5 cursos para construir con IA: Claude, MCP, agentes y prompting

Usar ChatGPT o Claude desde el chat es una cosa. Conectar un modelo a tus datos, darle herramientas y dejarlo ejecutar tareas es otra, y ahí está el valor hoy. Estos cinco cursos vienen de quienes hacen los modelos, son cortos y todos terminan con algo que funciona.

Están en el orden en que conviene tomarlos: cada uno asume lo que enseña el anterior.

1. ChatGPT Prompt Engineering for Developers — OpenAI + DeepLearning.AI

• Para quién: nunca has llamado a un modelo desde código.
• Por qué es bueno: corto, gratuito, con subtítulos en español y los cuadernos corren en el navegador. Lo dan Isa Fulford (OpenAI) y Andrew Ng.
• Qué te llevas: los dos principios de un buen prompt y los cuatro patrones que aparecen en cualquier aplicación con LLM: resumir, inferir, transformar y expandir. Sales con un chatbot básico hecho con la API.

deeplearning.ai · ChatGPT Prompt Engineering for Developers

2. Building with the Claude API — Anthropic

• Para quién: ya haces prompts y quieres una aplicación completa.
• Por qué es bueno: es el más completo de la lista y el más parecido a construir en serio. Enseña evaluaciones, la parte que casi nadie cubre y la que separa un prototipo de un producto.
• Qué te llevas: prompting estructurado, tool use para que el modelo llame funciones, RAG para responder con tus documentos, una introducción a MCP y a agentes. Terminas con un proyecto funcional por módulo.

coursera.org · Building with the Claude API

3. Claude Code in Action — Anthropic

• Para quién: programas y quieres que un agente trabaje dentro de tu repositorio.
• Por qué es bueno: cambia la forma de trabajar. En lugar de pegar código en un chat, describes la tarea y revisas el resultado. Buena parte de este sitio, calculadoras incluidas, se ha construido así.
• Qué te llevas: un proyecto configurado con CLAUDE.md, modo de planeación, hooks, permisos, worktrees para trabajar en paralelo y automatizaciones desde la terminal.

coursera.org · Claude Code in Action

4. Introduction to Model Context Protocol — Anthropic

• Para quién: quieres conectar modelos a tus sistemas sin reescribir la integración por cada proveedor.
• Por qué es bueno: MCP es el estándar que adoptaron Anthropic, OpenAI y buena parte del ecosistema. Una integración se escribe una vez y sirve en varios clientes.
• Qué te llevas: un servidor MCP propio que expone herramientas y recursos, un cliente que lo consume y soltura con el SDK.

coursera.org · Introduction to Model Context Protocol

5. Agents and Workflows — OpenAI Academy

• Para quién: ya construiste algo y necesitas decidir cuánto delegar a un agente.
• Por qué es bueno: es conceptual y gratuito, y cierra la ruta con la pregunta correcta: no cómo construir, sino qué conviene automatizar y con qué controles.
• Qué te llevas: criterios para delegar, manejar el contexto, poner revisión humana y fijar límites operativos antes de dejar que un sistema actúe solo.

academy.openai.com · Agents and Workflows

Cómo tomarlos sin abandonarlos

• Un proyecto propio desde el curso 2. Un asistente sobre tus documentos, un script que clasifique correos, una herramienta interna. Cada curso le agrega una capa.
• Evalúa antes de optimizar. Sin una prueba que diga si algo mejoró, cambiar prompts es adivinar.
• Un proveedor a la vez. Los patrones son los mismos entre Claude y OpenAI; aprende uno a fondo y el segundo se entiende en una tarde.