El Laboratorio de Peter Parker: tu entorno de desarrollo listo en 15 minutos

Antes de lanzar la primera telaraña, Peter Parker tuvo que construir el lanzador. Antes de escribir tu primer agente, vos también tenés que preparar tu entorno.

Okay. En el video anterior viste el panorama completo del curso y del examen CCA-F. Ahora viene la parte que mucha gente saltea y después lamenta: configurar el entorno correctamente antes de arrancar.

Sé que parece aburrido. Sé que querés llegar al código interesante. Pero hay una razón por la que Peter Parker, antes de salir a colgarse de edificios, pasó horas en el laboratorio de su cuarto perfeccionando la fórmula del fluido de telaraña y el mecanismo del lanzador. Sin eso, la primera vez que intentara usarlo en el aire... nada.

Lo mismo aplica acá. Si llegás al Módulo 1 sin tener la API key configurada, sin el SDK instalado, y sin haber hecho aunque sea una llamada de prueba — vas a perder tiempo valioso en cada demo. Así que lo hacemos ahora, una sola vez, y después nos olvidamos.

Este artículo es práctico. Tiene comandos para correr, código para probar, y checkpoints para verificar que todo funciona. No lo leas nomás — seguílo con la terminal abierta al lado.

Lo que vas a tener al final de este artículo

Para que sea concreto: esto es exactamente lo que vas a tener configurado cuando terminés de seguir este artículo:

●      Python instalado y funcionando

●      El SDK oficial de Anthropic instalado

●      Una API key de Anthropic guardada como variable de entorno

●      Una primera llamada exitosa a Claude

Tiempo estimado: 15 minutos si nunca hiciste nada de esto. 5 minutos si ya tenés Python instalado.

Paso 1 — Verificar Python

Peter Parker no inventó la química desde cero. Usó lo que ya había en el laboratorio de la escuela. Vos tampoco necesitás instalar nada raro — solo Python, que probablemente ya tenés.

Abrí tu terminal y corré esto:

Si ves algo como Python 3.10.x o Python 3.11.x, estás perfecto.

Si ves Python 2.x, necesitás instalar Python 3 — bajalo de python.org. Si el comando no existe, ídem.

El SDK de Anthropic requiere Python 3.8 como mínimo, pero te recomiendo usar 3.10 o superior para evitar problemas de compatibilidad con los demos del curso.

✅ python3 --version → Python 3.10.12   ← esto es lo que querés ver

⚠️  python --version → Python 2.7.18   ← esto NO funciona, instalá Python 3

 Paso 2 — Instalar el SDK de Anthropic

El SDK es la librería oficial que te permite hablar con la API de Claude desde Python. Es el lanzador de telaraña de Peter Parker — sin él, podés tener toda la fórmula en la cabeza pero no podés hacer nada.

Abri Antigravity y luego su termina, crea un environment de python:

Activa el environment:

Instala Anthropic SDK.

Deberías ver el número de versión impreso en la consola. Si ves un error de importación, el SDK no se instaló correctamente — revisá que pip esté apuntando al mismo Python que verificaste en el paso anterior.

Paso 3 — La API Key: el acceso al laboratorio de Oscorp

Acá está la parte más importante. La API key es lo que te identifica ante Anthropic y te permite hacer llamadas a Claude. Sin ella, el SDK sabe cómo hablar con la API pero no tiene permiso para entrar.

Pensalo como el pase de acceso al laboratorio de Oscorp. Sin el pase, podés estar parado en la puerta todo el día — no vas a entrar.

Cómo conseguir tu API key

●      Andá a console.anthropic.com

●      Creá una cuenta si no tenés una (o iniciá sesión)

●      En el menú lateral, buscá 'API Keys'

●      Hacé clic en 'Create Key', dale un nombre (ej: 'cca-f-curso'), y copiá la key

⚠️  La API key se muestra una sola vez. Si la cerrás sin copiarla, tenés que generar una nueva. Copíala ahora y guardala en un lugar seguro.

 Cómo guardar la API key correctamente

Nunca — y esto es importante — nunca hardcodees la API key en tu código. Si subís ese código a GitHub, cualquiera puede ver tu key y usarla. Las consecuencias van desde costos inesperados en tu cuenta hasta que te suspendan el acceso.

La forma correcta es guardarla como variable de entorno:

# Mac / Linux — agregá esto a tu ~/.bashrc o ~/.zshrc:

# Después recargá el archivo:

# o

# Windows (PowerShell):

# Para verificar que quedó guardada:

El SDK de Anthropic busca automáticamente la variable ANTHROPIC_API_KEY cuando inicializás el cliente. Si está configurada, no necesitás pasarla explícitamente en el código.

Crea un archivo demo.py y copia el siguiente codigo.

Corrélo con:

Si todo está bien, vas a ver la respuesta de Claude impresa en la consola. Eso significa que tu entorno está funcionando perfectamente.

✅ ✅ Conexión exitosa! → tu laboratorio está listo

Dos agentes conectados.

Para conectar el agente que acabaste de crear con otro, mira el video en donde explico paso a paso como hacerlo. El codigo a incorporar:

💡 Usá claude-haiku-4-5 para todos los experimentos y pruebas. Es el modelo más rápido y más económico — perfecto para aprender. Cuando necesités razonamiento más profundo en los demos avanzados, el curso lo va a indicar explícitamente.

Listo. Tu laboratorio está montado.

Los tres modelos que vamos a usar en el curso

Claude no es un modelo único — es una familia de modelos con diferentes capacidades y costos. En el curso vamos a usar tres principalmente:

Para el CCA-F, el examen no te va a preguntar diferencias de precio entre modelos. Pero sí te va a preguntar cuándo usar Extended Thinking (solo Opus) o qué modelo elegir para una tarea de alta frecuencia con bajo presupuesto (Haiku). Tené esto en mente.

⚠️  Los precios y capacidades de los modelos pueden actualizarse. Antes del examen, revisá la documentación oficial de Anthropic en docs.anthropic.com para confirmar qué capacidades tiene cada modelo en ese momento.

Checklist antes de ir al siguiente modulo.

Antes de avanzar, verificá que tenés todo esto resuelto:

●      ✅  python --version 3.8 o superior

●      ✅  pip install anthropic funcionó sin errores

●      ✅  La variable ANTHROPIC_API_KEY está configurada en tu entorno

●      ✅  python demo.py devolvió una respuesta de Claude

Si todos los ticks están en verde, estás listo para el Módulo 1. Si alguno falló, revisá la sección correspondiente antes de seguir — es mucho más fácil resolver problemas de entorno ahora que en el medio de un demo de agentes.

Peter Parker no se convirtió en Spider-Man el día que lo picó la araña. Primero tuvo que entender qué le había pasado, probar sus poderes con cuidado, y construir las herramientas que necesitaba. El laboratorio viene antes que el traje.

Nos vemos en el siguiente Módulo, donde arrancamos con Arquitectura Agéntica y R2-D2 explicando el loop agéntico mejor que cualquier paper. 🕷️