Sección 1 — Visión general, estructura y escenarios del examen

Qué cubre esta sección

Una base sobre por qué existe Claude Certified Architect – Foundations (CCA-F), qué evalúa, cómo está estructurado (dominios, puntuación, escenarios) y cómo planificar una ruta de estudio que se alinee limpiamente con los pesos de dominio publicados.

Material fuente (de la guía oficial)

Propósito. CCA-F valida que los profesionales puedan tomar decisiones informadas de compromiso al implementar soluciones reales con Claude. El examen cubre cuatro tecnologías centrales: Claude Code, Claude Agent SDK, Claude API y Model Context Protocol (MCP).

Candidato objetivo. Un arquitecto de soluciones con aproximadamente 6+ meses de experiencia práctica con Claude que personalmente haya:

• Construido aplicaciones de agentes con Claude Agent SDK (orquestación, subagentes, integración de herramientas, hooks de ciclo de vida).
• Configurado Claude Code para equipos mediante CLAUDE.md, Agent Skills, servidores MCP y plan mode.
• Diseñado interfaces de herramientas y recursos MCP contra backends reales.
• Diseñado prompts que producen salida estructurada fiable (JSON schemas, few-shot, patrones de extracción).
• Gestionado ventanas de contexto en documentos largos y traspasos multiagente.
• Integrado Claude en CI/CD para revisión de código, generación de pruebas y feedback en PRs.
• Tomado decisiones de escalación y fiabilidad, incluyendo human-in-the-loop y autoevaluación.

Formato de preguntas. Opción múltiple, una respuesta correcta más tres distractores. No hay penalización por adivinar; las preguntas sin responder se puntúan como incorrectas.

Puntuación. Aprobado/suspenso con una puntuación escalada de 100–1,000. La puntuación mínima para aprobar es 720. La puntuación escalada equipara resultados entre versiones del examen con dificultad ligeramente distinta.

Dominios y pesos.

Escenarios. Cada examen extrae 4 de 6 escenarios de producción al azar. El conjunto completo:

1. Customer Support Resolution Agent — agente Agent SDK sobre herramientas MCP (get_customer, lookup_order, process_refund, escalate_to_human); objetivo de 80%+ de resolución en primer contacto con escalación sólida.
2. Code Generation with Claude Code — CLAUDE.md, slash commands personalizados, plan mode frente a ejecución directa.
3. Multi-Agent Research System — coordinador que delega en subagentes de búsqueda web, análisis documental, síntesis y generación de informes.
4. Developer Productivity with Claude — Agent SDK sobre herramientas integradas (Read, Write, Bash, Grep, Glob) más servidores MCP para exploración de codebase y generación de boilerplate.
5. Claude Code for Continuous Integration — revisión de código integrada en CI/CD, generación de pruebas y feedback de PR; minimizar falsos positivos.
6. Structured Data Extraction — extracción validada con JSON schema desde documentos no estructurados con manejo elegante de casos límite.

Fuera de alcance. Fine-tuning, facturación/auth/cuotas, visión y computer use, detalles internos de streaming API, embeddings/vector DBs, RLHF/Constitutional AI, detalles internos de prompt caching, tokenización, configuraciones específicas de proveedores cloud y temas similares de infraestructura de despliegue.

Contexto enriquecido

Ecosistema de certificación

Anthropic lanzó públicamente CCA-F el 12 de marzo de 2026 como su primera certificación técnica oficial. El formato reportado por varias fuentes secundarias es de 60 preguntas de opción múltiple, 120 minutos, supervisado, cerrado, con resultados entregados en ~2 días hábiles e incluyendo desglose por secciones. El coste es de $99 por intento, exonerado para los primeros 5,000 intentos asignados a Claude Partner Network.

