En lugar de dedicar meses a construir pipelines complejos, Strands permite a los desarrolladores crear agentes inteligentes y listos para producción en cuestión de días. Esta guía introduce a los principiantes en los fundamentos, los recursos necesarios y los bloques de construcción principales para empezar con confianza.

¿Qué es Strands Agents?

Strands Agents es un SDK en Python que permite a los desarrolladores crear agentes de IA capaces de:

• Razonar y planificar utilizando LLMs.

• Llamar a herramientas (funciones) para realizar acciones reales.

• Integrarse de forma natural con servicios de AWS.

• Ejecutarse sobre múltiples proveedores de LLM.

A diferencia de los scripts tradicionales de chatbots, Strands se centra en el diseño de agentes preparados para producción, haciendo énfasis en la observabilidad, la flexibilidad y la reducción de boilerplate.

Conceptos clave de Strands Agents

La definición más simple de un agente es la combinación de tres elementos:

1. Modelo LLM.

2. Herramientas.

3. Un prompt.

El agente utiliza estos tres componentes para completar una tarea, a menudo de forma autónoma. La tarea del agente puede ser responder una pregunta, generar código, planificar unas vacaciones u optimizar una cartera financiera. En un enfoque impulsado por el modelo, el agente utiliza el modelo para dirigir dinámicamente sus propios pasos y para usar herramientas con el fin de completar la tarea especificada.

Para definir un agente con el SDK de Strands Agents, se definen estos tres componentes en el código:
### ModeloStrands ofrece un soporte flexible de modelos. Puedes utilizar cualquier modelo de Amazon Bedrock que soporte uso de herramientas y streaming, un modelo de la familia Claude de Anthropic a través de la API de Anthropic, un modelo de la familia Llama mediante la API de Llama, Ollama para desarrollo local, y muchos otros proveedores como OpenAI a través de LiteLLM. Además, puedes definir tu propio proveedor de modelos personalizado con Strands.
### HerramientasPuedes elegir entre miles de servidores publicados del Model Context Protocol (MCP) para usarlos como herramientas de tu agente. Strands también proporciona más de 20 herramientas de ejemplo preconstruidas, incluidas herramientas para manipular archivos, realizar peticiones API e interactuar con APIs de AWS. Cualquier función en Python puede usarse fácilmente como herramienta simplemente utilizando el decorador @tool de Strands.
### PromptProporcionas un prompt en lenguaje natural que define la tarea del agente, como responder una pregunta de un usuario final. También puedes proporcionar un system prompt que define instrucciones generales y el comportamiento deseado del agente.
Un agente interactúa con su modelo y sus herramientas en un bucle hasta completar la tarea proporcionada por el prompt. Este bucle agéntico es el núcleo de las capacidades de Strands. El bucle agéntico de Strands aprovecha al máximo lo potentes que se han vuelto los LLM y su capacidad nativa para razonar, planificar y seleccionar herramientas.
En cada iteración, Strands invoca al LLM con el prompt y el contexto del agente, junto con una descripción de las herramientas disponibles. El LLM puede decidir responder en lenguaje natural al usuario final, planificar una serie de pasos, reflexionar sobre pasos anteriores del agente y/o seleccionar una o más herramientas para usar. Cuando el LLM selecciona una herramienta, Strands se encarga de ejecutarla y de devolver el resultado al LLM. Cuando el LLM completa su tarea, Strands devuelve el resultado final del agente.

Filosofía de diseño principal (enfoque impulsado por el modelo)

Strands desplaza la complejidad desde el desarrollador hacia el propio modelo.
En lugar de codificar árboles de decisión o flujos de trabajo:

• El LLM razona sobre la tarea.

• El LLM decide cuándo usar herramientas.

• El desarrollador define capacidades, no el flujo de control.

Esto reduce drásticamente el código de orquestación y mejora la mantenibilidad.

Cómo funcionan los Strands Agents (Agentic Loop)

Para entender realmente por qué Strands requiere tan poco código de orquestación, es útil observar cómo opera internamente un agente. En el núcleo de Strands se encuentra un bucle agéntico, en el que el agente razona, actúa y refina continuamente su respuesta coordinando un modelo y un conjunto de herramientas.

Este bucle comienza cuando un prompt del usuario invoca al agente. El agente reenvía el prompt al modelo, que razona sobre la solicitud y decide si puede responder directamente o si necesita usar una herramienta. Si se requiere una herramienta, el agente la ejecuta y pasa el resultado de vuelta al modelo para un razonamiento adicional. Este ciclo puede repetirse varias veces hasta que el modelo determina que la tarea está completa.

Una vez finalizado el razonamiento, el agente devuelve una respuesta final, bien estructurada, al usuario. Dado que el propio modelo decide cuándo y cómo usar las herramientas, los desarrolladores no necesitan escribir flujos de trabajo complejos, comprobaciones condicionales ni máquinas de estados. Esto es lo que hace que Strands sea a la vez potente y accesible para principiantes.

