Cómo usar la API de Claude paso a paso

Entra en console.anthropic.com, inicia sesión y ve a la sección 'API Keys'. Pulsa 'Create Key', dale un nombre descriptivo (por ejemplo 'dev-local') y cópiala en cuanto aparezca: por seguridad no volverás a verla completa. En España y LATAM necesitarás añadir un método de pago y cargar crédito inicial, ya que la API es de pago por uso. Nunca escribas la clave directamente en el código ni la subas a Git. En su lugar, guárdala como variable de entorno. En Linux/macOS usa el export del ejemplo; en Windows usa 'setx ANTHROPIC_API_KEY tu-clave' desde PowerShell. Para proyectos reales, crea un archivo .env y añádelo a .gitignore. Este paso es el error de seguridad más frecuente: una clave filtrada en un repo público puede generar consumo no autorizado en minutos.

export ANTHROPIC_API_KEY='sk-ant-tu-clave-aqui'

Anthropic mantiene un SDK oficial para Python que simplifica la autenticación y las llamadas. Crea primero un entorno virtual para aislar dependencias, actívalo e instala el paquete con pip. El entorno virtual evita conflictos de versiones entre proyectos, algo especialmente útil si ya trabajas con otras librerías de IA. Tras instalar, verifica la versión para asegurarte de que tienes una reciente. El SDK lee automáticamente la variable de entorno ANTHROPIC_API_KEY, así que no tendrás que pasar la clave manualmente al cliente si la configuraste en el paso anterior. Si prefieres JavaScript, existe un paquete equivalente ('@anthropic-ai/sdk') que puedes instalar con npm, pero en este tutorial usaremos Python por su claridad para prototipar.

python -m venv venv
source venv/bin/activate
pip install anthropic
python -c "import anthropic; print(anthropic.__version__)"

Ahora la parte importante: la primera petición. Crea un archivo llamado primera_llamada.py. El cliente se instancia sin argumentos porque toma la clave de la variable de entorno. El método messages.create es el corazón de la API: recibe el modelo, un límite de tokens de salida y la lista de mensajes con roles 'user' y 'assistant'. Cada mensaje tiene un rol y un contenido. La respuesta llega en response.content, que es una lista de bloques; el texto está en el primer bloque. Ejecuta el script con 'python primera_llamada.py' y deberías ver la respuesta de Claude en tu terminal. Si recibes un error de autenticación, revisa que la variable de entorno esté bien exportada en la misma sesión de terminal donde ejecutas el script.

import anthropic

client = anthropic.Anthropic()

response = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "Explica qué es una API REST en 3 frases."}
    ]
)

print(response.content[0].text)

El system prompt define el comportamiento global del modelo: su rol, tono y restricciones. Se pasa en el parámetro 'system', separado de los mensajes. Además puedes ajustar 'temperature' (de 0 a 1): valores bajos dan respuestas más deterministas y consistentes, ideales para extracción de datos o clasificación; valores altos aportan creatividad para brainstorming o redacción. En este ejemplo fijamos un rol de tutor de programación en español y bajamos la temperatura para respuestas precisas. Combinar un buen system prompt con la temperatura adecuada es lo que diferencia una integración amateur de una robusta. Experimenta cambiando la temperatura entre 0 y 1 con la misma pregunta para ver cómo varía el estilo de las respuestas.

response = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=1024,
    temperature=0.2,
    system="Eres un tutor de programación que responde en español de forma concisa y con ejemplos de código.",
    messages=[
        {"role": "user", "content": "¿Cómo leo un JSON en Python?"}
    ]
)

print(response.content[0].text)

La API no guarda estado entre llamadas: cada petición es independiente. Para que Claude recuerde el contexto debes enviar el historial completo de mensajes en cada llamada, alternando roles 'user' y 'assistant'. El patrón habitual es mantener una lista, añadir el mensaje del usuario, hacer la llamada, y luego añadir la respuesta del asistente a esa misma lista antes de la siguiente ronda. Este bucle sencillo simula un chat en terminal. Ten en cuenta que a más historial, más tokens de entrada consumes en cada llamada, así que en producción conviene aplicar estrategias de resumen o truncado cuando la conversación crece. Escribe 'salir' para terminar el bucle.

import anthropic

client = anthropic.Anthropic()
historial = []

while True:
    entrada = input("Tú: ")
    if entrada.lower() == "salir":
        break
    historial.append({"role": "user", "content": entrada})
    respuesta = client.messages.create(
        model="claude-opus-4-8",
        max_tokens=1024,
        messages=historial
    )
    texto = respuesta.content[0].text
    print("Claude:", texto)
    historial.append({"role": "assistant", "content": texto})

Para una experiencia tipo chat en tiempo real conviene el streaming: Claude devuelve el texto token a token en lugar de esperar a la respuesta completa. El SDK ofrece client.messages.stream como gestor de contexto, y con text_stream iteras los fragmentos según llegan. Además, en integraciones reales debes capturar errores: RateLimitError cuando superas el límite de peticiones, APIStatusError para respuestas 4xx/5xx y APIConnectionError ante fallos de red. Envolver la llamada en try/except te permite reintentar con backoff o mostrar mensajes útiles al usuario en lugar de que la app se caiga. Combinando streaming y manejo de errores tienes ya la base de una aplicación de producción sobre la API de Claude.

import anthropic
from anthropic import RateLimitError, APIStatusError

client = anthropic.Anthropic()

try:
    with client.messages.stream(
        model="claude-opus-4-8",
        max_tokens=1024,
        messages=[{"role": "user", "content": "Escribe un haiku sobre el código."}]
    ) as stream:
        for texto in stream.text_stream:
            print(texto, end="", flush=True)
except RateLimitError:
    print("Límite de peticiones alcanzado, reintenta más tarde.")
except APIStatusError as e:
    print(f"Error de la API: {e.status_code}")