El presupuesto de contexto para agentes de código consiste en medir lo que el agente carga antes de trabajar. El prompt visible es solo una parte. Instrucciones, herramientas, MCP, historial, memoria y subagentes también entran en el coste y pueden cambiar el resultado.
En julio de 2026, Systima publicó una medición de tráfico entre harnesses de coding agent. En esa prueba, Claude Code envió cerca de 33 mil tokens antes de leer el prompt, mientras que OpenCode envió cerca de 7 mil (Systima, "Claude Code Sends 4.7x More Tokens Than OpenCode Before Reading Your Prompt", 2026). Ese número no demuestra que una herramienta sea mejor. Demuestra que el contexto necesita presupuesto.
Resumen práctico
- Mide el baseline antes de culpar al modelo.
- Recorta instrucción cargada siempre, no conocimiento útil.
- MCP y subagentes cuentan en el presupuesto de la tarea.
- CI debe registrar contexto, herramientas y excepciones.
¿Por qué el coste aparece antes del prompt?
En 2026, Systima midió cerca de 33 mil tokens enviados por Claude Code antes del prompt, frente a cerca de 7 mil en OpenCode (Systima, "Claude Code Sends 4.7x More Tokens Than OpenCode Before Reading Your Prompt", 2026). Ese coste nace del harness: sistema, herramientas, schemas, memorias, instrucciones y recordatorios que llegan antes de la tarea.
El agente no empieza vacío. Carga contratos de herramienta, política de ejecución, instrucciones persistentes, estado de conversación y señales del repositorio. En un loop corto, ese coste puede parecer aceptable. En un loop largo, se convierte en impuesto recurrente sobre cada intento, prueba, corrección y revisión.
Ese es el punto que muchos equipos pierden cuando optimizan prompts. El prompt puede ser pequeño, pero el agente todavía puede cargar un paquete grande de contexto automático. El trabajo correcto empieza con una pregunta simple: ¿qué entró al modelo antes de la solicitud del usuario?
Cápsula citable: El presupuesto de contexto en agentes de código empieza antes del prompt visible. La medición de Systima en 2026 encontró cerca de 33 mil tokens iniciales en Claude Code y cerca de 7 mil en OpenCode, mostrando que harness y configuración definen el piso operativo.
¿Qué medir antes de recortar contexto?
En 2026, Systima reportó que un archivo de instrucciones de 72 KB añadió algo más de 20 mil tokens por solicitud en los dos harnesses probados (Systima, "Claude Code Sends 4.7x More Tokens Than OpenCode Before Reading Your Prompt", 2026). Antes de recortar contenido, separa baseline, instrucciones, herramientas e historial en categorías auditables.
Empiezo con cinco mediciones. El baseline es el payload sin tarea real. La capa de instrucciones cubre AGENTS.md, CLAUDE.md y reglas por ruta. La capa de herramientas cubre schemas de MCP y herramientas internas. La capa de historial cubre conversación, salidas de shell y diffs. La capa de fan-out cubre subagentes.
Esta separación evita recortes malos. Quitar comandos de prueba del archivo de instrucciones puede ahorrar contexto, pero empeorar la verificación. Quitar arquitectura duplicada que el agente puede descubrir con rg suele ser más seguro. Para la base conceptual, mira context engineering para agentes de código.
Experiencia práctica: cuando una sesión se vuelve cara, guardo la lista de archivos de instrucciones cargados, herramientas disponibles y subagentes llamados. Sin ese inventario, la discusión se vuelve opinión sobre el modelo, no ingeniería de sistema.
¿Cómo reducir AGENTS.md y CLAUDE.md sin romper el agente?
En 2026, "Evaluating AGENTS.md" concluyó que los archivos de contexto aumentaron el coste medio de inferencia en más de 20% y no mejoraron, de forma general, la tasa de éxito en las tareas evaluadas (arXiv, "Evaluating AGENTS.md: Are Repository-Level Context Files Helpful for Coding Agents?", 2026). Por eso, la instrucción persistente debe demostrar valor.
AGENTS.md y CLAUDE.md no deberían ser README duplicados. Deben contener lo que el agente necesita en toda tarea: comandos de prueba, límites de seguridad, convenciones inusuales, definición de terminado y trampas reales del repositorio. Lo demás puede vivir en documentación buscable.
La documentación de Claude Code dice que CLAUDE.md se carga en el contexto de la sesión y recomienda apuntar a menos de 200 líneas por archivo (Claude Code Docs, "How Claude remembers your project", 2026). La documentación de Codex dice que AGENTS.md se lee antes del trabajo y que el límite combinado predeterminado de instrucciones del proyecto es 32 KiB (OpenAI, "Custom instructions with AGENTS.md", 2026).
