Cuando Anthropic publicó el paper "Dive into Claude Code", esperábamos encontrar la arquitectura de un sistema dominado por IA. Encontramos lo contrario. Claude Code tiene 1.900 archivos TypeScript. Solo el 1,6% es lógica de IA. El otro 98,4% es infraestructura de control. En Tech86, esto confirmó lo que vemos en la práctica: la inteligencia del modelo no es el producto. El harness es el producto. Si dos equipos usan modelos similares, el equipo con mejor harness entrega el agente más seguro y confiable.
El núcleo es un while-loop, y eso es correcto
El corazón de Claude Code es un queryLoop implementado como generador asíncrono. Construye el contexto, llama al modelo, ejecuta la herramienta, repite. Simple. Quien espera complejidad en el loop central está buscando en el lugar equivocado.
Toda la complejidad está en los sistemas alrededor de ese loop. El QueryEngine abstrae el loop hacia las interfaces: CLI, SDK, IDE. El loop no sabe nada sobre permisos, compactación o persistencia. Solo itera. Esa separación es deliberada: el núcleo permanece predecible mientras la complejidad crece en las capas periféricas.
En nuestra experiencia, los equipos que intentan acumular lógica en el loop central crean sistemas frágiles. Cada nueva capacidad agrega acoplamiento. Claude Code evita esto por diseño: el loop es el último lugar donde uno quiere complejidad.
Cinco capas que no comparten modos de falla
La arquitectura se divide en cinco capas independientes. Capa de Superficie: CLI, SDK, IDE, las interfaces que el usuario toca. Capa Central: el queryLoop como generador asíncrono. Capa de Seguridad/Acción: framework de permisos de negación primero, hooks, shell sandbox. Capa de Estado: jerarquía CLAUDE.md, auto-memoria, transcripciones JSONL de solo adición. Capa de Backend: ejecución real (Bash, PowerShell) e integraciones MCP.
La independencia entre capas no es accidental. Si la capa de seguridad falla, la capa de estado captura la violación en el transcript. Si el backend ejecuta algo inesperado, la capa de seguridad intercepta en la siguiente iteración. El sistema degrada de forma elegante porque IA y sistema operativo no comparten modos de falla.
Ya vimos proyectos donde la capa de seguridad y la capa de ejecución comparten estado. Cuando una falla, la otra también cae. Es el patrón de diseño más peligroso en sistemas agénticos: acoplamiento entre quien decide y quien ejecuta.
El pipeline de contexto como recurso escaso
El contexto es el bien más escaso en un agente de IA. Claude Code lo trata con seriedad de ingeniería. Cinco shapers secuenciales procesan el contexto antes de cada llamada al modelo: reducción de presupuesto, recorte, microcompactación, colapso de contexto y autocompactación. Cada uno opera en un nivel diferente de granularidad.
El resultado es que el modelo siempre recibe el contexto más relevante dentro del presupuesto disponible. No es magia: es un pipeline determinístico que prioriza, resume y compacta. La alternativa, que vemos con frecuencia, es exceder el límite de tokens y esperar que el modelo se las arregle. No funciona.
El transcript es de solo adición. Ninguna mutación directa. Pista de auditoría inmutable. Las operaciones de rewind y fork se reconstruyen a partir del log, no se restauran de snapshots. Eso significa que cualquier estado puede reproducirse en cualquier momento. En auditoría de seguridad, esa propiedad vale más que cualquier funcionalidad de IA.
Permisos de negación primero y el problema de la fatiga de aprobación
El framework de permisos tiene 7 modos técnicos. Es de negación primero: nada se ejecuta sin aprobación explícita. El yoloClassifier evalúa si una acción puede correr en modo auto. El bashSecurity hace verificación AST en comandos shell antes de la ejecución. Es capa sobre capa.
Pero aquí está el dato que importa: los usuarios aprueban el 93% de los prompts de permiso, según el paper. La fatiga de aprobación es real. El sistema responde con automatización inteligente, no con más prompts. Clasificar automáticamente qué es seguro correr sin confirmación es tan importante como bloquear lo que no lo es.
Y hay más: al retomar una sesión, los permisos no se restauran. El agente nunca hereda autorizaciones pasadas. Esto contradice la intuición de "facilidad", pero es el diseño correcto. Las sesiones son fronteras de confianza. Heredar permisos de una sesión anterior es heredar contexto que puede haber cambiado.
No existe blueprint universal, pero el harness es universal
El paper compara Claude Code con OpenClaw y muestra algo revelador: las mismas preguntas de diseño producen respuestas arquitectónicas diferentes cuando el contexto de despliegue cambia. CLI interactiva versus ejecución autónoma en CI/CD generan arquitecturas fundamentalmente diferentes.
Pero una cosa es universal: si dos equipos usan modelos similares, el equipo con mejor harness (permisos, ingeniería de contexto, aislamiento de ejecución, persistencia) entrega el agente más seguro y confiable. La autonomía agéntica no nace de la libertad del modelo. Nace del rigor del harness.
En Tech86 aplicamos esa lógica en cada proyecto de arquitectura de IA que diseñamos. No comenzamos por el modelo. Comenzamos por el harness, porque es lo que determina si el sistema va a funcionar el viernes por la noche cuando nadie está mirando.
Qué significa esto para su proyecto
La lección de Claude Code no es "copie esta arquitectura". Es "entienda el principio". El principio es que el harness es el producto. El modelo es común: todo el mundo tiene acceso a los mismos modelos. Lo que diferencia un agente confiable de una demo bonita es la infraestructura de control que lo rodea.
Si está construyendo agentes de IA e invirtiendo el 80% del esfuerzo en la lógica del modelo, está invirtiendo en el lugar equivocado. El modelo ya es bueno. Lo que falta en la mayoría de los proyectos es el harness que transforma capacidad en confiabilidad. Por eso en Tech86 nuestra consultoría de arquitectura de IA siempre comienza con la misma pregunta: ¿cómo falla su sistema? No cómo funciona, cómo falla. La respuesta a esa pregunta define el harness que usted necesita.