Claude Certified Architect — Foundations (CCA-F): qué es y qué evalúa
La certificación fundamental de Anthropic para construir agentes de IA de producción con Claude. Los cinco dominios, el formato del examen, el tipo de preguntas que hace y cómo prepararse.
La mayoría de las certificaciones de IA evalúan si puedes describir el machine learning. La certificación Claude Certified Architect — Foundations (CCA-F) evalúa algo más práctico y actual: si puedes construir un sistema agéntico real con Claude — uno que use tools, gestione el context y se comporte de manera fiable en producción. Es la primera certificación en CertLabPro de un proveedor de modelos de IA en lugar de un proveedor de cloud, y refleja hacia dónde se ha movido gran parte del trabajo de ingeniería de 2026: diseñar agents, no solo llamar a un model.
Aquí te explicamos qué es la certificación, qué cubre exactamente, el tipo de preguntas que hace y cómo prepararse.
Qué es la CCA-F
La CCA-F es una certificación de nivel fundacional centrada en la arquitectura e ingeniería de aplicaciones y agents basados en Claude. "Fundamentos" aquí no significa trivialidades, sino las competencias básicas que todo constructor de Claude necesita antes de especializarse: cómo estructurar un agentic loop, cómo diseñar tools, cómo escribir prompts que produzcan structured output fiable, cómo usar Claude Code y cómo mantener estables los agents de larga duración.
Si has estado construyendo con Claude — conectando tool use, el Model Context Protocol (MCP), configuraciones multi-agent o flujos de trabajo de Claude Code — esta certificación valida ese conocimiento. Si eres nuevo en esto, el plan a continuación es un buen mapa de lo que "conocer Claude" significa realmente en la práctica.
Formato del examen
| Código | CCA-F |
| Proveedor | Anthropic |
| Categoría | AI |
| Nivel | Foundational |
| Preguntas (examen) | 60 |
| Tiempo | 120 minutes |
| Puntuación de aprobación | 720 / 1000 (≈72%) |
| Preguntas de práctica en CertLabPro | 255 |
Las preguntas están basadas en escenarios, no son definicionales. Rara vez se te pregunta "¿qué es X?" — se te pregunta "dada esta situación, ¿qué diseño es correcto?", por eso el banco de práctica (255 preguntas) es más importante que memorizar términos.
Los cinco dominios
El examen está ponderado en cinco dominios. Esta es la parte a estudiar:
| # | Dominio | Ponderación |
|---|---|---|
| 1 | Arquitectura y Orquestación Agéntica | 27% |
| 2 | Configuración y Flujos de Trabajo de Claude Code | 20% |
| 3 | Ingeniería de Prompts y Salida Estructurada | 20% |
| 4 | Diseño de Herramientas e Integración MCP | 18% |
| 5 | Gestión del Contexto y Fiabilidad | 15% |
1. Arquitectura y Orquestación Agéntica (27%)
El dominio más grande. Cómo estructurar agents: el loop reason-act-observe (ReAct), cuándo usar un solo agent frente a múltiples, cómo un orchestrator debe delegar en sub-agents y dónde se establecen los límites de seguridad. Espera preguntas sobre cómo elegir el patrón correcto para una tarea y sobre los riesgos de darle a un orchestrator acceso ilimitado a tools.
2. Configuración y Flujos de Trabajo de Claude Code (20%)
Trabajar con Claude Code como un entorno de codificación agéntico — cómo se configura y se dirige, y los patrones de workflow que lo hacen productivo (skills, hooks, sub-agents y ejecución de tareas structured).
3. Ingeniería de Prompts y Salida Estructurada (20%)
Lograr que Claude produzca una salida fiable y utilizable por máquinas: system prompts, cuándo y cómo restringir la salida a un schema, y técnicas de prompting que mejoran la consistencia para la automatización downstream.