El acceso hoy está mediado por organizaciones a través de Claude Partner Network, no es completamente autoservicio: los candidatos trabajan en una organización partner o se alinean con una, y luego solicitan un cupo de examen en anthropic.skilljar.com. El currículo de apoyo, Anthropic Academy, es gratuito y vive en Skilljar; incluye “Claude 101,” “Building with the Claude API,” cursos introductorios y avanzados de MCP, “Claude Code in Action,” “Introduction to agent skills,” “Introduction to subagents,” y cursos adicionales de despliegue cloud.

Anthropic ha señalado que niveles adicionales para sellers, developers y advanced architects llegarán más adelante en 2026. Trata CCA-F como el nivel de entrada de una pila de credenciales multinivel, no como una insignia aislada.

Estrategia según pesos de dominio

Los cinco dominios están bastante agrupados (15%–27%), así que no se puede omitir ninguno, pero Domain 1 (Agentic Architecture & Orchestration) es la palanca más grande. Un presupuesto de estudio pragmático basado en pesos:

• ~27% del tiempo de estudio en Domain 1: bucles de agentes, manejo de stop_reason, delegación en subagentes, hooks de ciclo de vida. Este dominio también aparece dentro de los escenarios 1, 3 y 4, así que su rendimiento es mayor de lo que su peso bruto sugiere.
• ~20% cada uno en Domains 3 y 4: configuración de Claude Code (CLAUDE.md hierarchy, plan mode, slash commands, skills) e ingeniería de prompts/salida estructurada (JSON schemas, few-shot, bucles de reintento).
• ~18% en Domain 2: descripciones de herramientas MCP que desambiguan herramientas similares, respuestas de error estructuradas con flags retryable y diseño de recursos.
• ~15% en Domain 5: gestión de ventana de contexto, scratchpads, reglas de escalación, enrutamiento human-in-the-loop basado en confianza.

Una heurística útil: aproximadamente dos tercios del examen giran alrededor del diseño de bucles de agentes, configuración de Claude Code y decisiones de prompts/salida estructurada. Invierte tiempo ahí antes de afinar la cola larga.

Los seis escenarios: qué esperar

• Scenario 1 — Customer Support Resolution Agent. Espera preguntas sobre cuándo el agente escala (brecha de política, solicitud explícita del cliente, incapacidad de avanzar) frente a cuándo resuelve de forma autónoma, y cómo process_refund debe exponer errores reintentables/no reintentables para que el agente pueda recuperarse sin entrar en bucle.
• Scenario 2 — Code Generation with Claude Code. Espera compromisos entre plan mode y ejecución directa, dónde viven las reglas específicas de ruta (.claude/rules/) y cómo se acotan los slash commands y skills personalizados (context: fork, allowed-tools).
• Scenario 3 — Multi-Agent Research System. Espera límites coordinador/subagente, cómo pasar contexto citado entre agentes sin agotar la ventana y dónde imponer bucles evaluador/crítico para mantener citas precisas.
• Scenario 4 — Developer Productivity with Claude. Espera preguntas de selección de herramientas entre integradas (Read, Write, Bash, Grep, Glob) más extensiones MCP, y juicios sobre cuándo mantener el trabajo en el agente padre frente a crear un subagente.
• Scenario 5 — Claude Code for CI. Espera preguntas de ingeniería de prompts para comentarios de revisión accionables, criterios de revisión explícitos para suprimir falsos positivos y patrones de revisión multipaso para diffs grandes.
• Scenario 6 — Structured Data Extraction. Espera diseño de schemas con campos nullable/optional, bucles de validación-reintento en tool_use, compromisos de procesamiento batch y degradación elegante cuando un documento está parcialmente malformado.

Certificaciones comparables

El contraste más claro: AWS AI Practitioner y GCP Generative AI Leader evalúan amplitud y alfabetización en servicios gestionados; CCA-F evalúa profundidad y criterio dentro de la pila de agentes de un solo proveedor. Los arquitectos multicloud a menudo las apilan en vez de elegir.

