Claude Mods: 3 plugins útiles para trabajar mejor con IA

Con Claude Mods, Claude Code ya puede escribir plugins para sí mismo. Si quieres un panel para repasar sus cambios, puedes pedirle que lo arme. Si quieres tener a la vista cuánto contexto está usando, también. Con Mods, Anthropic abrió interfaces para ese tipo de personalización, y las extensiones se pueden cargar en la sesión en la que estás trabajando.

Trabajar con IA suele incluir repetir las mismas instrucciones: “deja las fuentes”, “corre las pruebas cuando termines”, “dime qué falta”. Ahora podemos incorporar algunas de esas exigencias a la herramienta. Lo que más me interesa es no tener que estar tan encima de la IA.

En el anuncio del 1 de octubre de 2026, Anthropic resumió la idea en una frase:

“You can also use Claude Code to mod Claude Code.”

Anthropic · Customize Claude Code with mods

Cómo Claude Mods cambia Claude Code

Es decir, usar Claude Code para modificar el propio Claude Code. Suena a una IA que se mejora a sí misma, pero lo que se abre es la capa de software de Claude Code. El modelo no cambia por instalar un mod. Lo que puedes modificar son las herramientas que lo rodean, el flujo de trabajo y partes de la interfaz.

El mecanismo tampoco tiene mucho misterio. Enviar un prompt, llamar a una herramienta o dibujar la interfaz genera eventos. Un mod registra funciones en JavaScript o TypeScript para observar, modificar o tomar el control de esos eventos. Puede evaluar una llamada antes de ejecutarla, ordenar el resultado después y mostrar aparte la información que te importa. Las extensiones forman parte de plugins normales: se pueden instalar, compartir y escribir con ayuda de Claude. Los detalles están en la documentación oficial.

Skills, MCP y Hooks ya permitían darle instrucciones a la IA, conectarle herramientas y ejecutar scripts. Mods abre más partes de Claude Code, sobre todo la interfaz y la interacción. Puedes convertir tu forma de revisar el trabajo en un panel o un conjunto de botones que funcione dentro de la sesión. La comparación oficial de capacidades explica dónde encaja cada opción.

3 ejemplos útiles de Claude Mods

Los tres ejemplos oficiales ayudan a aterrizarlo. Token Weather muestra el uso del contexto para que sepas cuándo conviene organizar la información. Blast Radius muestra el impacto previsto de ciertos comandos peligrosos antes de ejecutarlos y te deja continuar o cancelar. Replay Theater recorre, uno por uno, los cambios de la ronda anterior. Por fin hay una forma más cómoda de responder a “¿qué fue lo que cambió?”.

Una lista de funciones no alcanza a explicar el valor de estos detalles. Hay quien necesita vigilar el contexto, quien revisa cada cambio y quien quiere leer las fuentes mientras arma sus conclusiones. Es difícil que un producto cubra los hábitos de todos. Ahora cada usuario puede completar esa parte alrededor de su trabajo y, si la extensión le funciona bien, compartirla.

Claude Mods y DeepSeek Harness: las diferencias

DeepSeek ya venía explorando esa dirección. En el código de Harness de agosto de 2026, el adaptador del modelo, el registro de herramientas, el registro de sesiones y el ciclo de ejecución del agente ya estaban organizados como plugins. Una herramienta de plugins dinámicos de esa misma versión también permitía que la IA inspeccionara y ampliara el entorno en ejecución, incluida la interfaz web. En la presentación actual de DeepSeek, el modo Creator reúne la inspección del entorno, la experimentación y la creación de extensiones en un mismo flujo de uso.

El alcance de ambas propuestas es distinto. Claude Mods permite personalizar un Claude Code existente; DeepSeek Harness deja más componentes centrales en manos de una combinación de plugins. La cronología demuestra que DeepSeek tenía implementaciones relacionadas antes. Por sí sola, no demuestra quién tomó ideas de quién. El punto común que me interesa es que los usuarios ya pueden modificar también el entorno en el que trabaja la IA.