En resumen, los agentes de Strands no solo responden: piensan, actúan y se adaptan a través de este agentic loop.

Proveedor de modelos por defecto: Amazon Bedrock

Por defecto, Strands utiliza Amazon Bedrock, un servicio totalmente gestionado de AWS que proporciona acceso a modelos fundacionales de alta calidad, como Anthropic Claude, a través de una API unificada.
AWS Bedrock se encarga de:

• Infraestructura y escalado.

• Selección y actualización de modelos.

• Seguridad e integración con IAM.

🔗 AWS Bedrock Overview https://aws.amazon.com/bedrock/

Herramientas de Strands Agents

Strands proporciona un ecosistema rico de herramientas a través del repositorio oficial de herramientas. Estas herramientas permiten que los agentes vayan más allá de la generación de texto y realicen operaciones reales.

🔗 Strands Agents Tools (Repositorio oficial) https://github.com/strands-agents/tools

Las capacidades disponibles incluyen:

• Cálculo matemático y simbólico.

• Lectura y escritura de archivos.

• Peticiones HTTP.

• Ejecución de Python.

• Interacción con servicios de AWS.

• Memoria y recuperación de conocimiento.

Requisitos previos

Antes de empezar, asegúrate de contar con:

• Python 3.10 o superior.

• Una cuenta de AWS configurada localmente.

• Conocimientos básicos de Python (recomendado).

Instalación

Instala el SDK de Strands y el paquete de herramientas usando pip:

pip install strands-agents strands-agents-tools

Una vez instalado, ya puedes crear tu primer agente.

Creando tu primer agente con Strands

Un agente de Strands puede inicializarse únicamente con un system prompt:

from strands import Agent

agent = Agent(
    system_prompt="You are a helpful assistant that provides concise answers."
)

response = agent("Hello! What can you do?")
print(response)

Por defecto, este agente se ejecuta sobre AWS Bedrock utilizando un modelo Claude seleccionado según tu región de AWS, sin necesidad de configuración manual del modelo.

Añadiendo herramientas a un agente

Las herramientas otorgan a los agentes la capacidad de actuar. Strands soporta herramientas integradas y herramientas personalizadas mediante el decorador @tool.

from strands import Agent, tool
from strands_tools import calculator

@tool
def weather():
    """Return current weather (dummy implementation)."""
    return "sunny"

agent = Agent(
    tools=[calculator, weather],
    system_prompt="You can perform calculations and provide weather updates."
)

print(agent("What is 12 * 8?"))

Invocación directa de herramientas (depuración y pruebas)

Las herramientas también pueden invocarse directamente sin pasar por el bucle de razonamiento del agente:

agent.tool.calculator(
    expression="x^2 + 2x",
    mode="derive",
    wrt="x"
)

Esto resulta útil para depurar, probar lógica o utilizar herramientas dentro de otras herramientas.

Logging y observabilidad

Strands se integra con el módulo estándar de logging de Python, proporcionando visibilidad sobre el comportamiento del agente:

import logging
from strands import Agent

logging.getLogger("strands").setLevel(logging.DEBUG)

logging.basicConfig(
    format="%(levelname)s | %(name)s | %(message)s",
    handlers=[logging.StreamHandler()]
)

agent = Agent()
agent("Hello!")

Esto ayuda a rastrear:

• Decisiones del modelo

• Uso de herramientas

• Errores y comportamiento de recuperación

Proveedores de modelos en Strands

Aunque AWS Bedrock es el proveedor por defecto, Strands soporta múltiples proveedores de LLM:

• Amazon Bedrock

• APIs compatibles con OpenAI

• Anthropic

• LiteLLM

• Ollama (modelos locales)

• Proveedores personalizados

Especificar explícitamente un modelo de Bedrock

from strands import Agent

agent = Agent(
    model="us.anthropic.claude-3-7-sonnet-20250219-v1:0"
)

print(agent.model.config)

Configuración avanzada de modelos

Para un control más preciso, puedes configurar directamente un proveedor:

from strands.models import BedrockModel
from strands import Agent

bedrock_model = BedrockModel(
    model_id="us.anthropic.claude-3-7-sonnet-20250219-v1:0",
    region_name="us-west-2",
    temperature=0.3
)

agent = Agent(model=bedrock_model)

Por qué Strands es accesible para principiantes

Strands hace que el desarrollo de agentes sea más sencillo al:

• Reducir el boilerplate de orquestación

• Utilizar abstracciones claras y declarativas

• Soportar logging estándar de la industria

• Ofrecer integraciones flexibles de modelos

• Alinearse de forma natural con los flujos de trabajo de AWS

Recursos necesarios para principiantes

• Strands SDK: https://github.com/strands-agents/sdk-python

• Strands Tools: https://github.com/strands-agents/tools

• AWS Bedrock: https://aws.amazon.com/bedrock/

• Documentación oficial: https://strandsagents.com/latest

Conclusión

Strands Agents proporciona una base limpia y preparada para el futuro para cualquiera que empiece con IA agéntica. Al permitir que los modelos gestionen el razonamiento y la toma de decisiones, Strands permite a los desarrolladores centrarse en definir capacidades en lugar de gestionar la complejidad.