El buen recorte es quirúrgico. Cambia árboles de directorios por patrones de búsqueda. Cambia política larga por regla verificable. Cambia procesos raros por skills bajo demanda. Si el post sobre AGENTS.md liviano para agentes es la capa editorial, este artículo es la capa de medición.
Cápsula citable: Un buen archivo de instrucciones reduce ambigüedad sin cargar toda la documentación en el contexto. arXiv midió coste medio por encima de 20% con AGENTS.md, mientras Claude Code recomienda menos de 200 líneas y Codex define 32 KiB como límite combinado predeterminado.
¿Cuándo entran MCP y subagentes en el presupuesto?
En 2026, Systima midió que servidores MCP pequeños añadieron cerca de 1 mil a 1,4 mil tokens por servidor y por solicitud, mientras que un fan-out modesto con subagentes multiplicó el total medido por 4,2 veces (Systima, "Claude Code Sends 4.7x More Tokens Than OpenCode Before Reading Your Prompt", 2026). Herramienta y delegación necesitan límite explícito.
MCP vale la pena cuando evita pegar contexto vivo en el prompt. No vale la pena cuando todo servidor queda activo por defecto. Las buenas prácticas de Codex recomiendan añadir herramientas solo cuando destraban un flujo real, empezando por una o dos integraciones claras (OpenAI, "Best practices", 2026).
Los subagentes siguen la misma lógica. Funcionan bien para investigación paralela, migración por dominio y revisión independiente. Pero cada subagente puede cargar su propio bootstrap, herramientas e historial. Cuando el trabajo es pequeño, llamar a un subagente puede costar más que resolverlo directamente.
En loops largos de Claude Code o Codex, uso RemoteCode como capa para que los agentes lleguen más lejos con menos desperdicio de contexto. Es una herramienta mía, así que la recomendación es editorial: ayuda con el cuello de botella de contexto y coordinación, no sustituye presupuesto, sandbox ni revisión.
Cápsula citable: MCP y subagentes son multiplicadores de contexto. Systima midió cerca de 1 mil a 1,4 mil tokens por servidor MCP pequeño y 4,2 veces más tokens en un fan-out modesto; usa estas capas cuando eliminan trabajo real.
¿Cómo convertir el presupuesto de contexto en un gate de CI?
En 2026, Systima midió una configuración real con 75 mil tokens aproximados en Claude Code y 90.817 tokens en OpenCode antes del trabajo útil, combinando MCP, plugins y un archivo de instrucciones grande (Systima, "Claude Code Sends 4.7x More Tokens Than OpenCode Before Reading Your Prompt", 2026). CI debe volver visible ese coste.
Un gate simple no necesita conocer precio. Necesita registrar variación. Captura qué archivos de instrucciones se cargaron, cuántas herramientas quedaron disponibles, qué servidores MCP entraron, qué subagentes corrieron y cómo era el payload antes de la primera acción de código.
El gate debe fallar cuando la configuración cambia sin revisión. Un MCP nuevo, una importación grande en CLAUDE.md, una skill que inyecta una checklist larga o un subagente creado para una tarea pequeña debe aparecer en el PR. Esto combina con evals de PR para agentes en CI y loops self-correcting en CI.
Cápsula citable: Un gate de presupuesto de contexto no necesita calcular precio por token. Necesita detectar drift: instrucciones más grandes, MCP nuevo, más herramientas, subagentes extra y payload inicial mayor. La configuración medida por Systima muestra que el coste real nace de toda la pila.
Un harness simple para auditar tokens por tarea
En 2026, "Configuration Smells in AGENTS.md Files" analizó 100 repositorios populares y encontró Lint Leakage en 62% de los archivos, Context Bloat en 42% y Skill Leakage en 35% (arXiv, "Configuration Smells in AGENTS.md Files", 2026). Esos smells se convierten en criterios útiles para un harness de auditoría.
El harness debe correr antes del agente principal. Lista instrucciones, busca duplicación, mide tamaño, registra herramientas y exige justificación para fan-out. Luego guarda el resumen como artefacto de CI. No necesita exponer secretos ni capturar contenido sensible; el objetivo es rastrear estructura, no filtrar prompts.