4. Diseño de Herramientas e Integración MCP (18%)
Diseñar tools que un agent pueda usar realmente bien — nombres y descripciones claras, la granularidad adecuada y la conexión de capacidades a través del Model Context Protocol (MCP). Un buen diseño de tools es una de las habilidades de mayor leverage en la construcción de agents, y el examen lo trata de esa manera.
5. Gestión del Contexto y Fiabilidad (15%)
Mantener estables los agents de larga duración y de varias interacciones: gestionar el historial de conversación y el context, la persistent memory y las guardrails de fiabilidad como límites de iteración máxima y fallbacks elegantes cuando un agent se atasca.
Cómo son realmente las preguntas
El banco de preguntas de la CCA-F se basa en decisiones de ingeniería reales. Algunos ejemplos representativos (parafraseados):
- Un agent debe investigar un tema, escribir código, ejecutar pruebas e iterar hasta que pasen — ¿qué patrón agéntico se ajusta? (Respuesta: un loop ReAct con tool use e iteración basada en observation.)
- Un customer-support agent necesita buscar pedidos, procesar refunds, escalar a un humano y mantener un multi-turn context — ¿qué arquitectura es la correcta? (Respuesta: un agentic loop con una tool por capability, gestión del conversation history y un system prompt que defina el role y las reglas de escalation — no una stateless function, no fine-tuning, no solo RAG.)
- Un orchestrator delega en sub-agents especializados — ¿cuál es el riesgo de darle acceso ilimitado a tools? (Respuesta: puede evitar a los sub-agents y actuar directamente, rompiendo la separation of concerns y los safety boundaries.)
- Un agentic coding assistant a veces entra en un bucle infinito cuando las pruebas siguen fallando — ¿mejor mitigación? (Respuesta: un conteo de iteraciones máximo más un fallback que le pida orientación al usuario.)
Observa el patrón: cada pregunta es un design trade-off. Conocer los conceptos (ReAct, MCP, structured output, context windows) no es suficiente, necesitas saber cuál elegir en un escenario dado y por qué las alternativas son incorrectas.
Quién debería tomarlo
- Desarrolladores que construyen con Claude — agents, tool use, servidores MCP o Claude Code — que desean una credencial que se corresponda con lo que ya hacen.
- Ingenieros que se mueven hacia la agentic AI desde roles de software general o cloud, que desean una forma estructurada de aprender los patrones en lugar de adquirirlos de forma ad hoc.
- Equipos que se estandarizan en Claude y que desean una base común para "lo que se considera bueno" en el diseño de agents.
Combina naturalmente con las fundaciones de AI en la cloud como AWS AI Practitioner (AIF-C01) o Azure AI Fundamentals (AI-900): estas cubren el amplio panorama de AI/ML, mientras que la CCA-F profundiza en las habilidades de construcción con un agentic model que esas no cubren.
Cómo prepararse en CertLabPro
CertLabPro cubre la CCA-F con 255 preguntas de práctica que reflejan los cinco dominios y el estilo basado en escenarios del examen, además de los mismos modos de estudio que cualquier otra certificación — Práctica, Simulación de examen, Flashcards, Eslabón más débil, SRS y más — para que puedas repasar los dominios donde eres más débil y ensayar en condiciones cronometradas y de 60 preguntas antes del examen real. También hay un laboratorio práctico para la pista de Anthropic si quieres aprender haciendo en lugar de solo respondiendo preguntas.
En resumen
La CCA-F es una credencial enfocada y práctica para la era agéntica: certifica que puedes diseñar y operar agents basados en Claude, no solo hablar de AI. Los cinco dominios — arquitectura agéntica, Claude Code, prompting y structured output, diseño de tools/MCP y context/fiabilidad — son el conjunto de habilidades reales detrás de la entrega de agents que funcionan. Si esa es la dirección que está tomando tu trabajo, es una credencial que vale la pena tener, y la forma más rápida de obtenerla es practicando los escenarios hasta que el diseño correcto sea obvio.