Esta guía para principiantes cubre todo lo necesario para empezar. A medida que tus casos de uso crecen, Strands escala de forma fluida: desde agentes simples hasta sistemas autónomos y multiagente.

En este post quiero compartir mi experiencia, los aprendizajes prácticos que me llevo, y algunos consejos para quienes estén pensando en asistir por primera vez.

Expectativas vs realidad

Antes de llegar, mi idea era simple: asistir a keynotes, probar nuevas herramientas y ver demos en vivo. Lo que no esperaba era la cantidad de información, networking y oportunidades de aprendizaje informal que se producen fuera del escenario principal.

• Las keynotes son espectaculares, sí. Cada anuncio parece revolucionario, pero muchas veces están diseñadas para impresionar más que para explicar cómo aplicar la tecnología en entornos reales.

• Los breakout sessions son donde ocurre la verdadera magia. Ahí es donde encuentras detalles técnicos, arquitecturas, best practices y casos de uso reales que luego puedes aplicar en tu día a día.

• El networking no es solo social; hablar con otros builders, arquitectos o cloud engineers te da perspectivas que no encontrarás en blogs ni en documentación oficial.

Lo que nadie te dice sobre el re:Invent

• Cansancio y ritmo intenso: asistir a varias sesiones al día, caminar por el campus, y combinar networking con aprendizaje técnico es agotador. Planifica descansos estratégicos.

• Elegir las sesiones correctas es un arte: hay demasiadas opciones. Conviene priorizar según tus objetivos y no intentar asistir a todo.

• El merchandising es tentador, pero no imprescindible: los freebies están por todos lados, pero al final lo que te llevas de verdad son conocimientos y contactos.

Consejos para un primerizo

1. Prepara tu agenda con antelación: identifica sesiones clave y deja espacio para improvisar según lo que surja en el networking.

2. Networking activo: no subestimes las conversaciones informales en cafeterías, stands o pasillos. A menudo son más útiles que las sesiones oficiales.

3. Toma notas y comparte: ya sea para tu equipo o para tu blog, documentar lo aprendido permite procesar la información y sacarle el máximo provecho.

4. Mantente flexible: los horarios cambian, las sesiones se llenan y algunas demos se cancelan. La clave es adaptarse y priorizar lo que realmente aporta valor.

Reflexión final

Mi primera experiencia en AWS re:Invent 2025 me hizo darme cuenta de que el valor real del evento no está en las luces, los anuncios ni el swag, sino en la combinación de aprendizaje técnico, networking y exposición a nuevas ideas que puedes aplicar directamente en tu trabajo.

Si eres un profesional del mundo cloud o desarrollo en AWS y tienes la oportunidad de asistir, hazlo. No es solo una conferencia, es un entorno de inmersión total en innovación y práctica profesional.

En próximos posts planeo detallar algunas de las sesiones más técnicas y herramientas que probé, incluyendo demos y ejemplos que puedes aplicar en proyectos reales.

Si este artículo te ha resultado útil o tienes alguna pregunta, puedes contactar conmigo en LinkedIn.

¿Cómo es realmente el proceso de aplicación?

Aplicar NO es solo rellenar un formulario. Es un proceso que te pide pausa, reflexión profunda y mucha honestidad contigo mismo.

Lo que NO necesitas

• Años de experiencia en AWS.

• Certificaciones avanzadas.

• Un currículum perfecto.

• Una comunidad de seguidores muy grande.

• Inglés nativo (la diversidad también incluye idiomas).

Lo que SÍ te van a preguntar

• Tu historia personal: ¿por qué estás en tech?, ¿qué te motiva de verdad?

• Tus desafíos: ¿qué barreras has enfrentado en tu camino profesional?

• Tus metas: ¿qué planeas hacer con esta oportunidad?

• Tu impacto: ¿cómo piensas contribuir a la comunidad tech?

Essay questions: tu momento de brillar

Tip clave: NO escribas lo que crees que quieren leer. Escribe TU verdad. La autenticidad se nota.

Ejemplos de preguntas comunes:

1. Describe un desafío técnico que hayas enfrentado y cómo lo resolviste.

2. ¿Cómo planeas usar esta experiencia para impactar a tu comunidad?

