siempre qué hay en tu ventana de contexto antes de suponer que necesitas un límite mayor.

¿Qué permite 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 muchos más casos.

Algunos que estamos prototipando:

• Un resumen diario de inicio de sprint que lee las tareas que pasaron a "In Progress" durante la noche y publica un resumen en Slack
• Un redactor de retrospectivas de incidentes que vigila un proyecto de Quire en busca de tareas incident completadas y arma un borrador de retro con la cronología, los factores contribuyentes y las acciones de seguimiento tomadas de las subtareas
• Un resumen de estado para clientes que se ejecuta los viernes por la tarde para cada proyecto de cliente y resume los entregables de la semana en un lenguaje apto para reenviarlo directamente al cliente

La forma es siempre la misma. Un disparador programado, un agente enfocado, un conjunto pequeño de herramientas de Quire MCP y un documento o mensaje como resultado. El trabajo pesado (aislamiento, credenciales, bucle del agente) está en Managed Agents. El trabajo de dominio (qué datos de Quire consultar y qué hacer con ellos) está en el prompt de sistema.

¿Cuándo no es el enfoque adecuado?

Un Managed Agent es excesivo para preguntas puntuales. Si quieres un resumen único de "qué se entregó este trimestre", preguntarle 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 la misma tarea se repite sin supervisión.

También es la forma equivocada cuando el trabajo exige de verdad mucho razonamiento, como redactar una estrategia de producto meditada a partir de los mismos datos. Haiku es suficiente para "resumir y dar formato". Para "decidir qué deberíamos hacer con esto", conviene Sonnet u Opus y, llegados a ese punto, probablemente también una persona en el circuito.

Y si los datos de tu proyecto son escasos (digamos, un par de tareas completadas por semana sin descripciones), el agente no tiene nada útil que resumir. El resultado es tan bueno como la disciplina de tu equipo al escribir descripciones de tareas reales.

Lo aprendimos por las malas cuando una prueba inicial produjo un resumen técnicamente correcto y totalmente poco informativo, porque la mitad de los nombres de las tareas eran solo IDs de tickets.

¿No necesitas IA en el proceso? Quire CLI te da los mismos datos mediante comandos estructurados que puedes automatizar con scripts y cron, sin una llamada a un modelo en el camino.

Conclusiones clave

El agente de changelog semanal tiene un alcance pequeño y un gran rendimiento, porque elimina un impuesto recurrente (la reunión de resumen del lunes) sin que nadie tenga que acordarse de hacer nada.

Las piezas que lo hicieron funcionar fueron concretas: Haiku 4.5 por su costo y margen de límites, un filtrado agresivo de herramientas para mantener ajustada la ventana de contexto, una política de entorno de mínimo privilegio que solo permite tráfico hacia mcp.quire.app y un almacén de credenciales para que el agente nunca toque el token de OAuth real.

La lección general es que Quire MCP junto con Claude Managed Agents es una forma rápida de poner un agente autónomo frente a los datos de tus proyectos sin construir infraestructura. Lo difícil (aislamiento, autenticación, programación, registros de auditoría) ya está resuelto. Tú aportas el prompt, la selección de herramientas y la disciplina de escribir datos de proyecto que valga la pena resumir.

Preguntas frecuentes

¿Qué es Quire MCP?

Quire MCP es un servidor de 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. Está en https://mcp.quire.app/mcp y expone unas noventa y cinco herramientas que cubren búsqueda, creación de tareas y documentos, operaciones masivas y más. Cualquier cliente compatible con MCP (Claude, Cursor, agentes personalizados creados con el SDK de Anthropic) puede conectarse a él.

¿Qué son Claude Managed Agents?

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

¿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 exige mucho razonamiento. Se trata de agrupar, filtrar y dar formato. Haiku 4.5 cumple de sobra con ese nivel de calidad, cuesta aproximadamente una décima parte de Sonnet por token y tiene límites de tasa bastante más altos en todos los niveles de la API. En un trabajo semanal sin supervisión, el costo y el margen de límites pesan más que la mejora marginal de razonamiento.

¿Cuánto tarda el agente en generar un resumen semanal?

Para un proyecto con unas veinte tareas completadas en el periodo, la ejecución completa tarda menos de treinta segundos de principio a fin. Eso incluye buscar en Quire, procesar los resultados, redactar el cuerpo del documento y crearlo de nuevo en el proyecto. La mayor parte de ese tiempo corresponde a la llamada al modelo, no a las idas y vueltas 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 unas 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, aunque una inyección de prompt lo intentara.

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

El prompt del agente incluye una instrucción de respaldo: si la búsqueda no devuelve ninguna tarea completada, no se crea un documento y en su lugar se registra una sola línea indicando que la semana estuvo vacía. Así se evita publicar un resumen semanal en blanco o engañoso cuando el equipo no entregó nada en ese periodo.

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

Quire MCP funciona con cualquier plan que tenga acceso a la API. Las cuotas de API actuales aparecen en la página de precios de Quire. Para un agente semanal que hace unas pocas llamadas a herramientas por ejecución, los límites de los planes gratuitos o iniciales suelen bastar.

¿Puedo ejecutar este mismo agente en 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 se convierte en un parámetro al crear la sesión. Si quieres un único resumen semanal que abarque varios proyectos, reestructura el prompt para consultar cada proyecto en secuencia y combinar los resultados en un solo documento.

¿Listo para crear tu propio agente con 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 de MCP. Sin tarjeta de crédito, con acceso completo.