Qué dice la investigación sobre el trabajo con IA

Las herramientas y la forma de devolver los resultados influyen en lo que la IA consigue terminar. El estudio de SWE-agent ofrece un ejemplo concreto. Este trabajo de NeurIPS 2024 evaluó el mismo GPT-4 Turbo en las 300 tareas de SWE-bench Lite. En un entorno limitado al shell, con ejemplos, resolvió el 11% de las tareas. Con una interfaz diseñada para la interacción entre agente y computadora —una Agent-computer interface—, llegó al 18%: 7 puntos porcentuales más. El mismo trabajo comparó interfaces de edición: al incorporar comprobaciones de código, la tasa de resolución pasó del 15% al 18%. Los datos están en las tablas 1 y 3 del artículo.

Son resultados de un modelo anterior y de una evaluación específica. No sirven para ponerle una cifra de productividad a Mods hoy. Sí muestran que la organización de las herramientas y la información que recibe el agente cuando falla pueden cambiar cuánto logra resolver. Vale la pena diseñar bien ese ciclo: darle un resultado útil de la comprobación y dejarlo seguir corrigiendo.

Después hay que ver qué trabajo le ahorra a la persona. Una encuesta publicada por METR en mayo de 2026 incluyó a 349 trabajadores de áreas técnicas. La mediana del aumento de velocidad que reportaron fue de 3 veces; al preguntar de tres formas distintas por el “valor del trabajo”, las medianas reportadas quedaron entre 1.4 y 2 veces. Son estimaciones de los participantes, y la muestra tiene sesgo de selección. No son beneficios medidos con un cronómetro. La encuesta original explica el método. Para mí, estos datos recuerdan que trabajar más rápido, producir más y entregar algo más valioso son cosas que conviene evaluar por separado.

Mi criterio para Claude Mods es bastante simple: después de instalar una extensión, ¿necesito menos preguntas de seguimiento, reviso menos pantallas de registros o me ahorro una ronda de correcciones? Si la IA produce mucho en cada turno, pero yo paso más tiempo arreglando lo que deja pendiente, esa extensión no me interesa demasiado. El trabajo que le queda a la persona después de la entrega también debería contar en la evaluación del agente. Si genera código en segundos y luego me deja una hora de limpieza, esa hora entra en la cuenta.

Un panel de entrega con Claude Mods: 3 comprobaciones

Por eso, lo primero que me gustaría construir es un “panel de entrega”. No necesita ser espectacular. Basta con dejar claras tres cosas:

• Qué cambió: los archivos, las páginas donde se puede revisar y las diferencias reales.
• Qué verificó: las comprobaciones que ejecutó, sus resultados originales y las que fallaron.
• Qué falta: lo que no revisó y las decisiones que necesito tomar yo.

Si le pido a la IA que arregle el cambio de idioma en Binmage, quiero saber si probó los tres idiomas, si revisó la versión móvil y si reprodujo el problema de la carga inicial. Quiero abrir el resultado y comprobarlo. Si algo no se probó, debe decirlo. Así recibo una entrega que puedo revisar paso a paso, sin tener que adivinar el estado del trabajo entre una larga lista de “optimizado”, “corregido” y “completado”.

Qué revisar antes de instalar Claude Mods

Ahí hace falta otra comprobación: la información que resume el panel debe tener una fuente verificable. La documentación oficial explica que Mods puede reescribir los resultados de las herramientas e incluso modificar entradas del registro de sesión antes de que se guarden. Para una publicación o un despliegue importante, seguiría dejando las verificaciones a un sistema de integración continua (CI) con permisos separados o a un programa de comprobación protegido. El panel me mostraría los resultados. No me daría confianza que el reporte de “trabajo terminado” y la aprobación dependieran del mismo registro que se puede reescribir.

Instalar una extensión también significa instalar código. Mods utiliza los permisos de tu cuenta para leer y escribir archivos, iniciar procesos y conectarse a la red. Anthropic dice explícitamente que no tiene un entorno aislado de seguridad. El código escrito con ayuda de la IA también necesita revisión. Que un panel se vea bonito no dice nada sobre la confianza que merece el código que hay detrás.

Este panel de entrega sigue siendo una idea mía. Cuando lo construya, lo probaré con cambios reales en el sitio: si necesito menos preguntas de seguimiento, si detecto antes lo que quedó sin terminar y si es fácil volver a ejecutar las comprobaciones. Si me deja supervisar menos sin que se me escapen problemas, tendrá un lugar en mi flujo de trabajo.

Fuentes verificadas el 3 de octubre de 2026. Este artículo se basa en documentación oficial, versiones históricas del código y estudios originales. Todavía no he probado Mods ni Creator de forma independiente; el panel de entrega es una propuesta del autor.