3. Cuéntanos sobre una vez que fallaste y qué aprendiste de eso.

Lo que SÍ funciona

• Ser vulnerable y auténtico.

• Mostrar curiosidad real.

• Demostrar ganas de aprender.

• Conectar tu historia personal con tus metas profesionales.

Lo que NO funciona

• Respuestas genéricas.

• Textos largos y artificiales hechos con IA.

• Exagerar tu experiencia.

• Copiar respuestas de internet.

• Enfocarte solo en lo que vas a recibir.

Timeline proceso de aplicación

• Aplicación: tómate el tiempo que necesites. Si te lleva 1 o 2 semanas, está bien.

• Proceso de selección: 6 a 8 semanas.

• Notificación: generalmente entre septiembre y octubre.

• Preparación previa al evento: 2 a 3 meses.

Puedes aplicar y obtener más información sobre el programa aquí.

Qué esperar del evento (la realidad sin filtro)

La magnitud real

• Más de 65.000 asistentes (sí, es enorme)

• 5 días intensos de puro aprendizaje (no son vacaciones)

• Más de 400 sesiones (no podrás verlas todas)

• Múltiples venues en el Las Vegas Strip.

Mitos que debes soltar

• “Todos saben más que yo” → Falso. Todos están aprendiendo.

• “Necesito entender todo” → Falso. Nadie lo entiende todo.

• “No pertenezco aquí” → Falso. Fuiste seleccionado por una razón.

• “Tengo que hacer networking perfecto” → Falso. Sé tú mismo.

• “Necesito muchos seguidores” → Falso. El número no importa en absoluto.

Realidades que te empoderan

• Tienes una perspectiva única y valiosa.

• Las preguntas “básicas” suelen ser las más importantes.

• A los expertos les encanta enseñar a personas curiosas.

• Tu diversidad es justo lo que la industria necesita.

El ABWG en números

¿Qué recibe una persona seleccionada?

Esto es lo que incluye la beca All Builders Welcome (en cifras):

• Entrada gratuita a AWS re:Invent (2099 $)

• Vuelo de ida y vuelta a Las Vegas, Nevada (1500-2000 $)

• 5 días de alojamiento en el Treasure Island Hotel (1500-1700 $)

• Tarjeta Uber de 75 $.

• Tarjeta regalo de 250 $.

• Regalos especiales (hasta 400 $).

• Sala VIP para becarios y asientos reservados para las conferencias magistrales (no tiene precio).

• Eventos especiales y apoyo de mentores (2 veces más valioso que el oro).

• Comunidad y contactos (1000 veces más valioso que el oro).

Una vez que recibes la beca

1. Confirmar que aceptas el grant.

2. Asegurarte de tener visa o ESTA (Electronic System for Travel Authorization) a tiempo.

3. Reservar tu entrada a re:Invent con el link que te envían.

4. Reservar el hotel desde el enlace oficial.

5. Coordinar los vuelos con la agencia indicada.

Cuando todo esté listo, solo queda una cosa: prepararte mental y físicamente para la conferencia.
Más adelante compartiré un post con tips prácticos para grantees y personas que asisten por primera vez.

Conclusión

re:Invent no es solo un evento. Es un catalizador.

Te irás con:

• Conocimiento técnico que puede cambiar tu forma de trabajar.

• Una red global de builders como tú.

• Confianza en que sí perteneces a esta industria.

• Claridad sobre el siguiente paso en tu carrera.

• Una comunidad que te acompaña incluso después del evento.

La pregunta no es si estás listo para re:Invent.
La pregunta es: ¿estás listo para que re:Invent te transforme?

Si este artículo te ha resultado útil o tienes alguna pregunta, puedes contactar conmigo en LinkedIn.

En esta guía exploraremos cómo usar la IA generativa a través de los modelos Claude de Anthropic con Amazon Bedrock, el servicio de GenAI totalmente gestionado de AWS con el que podrás crear tu propio entrenador personal de certificación. Este asistente puede ayudarte a reforzar conceptos clave, simplificar ideas complejas y mantener el ritmo hacia tus objetivos de aprendizaje.

Al final de este artículo, comprenderás cómo aprovechar el poder de Amazon Bedrock y Claude Sonnet 4 para crear una experiencia de estudio personalizada que se adapte a tu estilo, ritmo de aprendizaje y tus objetivos de certificación.

Así que, si estás list@ para mejorar tu preparación para las certificaciones de AWS con técnicas de estudio basadas en IA, esta guía será tu mejor aliada para transformar por completo tu enfoque de aprendizaje.

Comprender cómo la IA puede ser tu aliada de estudio

Antes de configurar nada, conviene entender el papel que puede desempeñar la IA en tu proceso de preparación. Los modelos de lenguaje grandes (LLM), como los de Anthropic, pueden actuar como compañeros de estudio siempre disponibles. Piensa en ellos como un compañero de estudio incansable, dispuesto a ayudarte cuando algo se te atasca.