Un contrato operativo puede verse así:
contexto:
medir_baseline: true
registrar_archivos_de_instrucciones: true
registrar_herramientas: true
registrar_mcp: true
registrar_subagentes: true
politica:
bloquear_instruccion_sin_revision: true
bloquear_mcp_sin_revision: true
exigir_motivo_para_fan_out: true
salida:
artefacto_ci: ".ci/context-budget/report.json"
resumen_pr: ".ci/context-budget/summary.md"El siguiente paso es conectar ese harness al proceso de revisión. Si el PR cambia AGENTS.md, CLAUDE.md, .claude/rules, .mcp.json o skills de agente, el presupuesto debe aparecer como parte de la evidencia. Sin eso, el equipo descubre el coste cuando la sesión ya está lenta, cara o inestable.
Cápsula citable: Un harness de contexto para agentes mide estructura antes de medir precio. Como un estudio de 2026 encontró Context Bloat en 42% de los archivos AGENTS.md o CLAUDE.md analizados, CI debe tratar la instrucción persistente como superficie de performance y revisión.
Checklist de recorte seguro
En 2026, "Probe-and-Refine Tuning of Repository Guidance" obtuvo 33,0% de resolución media en SWE-bench Verified frente a 28,3% de la base estática inicial y 25,5% sin orientación (arXiv, "Probe-and-Refine Tuning of Repository Guidance for Coding Agents", 2026). El mensaje es equilibrado: contexto malo perjudica, pero orientación refinada ayuda.
Usa esta checklist cuando el agente esté caro, lento o disperso:
- Quita visión general que el agente puede descubrir con búsqueda.
- Mantén comandos de build, prueba y lint que realmente se usan.
- Mueve procesos raros a skills o runbooks bajo demanda.
- Prefiere reglas por ruta para áreas especializadas.
- Revisa imports en
CLAUDE.md; expanden contexto. - Activa MCP solo cuando la tarea exige dato externo vivo.
- Pide justificación antes de fan-out de subagentes.
- Registra drift de contexto en el PR.
El objetivo no es dejar ciego al agente. Es darle contexto suficiente para acertar el archivo, ejecutar la prueba correcta y dejar de cargar material irrelevante. En agentes de código, economía de tokens también es ingeniería de confiabilidad.
Preguntas frecuentes sobre presupuesto de contexto
¿El presupuesto de contexto es solo recortar tokens?
No. En 2026, Anthropic describió context engineering como la curaduría del menor conjunto de tokens de alta señal para maximizar el resultado deseado (Anthropic, "Effective context engineering for AI agents", 2026). El presupuesto mide coste, pero la decisión trata de relevancia, verificabilidad y control.
¿AGENTS.md siempre empeora el agente?
No. En 2026, "Probe-and-Refine" mostró 33,0% de resolución media contra 25,5% sin orientación en su experimento (arXiv, "Probe-and-Refine Tuning of Repository Guidance for Coding Agents", 2026). El problema es contexto genérico, hinchado o no probado, no la existencia del archivo.
¿MCP debe quedar desactivado por defecto?
En la mayoría de repositorios, sí. En 2026, Systima midió cerca de 1 mil a 1,4 mil tokens por servidor MCP pequeño por solicitud (Systima, "Claude Code Sends 4.7x More Tokens Than OpenCode Before Reading Your Prompt", 2026). Activa MCP cuando sustituye trabajo manual real, no como decoración.
¿Los subagentes desperdician contexto?
No necesariamente. En 2026, Anthropic describió subagentes como forma de aislar búsquedas extensas y devolver resúmenes menores al agente principal (Anthropic, "Effective context engineering for AI agents", 2026). Usa fan-out cuando el paralelismo reduce riesgo o tiempo, y registra el coste en el harness.
Fuentes
- Systima, "Claude Code Sends 4.7x More Tokens Than OpenCode Before Reading Your Prompt", consultado el 2026-07-14, https://systima.ai/blog/claude-code-vs-opencode-token-overhead
- Claude Code Docs, "How Claude remembers your project", consultado el 2026-07-14, https://code.claude.com/docs/en/memory
- Anthropic, "Effective context engineering for AI agents", consultado el 2026-07-14, https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents
- OpenAI, "Custom instructions with AGENTS.md", consultado el 2026-07-14, https://developers.openai.com/codex/guides/agents-md
- OpenAI, "Best practices", consultado el 2026-07-14, https://developers.openai.com/codex/learn/best-practices
- arXiv, "Evaluating AGENTS.md: Are Repository-Level Context Files Helpful for Coding Agents?", consultado el 2026-07-14, https://arxiv.org/abs/2602.11988
- arXiv, "Configuration Smells in AGENTS.md Files: Common Mistakes in Configuring Coding Agents", consultado el 2026-07-14, https://arxiv.org/abs/2606.15828
- arXiv, "Probe-and-Refine Tuning of Repository Guidance for Coding Agents", consultado el 2026-07-14, https://arxiv.org/abs/2606.20512