Glosario de términos clave

• Agent SDK — biblioteca de Anthropic para construir bucles de agentes con llamadas a herramientas, subagentes y hooks de ciclo de vida.
• Claude Code — agente de programación nativo de terminal de Anthropic, configurado mediante CLAUDE.md, slash commands, Agent Skills y servidores MCP.
• MCP (Model Context Protocol) — protocolo abierto para exponer herramientas, recursos y prompts desde sistemas backend hacia Claude.
• Plan mode — modo de Claude Code que produce un plan antes de ejecutar cualquier acción con efectos secundarios.
• CLAUDE.md — archivo jerárquico de configuración a nivel de proyecto/usuario consumido automáticamente por Claude Code.
• Scaled score — puntuación normalizada de 100–1,000 que equipara versiones del examen; el punto de corte es 720.
• Scenario — contexto realista de producción que enmarca un bloque de preguntas relacionadas; aparecen 4 de 6 por examen.
• Distractor — respuesta incorrecta de apariencia plausible que atrapa a candidatos con experiencia incompleta.

Ruta de preparación recomendada

1. Revisa las 12 secciones de estudio en orden, prestando atención extra a los enunciados de tareas citados al inicio de cada sección: son los objetivos de aprendizaje por dominio tomados directamente de la guía oficial del examen.
2. Completa los cursos gratuitos de Anthropic Academy en Skilljar en este orden: Claude 101 → Building with the Claude API → Introduction to MCP → MCP Advanced Topics → Claude Code in Action → Introduction to agent skills → Introduction to subagents.
3. Construye un proyecto Agent SDK desde cero que ejercite un bucle de agente completo: llamadas a herramientas, manejo de stop_reason, delegación en subagentes, hooks de ciclo de vida y política de error/reintento.
4. Configura Claude Code para un repo real: CLAUDE.md por capas, reglas específicas de ruta en .claude/rules/, al menos un slash command personalizado, una skill con context: fork y allowed-tools, y una integración de servidor MCP.
5. Diseña y somete a estrés herramientas MCP: escribe descripciones que desambigüen casi duplicados, devuelve errores estructurados con flags retryable y verifica la selección de herramientas en prompts ambiguos.
6. Envía una pipeline de extracción estructurada con JSON schemas, un bucle de validación-reintento, campos optional/nullable y Message Batches API para throughput.
7. Practica los seis escenarios escribiendo un bosquejo arquitectónico de una página para cada uno: dominios principales, inventario de herramientas, política de escalación, estrategia de contexto y patrones de fiabilidad.
8. Toma al final el examen oficial de práctica, revisa cada explicación (incluidas las que acertaste) y reserva el examen supervisado solo cuando estés puntuando cómodamente por encima de 720 en material simulado.

Referencias

• Anthropic Academy on Skilljar — cursos gratuitos de preparación (Claude 101, Building with the Claude API, MCP, Claude Code, agent skills, subagents).
• Anthropic Learn — Courses index — catálogo oficial de cursos de Anthropic.
• Claude Certified Architect: How to Get Certified in 2026 (lowcode.agency) — fecha de lanzamiento, formato, coste y ruta de acceso reportados.
• How to become a Claude Certified Architect (datastudios.org) — ruta de acceso por Partner Network, áreas de estudio y qué está confirmado oficialmente.
• Claude Certified Architect: who can take the exam (datastudios.org) — elegibilidad y limitaciones de acceso.
• Inside Anthropic’s Claude Certified Architect Program (dev.to/mcrolly) — desglose de qué evalúa el examen y audiencia objetivo.
• How to Pass the CCA Foundations Exam (dev.to/sojs) — fases de preparación de 7 semanas reportadas por candidatos y errores comunes.
• Claude Certified Architect Study Guide — 12-week plan (claudecertifications.com) — cronograma alternativo de preparación más largo.
• Claude Architect vs AWS AI Practitioner (flashgenius.net) — comparación con la certificación AWS AI Practitioner.
• AWS vs Google AI Certifications 2026 (pertamapartners.com) — contexto comparativo para la credencial GCP Generative AI Leader.