Amazon Bedrock ofrece acceso a una amplia gama de modelos de IA desarrollados por empresas líderes del sector como Anthropic, AI21 Labs, Amazon, Cohere, Meta, Mistral AI, OpenAI o Stability AI. Estos modelos son capaces de adaptar sus respuestas a tus necesidades de aprendizaje, desglosar temas complejos en partes más comprensibles y proporcionar retroalimentación inmediata sobre tus preguntas. Lo mejor de todos, es un servicio completamente gestionado por AWS, por lo que, su uso es muy sencillo.

La gran ventaja es la flexibilidad: puedes estudiar temprano en la mañana, tarde por la noche o en cualquier momento que se adapte a tus necesidades. Tu asistente de IA estará siempre disponible para mantenerte enfocado y ayudarte a progresar a tu ritmo.

Requisitos previos

Antes de empezar, asegúrate de contar con los permisos adecuados en Identity and Access Management (IAM) que permita el acceso al modelo en cuestión. En la documentación oficial encontrarás ejemplos de políticas basadas en identidades para Amazon Bedrock.

Recientemente, AWS ha eliminado la necesidad de habilitar los modelos fundacionales (FM) así que, ahora puedes hacer uso de ellos sin tener que activarlos previamente. Recuerda que el servicio funciona bajo un esquema de pago por uso (pay as you go) por lo que, solo pagarás por el tiempo o los recursos que utilices. Puedes monitorear tus costos fácilmente desde la consola de administración de AWS, lo que te ayudará a controlar y gestionar los costes de forma eficaz.

En este enlace puedes consultar los precios de Amazon Bedrock para obtener más información sobre los costes específicos de cada modelo básico.

Configuración del entorno de estudio con IA

Para configurar el entorno de estudio, siga estos pasos:

1. Habilitar el acceso de uso al modelo
Los usuarios tienen que tener permisos IAM para acceder al modelo Claude Sonnet 4 (o el LLM elegido) desde la consola de Amazon Bedrock.

{
    "Version":"2012-10-17",                   
    "Statement": [
        {
            "Sid": "ProvisionedThroughputModelInvocation",
            "Effect": "Allow",
            "Action": [
                "bedrock:InvokeModel",
                "bedrock:InvokeModelWithResponseStream"
            ],
            "Resource": "arn:aws:bedrock:eu-west-1:${aws:username}:provisioned-model/${aws:modelId}"
        }
    ]
}

2. Seleccionar el modelo adecuado
En el entorno de pruebas Amazon Bedrock Chat/Text, selecciona Claude Sonnet 4 entre los modelos base disponibles.

3. Definir un mensaje del sistema (System prompt)
Este mensaje establece el contexto inicial del asistente, es decir, su rol, tono y enfoque. Por ejemplo:

“You are an expert AWS Certification Coach with deep knowledge of AWS services and certification exams. You specialize in the AWS Solutions Architect Associate certification. Use the documentation uploaded to understand the exam you are generating questions for. Always base your answers on official AWS documentation and best practices. Keep explanations clear and focused on exam-relevant details. If unsure about any information, acknowledge the uncertainty and refer to official AWS documentation.”

Si lo prefieres en español:

“Eres un experto entrenador en certificaciones de AWS, especializado en el examen de AWS Solutions Architect Associate. Basa tus respuestas en la documentación oficial y las mejores prácticas. Si no estás seguro de una información, indícalo y sugiere consultar la documentación de AWS.”

4. Ajustar comportamiento del modelo

El

5. Subir recursos al entorno de chat
El modelo funcionará mejor si le proporcionas documentación oficial y materiales relevantes. Así podrá generar respuestas precisas y alineadas con los temas del examen. Esto garantiza que tu compañero de IA tenga acceso a los detalles específicos necesarios para una preparación eficaz del examen.

Junto con el documento adjunto:

“Please use this AWS Solutions Architect Associate exam guide as reference material for our discussion. This document contains the official exam content and objectives.”

Si procedes en español:

“Utiliza esta guía del examen AWS Solutions Architect Associate como material de referencia para nuestra conversación. Este documento contiene el contenido y los objetivos oficiales del examen.”

Cómo crear indicaciones de estudio efectivas

La ingeniería de prompts, es decir, la práctica de elaborar instrucciones eficaces para los modelos de IA, es todo un arte: la calidad de tu pregunta define la calidad de la respuesta. Cuanto más específica sea tu instrucción, más útil será el resultado.

Por ejemplo, en lugar de preguntar simplemente “¿Qué es Amazon S3?”, puedes formular “Menciona tres diferencias clave entre Amazon S3 y Amazon EBS para el examen de AWS Solutions Architect Associate”.

Algunas ideas de prompts prácticos:

Caso 1: Preguntas de práctica

1. “Generate a multiple choice, scenario-based question about S3 lifecycle policies. Include a detailed explanation for the correct answer.”

2. “Generate 5 practice multiple choice questions about Amazon RDS, and explain the correct answers thoroughly.”

3. “Generate a multiple choice question about AWS Lambda service pricing model.”

En español:

1. “Genera una pregunta de opción múltiple basada en escenarios sobre políticas de ciclo de vida en Amazon S3 y explica la respuesta correcta.”

2. “Crea cinco preguntas de práctica sobre Amazon Aurora y detalla las soluciones.”

3. “Genera una pregunta de opción sobre el modelo de pago del servicio AWS Lambda”.

Caso 2: Aprendizaje basado en escenarios

Tras realizar un laboratorio en AWS SimuLearn, puedes ampliar tu comprensión con prompts como:

“Explain how Auto Scaling works with ELB and CloudWatch using a real-world ecommerce scenario. Include key configuration considerations.”

Si continuas en español:

“Explica cómo funciona Auto Scaling con ELB y CloudWatch usando un escenario real de comercio electrónico. Incluye consideraciones clave en la configuración de todos los recursos.”

Caso 3: Refuerzo de conceptos

Para repasar fundamentos:

“Explain the AWS shared responsibility model using an analogy. Then highlight 3 key elements that frequently appear on the Solutions Architect Associate exam.”

Si la conversación es español:

“Explica el modelo de responsabilidad compartida de AWS usando una analogía y destaca tres puntos clave que suelen aparecer en el examen de Solutions Architect Associate.”

Equilibrar la IA con métodos tradicionales

La clave está en usar la IA como complemento, no como sustituto. Para ello, te aconsejo que crees bloques de estudio estructurados con pausas breves entre sesiones. La IA puede ayudarte a reforzar lo aprendido y resolver dudas, pero el conocimiento sólido viene del trabajo práctico y la constancia. Al mismo tiempo, puedes apoyarte en laboratorios de AWS, y de herramientas como AWS Cloud Quest.

Al final de cada sesión, puedes usar Bedrock para hacer comprobaciones rápidas de conceptos o practicar preguntas tipo examen. Y, por supuesto, verifica siempre tus respuestas con la documentación oficial.

Reflexión final

Mientras avanzas hacia tu certificación, prueba tu asistente de IA y descubre cómo puede simplificar temas complejos, ponerte a prueba con ejercicios personalizados y mantener tu motivación constante.

Si más adelante quieres ir un paso más allá, explora el Generative AI Application Builder en AWS para crear tus propias aplicaciones de IA.

Y recuerda, tu éxito depende tanto de la tecnología como de tu constancia. Combinar el poder de la IA con una estrategia de estudio disciplinada es, sin duda, la mejor manera de prepararte para cualquier certificación.

Adicionalmente, complementa tu estudio asistido por IA con los recursos de AWS Skill Builder y AWS Educate. Aprovecha y conecta con compañeros a través de la comunidad certificada de AWS para obtener apoyo adicional y oportunidades de networking.

Si este artículo te ha resultado útil o tienes alguna pregunta, puedes contactar conmigo en LinkedIn.

Cuando lo anunciaron en julio, muchos desarrolladores se lanzaron a probarlo, tantos que el acceso se cerró por saturación. Ahora que lo he usado a fondo, puedo decir que Kiro no intenta competir de frente con Windsurf o Cursor, sino que propone una idea un poco más ambiciosa: dejar atrás el “vibe coding” y centrarse en algo que ellos llaman desarrollo basado en especificaciones.

Aparentemente, hay al menos seis IDE importantes basados en bifurcaciones de Visual Studio Code; conozco Cursor, Windsurf, y ahora Kiro.

En este post, te cuento más sobre este último.

¿Qué es exactamente Kiro?

Según la documentación oficial de AWS, Kiro es un entorno de desarrollo integrado con inteligencia artificial pensado para construir proyectos desde una idea inicial hasta una aplicación completamente funcional (al menos eso aseguran). Suena como marketing, pero la diferencia clave es el proceso: en lugar de escribir prompts al vuelo para que el modelo genere código, aquí se trabaja a partir de especificaciones detalladas, una especie de plano técnico que define lo que quieres construir, cómo debe funcionar y qué tareas implica.

A diferencia de las herramientas de los competidores, que dependen en gran medida de la generación rápida de código a partir de un prompt, Kiro adopta un enfoque más estructurado conocido como desarrollo basado en especificaciones. En pocas palabras, no le dices “hazme esto”, sino “esto es lo que necesito, y aquí están los detalles”. Y Kiro se encarga de transformar esas especificaciones en código, documentación y hasta pruebas automatizadas. AWS promete que el resultado es más limpio, mantenible y sobre todo entendible por humanos.

Fun fact: “Kiro” significa encrucijada en japonés (きろ), una metáfora perfecta para la idea de combinar lo mejor del desarrollo de software tradicional con la aceleración impulsada por la IA.

La herramienta es compatible con los sistemas operativos Windows, macOS y Linux, y funciona con los lenguajes de programación más populares. Está basado en Code OSS (el núcleo de código abierto de Visual Studio Code), por lo que en su esencia es un fork de VSCode (como era de esperar) y está desarrollado y soportado íntegramente por AWS. No obstante, permite el acceso a él sin disponer de una cuenta.

Actualmente, se encuentra gratuito durante su fase de prueba, lo que supone una gran oportunidad para probarlo sin comprometerse a una suscripción (así que te animo a que le des una oportunidad).

¿Cómo instalarlo?

Al momento de escribir este post el acceso a Kiro ha sido liberado y por tanto es accesible para cualquier persona sin necesidad de pasar a través de una waitlist.

La instalación es muy sencilla, basta con seguir la siguiente guía paso a paso y en pocos minutos tendrás Kiro instalado. Esta guía muestra el proceso de instalación y configuración en el sistema operativo macOS, pero los pasos son prácticamente iguales en Windows y Linux.

1. Accede al sitio web oficial de Kiro

   Accede a la página web oficial de Kiro.

2. Descargar el instalador

   Haz clic en el botón de descarga en función de tu sistema operativo. En mi caso he utilizado macOS, por lo que descargo el archivo ejecutable .dmg.

   Una vez descargado, ejecuta el instalador y sigue los pasos del asistente de configuración para completar el proceso.

3. Registro en Kiro

   Una vez completada la instalación, Kiro te pedirá iniciar sesión. Puedes elegir entre varias opciones de inicio de sesión.

4. 

   Ventajas de utilizar AWS Builder ID

   Al iniciar sesión con AWS Builder ID, se desbloquea la integración directa con Amazon Q dentro de Kiro. Si tienes acceso a la versión Amazon Q Developer o Amazon Q Pro, puedes mejorar significativamente la experiencia al integrar el asistente basado en IA de AWS con Kiro y obtener de esta manera un análisis de código más detallado, explicaciones y asistencia durante el desarrollo. No es obligatorio, pero mejora mucho la experiencia.

5. Importar la configuración de Visual Studio Code (Opcional)

   Por último, Kiro ofrece la opción de importar los ajustes y configuraciones existentes de VSCode de manera que se mantengan los temas, extensiones y preferencias que tienes en este IDE. Para esta guía, omitiremos este paso y continuaremos con la configuración predeterminada. Si al igual que yo prefieres partir de cero, la configuración por defecto funciona sin problemas.

¿Qué tiene de novedoso?

Al abrirlo, el diseño es muy similar a Visual Studio Code, lo que ayuda a sentirse en casa desde el primer minuto. Sin embargo, Kiro añade una barra lateral con secciones que no existen en otros IDE. Al abrir el panel, por defecto muestra 4 elementos: Specs, Agent Hooks, Agent Steering y MCP Servers.

Specs

Las Specs son una forma estructurada de construir y documentar funcionalidades que quieres desarrollar con Kiro. Aquí defines las especificaciones de tu proyecto. Es el corazón del sistema. Puedes iterar con el agente sobre los requisitos, el diseño y las tareas de implementación.

Ejemplos de casos de uso

• Iterar con el agente sobre requerimientos, diseño y tareas de implementación.

• Desarrollar de manera incremental funcionalidades complejas con control y retroalimentación.

• Documentar el proceso desde la concepción hasta la implementación.

Agent Hooks

Los Agent Hooks son la capacidad de Kiro para crear acciones automáticas del agente que se ejecutan al producirse ciertos eventos. Básicamente, automatizan acciones que normalmente harías tú a mano.

Ejemplos de hooks

• Al guardar un archivo de código, se activa automáticamente una acción para actualizar y ejecutar tests unitarios.

• Al modificar strings de traducción, se actualizan y se asegura de que otros idiomas también se actualicen.

• Hook manual de spell-check, en el que al hacer clic en el botón de “spell check”, revisa y corrige errores gramaticales en el archivo README.

Agent Steering

Steering permite incluir contexto adicional e instrucciones que guían el comportamiento de las interacciones con Kiro según el archivo o la tarea en la que estés trabajando. Por defecto, se almacenan en .kiro/steering/*.md y pueden ser:

Tipos de inclusión

• Siempre incluidos (comportamiento por defecto)

• Condicionales cuando se lee un archivo específico (usando front-matter con inclusion fileMatch y fileMatchPattern: 'README*')

• Manuales cuando los proporcionas vía contexto con '#' en el chat (configurado con inclusion manual)

MCP Servers

El Model Context Protocol (MCP) es un estándar que permite a aplicaciones de IA conectarse con herramientas y servicios externos, extendiendo significativamente sus capacidades más allá del desarrollo básico. En nuestro caso la aplicación de IA que queremos potenciar es Kiro y para ello, se pueden emplear servidores MCP para dotarle de capacidades de conexión con APIs, bases de datos o aplicaciones de terceros con el fin de integrar workflows complejos.

Ejemplos de uso de MCP Servers

1. Integración con GitHub
   Conectar Kiro a un servidor MCP que gestione repositorios de GitHub y permita crear, revisar y fusionar pull requests automáticamente, sincronizar issues con las Specs del proyecto, y mantener el historial de cambios sin salir del IDE.

2. Conexión con bases de datos
   A través de un servidor MCP que exponga acceso a bases de datos (por ejemplo, PostgreSQL o DynamoDB), Kiro puede ejecutar consultas, analizar datos o validar esquemas según las Specs, ayudando en tareas de backend, migraciones o verificaciones de integridad.

3. Automatización de servicios externos
   Un MCP Server conectado a herramientas como Slack, Notion o Jira que permita a Kiro actualizar tareas, publicar reportes de progreso o notificar eventos del pipeline de desarrollo sin intervención manual, creando un flujo de trabajo más integrado y ágil.

AWS promete profundizar en esta última función en futuras actualizaciones, y por lo que he visto, hay mucho potencial.

En un futuro post mostraré el proceso de configuración de diferentes servidores MCP en Kiro y en Amazon Q CLI.

¿Por qué destaca Kiro?

En un mundo en el que las herramientas de programación con IA están surgiendo rápidamente, Kiro no intenta ser el más “creativo” ni el que genera más líneas de código por minuto. Su apuesta es la estructura.

En un panorama donde el “vibe coding” produce montañas de código difícil de mantener, Kiro propone una metodología más controlada y sostenible. Al hacer hincapié en las especificaciones y la automatización frente a las herramientas basadas en prompt únicamente, la filosofía detrás de Kiro pretende producir software listo para producción que no se desmorone cuando sea necesario escalarlo, depurarlo o simplemente, que no se convierta en una pesadilla mantenerlo en el tiempo.

En un futuro post mostraré un ejemplo completo de un caso de uso real de las features que ofrece Kiro.

Planes de pago

La facturación de Kiro se basa en créditos.

No obstante, actualmente tras el cierre de la fase beta, Kiro está en fase gratuita y, al registrarte, recibirás 500 créditos de bienvenida válidos durante 30 días.

Luego es posible continuar con el plan gratuito de 50 créditos mensuales o pasar a niveles de pago. AWS ofrece distintos niveles de precios flexibles diseñados en función del uso que los desarrolladores hacen de Kiro. Puedes pasar a niveles de pago que van desde Pro (20$ al mes), Pro+ (40$ al mes) hasta Power (200$ al mes) para aumentar la capacidad y cuota de uso de los modelos. Cada uno de los niveles de pago incluye la posibilidad de pagar los excedentes de uso de los LLM de manera flexible a 0,04$ por crédito adicional.

Cada acción que le pidas a Kiro que ejecute, desde generar especificaciones hasta ejecutar hooks consume créditos.

Es un modelo similar al de otras herramientas de IA, pero con la ventaja de poder probarlo a fondo antes de invertir (así que aprovecha la oportunidad).

En este enlace se encuentra una guía detallada de los modelos de suscripción existentes.

Novedades y cierre de la beta

Tras una beta masiva en la que más de 100.000 desarrolladores se lanzaron a probarlo en los primeros días, recientemente AWS ha liberado oficialmente Kiro para todos dejando atrás la fase beta.

Con esta versión llegan dos grandes mejoras: soporte para el modelo Claude Sonnet 4.5 de Antrophic y un nuevo agente llamado Auto, que selecciona automáticamente la mejor combinación de modelos según la tarea. En la práctica, esto hace que el sistema elija por ti si conviene usar un modelo más rápido, más barato o más preciso.

Reflexión final

Después de un mes usando Kiro, tengo la sensación de que AWS está intentando redefinir la programación asistida por IA. En lugar de perseguir la inmediatez del prompt, apuesta por una forma más reflexiva y estructurada de desarrollar.

No es una herramienta para quien solo quiere generar prototipos rápidos, sino para quienes buscan crear software serio, escalable y bien documentado. Kiro no elimina la necesidad de pensar, la reorganiza y te ayuda a hacerlo mejor.

En resumen, mientras otros IDEs se centran en “vibrar” con el código, Kiro intenta devolverle forma, orden y propósito. Y eso, sinceramente, se agradece.

Si este artículo te ha resultado útil o tienes alguna pregunta, puedes contactar conmigo en LinkedIn.