Claude Code Router: Usa Cualquier Modelo Backend con Herramientas MCP y Ejecución en Sandbox

Claude Code enruta todas sus solicitudes a través del endpoint compatible con Anthropic que le indiques. Cambia una variable de entorno y estarás ejecutando Qwen, DeepSeek, GLM o MiniMax a través del flujo agentivo completo de Claude Code — incluyendo llamadas a herramientas MCP, edición de archivos y ejecución bash — sin tocar el resto de tu configuración.

Esta guía cubre cómo funciona el enrutamiento, cómo configurar el endpoint de Novita AI como tu backend, cómo fluyen las llamadas a herramientas MCP a través de una configuración enrutada y cómo ejecutar herramientas de forma segura en el Agent Sandbox de Novita.

¿Qué es un Claude Code Router?

En términos de Claude Code, un “router” es cualquier endpoint compatible con la API de Anthropic al que Claude Code envía sus solicitudes. Por defecto, ese endpoint es la propia API de Anthropic en api.anthropic.com. Al configurar ANTHROPIC_BASE_URL, rediriges esas solicitudes a un proveedor diferente — uno que acepte el mismo formato de API y devuelva respuestas en la misma estructura.

Esto es importante entenderlo claramente: Claude Code no sabe ni le importa qué proveedor está detrás de su endpoint configurado. Envía una solicitud de mensaje en formato Anthropic, lee una respuesta en formato Anthropic y continúa. El router — ya sea Novita AI, un proxy autoalojado o un agregador de terceros — maneja la selección del modelo, la inferencia y el formato de la respuesta de forma transparente.

Tres razones prácticas para usar un router:

• Acceso a modelos: Modelos de peso abierto como Qwen3-Coder, MiniMax M2.7 y GLM-4.7 no están disponibles en el endpoint de Anthropic. Enrutar a través de Novita AI te da acceso a todos ellos dentro del mismo flujo de trabajo de Claude Code.
• Gestión de costes: Los modelos de peso abierto a través de proveedores como Novita suelen costar significativamente menos por millón de tokens que los modelos cerrados de Anthropic. Para sesiones agentivas de alto volumen donde el modelo realiza cientos de llamadas a herramientas, esa diferencia se acumula.
• Capacidades especializadas: Algunos modelos de peso abierto están entrenados específicamente para la invocación de funciones y el uso de herramientas en múltiples pasos, que es exactamente lo que requiere la integración MCP de Claude Code. Elegir un modelo ajustado para la precisión en la llamada a herramientas en lugar de un modelo de propósito general puede reducir las llamadas fallidas o malformadas en flujos de trabajo complejos.

Cómo Funciona el Enrutamiento de Claude Code

Tres variables de entorno controlan el enrutamiento:

Variable	Propósito
ANTHROPIC_BASE_URL	El endpoint de la API. Cámbialo para enrutar a través de un proveedor diferente.
ANTHROPIC_AUTH_TOKEN	La clave API para la autenticación en el endpoint de destino.
ANTHROPIC_MODEL	El ID del modelo a utilizar. Debe coincidir con la convención de nomenclatura del proveedor de destino.

Cuando ANTHROPIC_BASE_URL está configurado, Claude Code envía todas las solicitudes de inferencia a esa URL en lugar de a https://api.anthropic.com. El endpoint de destino debe implementar el formato de API de mensajes de Anthropic — la misma estructura de solicitud y respuesta que usan los modelos nativos de Claude.

Un detalle importante: los alias de modelo de Anthropic (sonnet, opus, haiku) solo se resuelven correctamente contra el endpoint propio de Anthropic. Al usar un router de terceros, configura ANTHROPIC_MODEL con el ID de modelo específico del proveedor en lugar de un alias. Un alias como sonnet pasado a un endpoint que no sea de Anthropic fallará o devolverá un modelo inesperado.

ANTHROPIC_SMALL_FAST_MODEL es una segunda ranura de modelo para las tareas internas en segundo plano de Claude Code: resumen, compresión de contexto y razonamiento ligero entre pasos. Apuntar esto a un modelo más rápido y económico reduce los costes de la sesión sin afectar la calidad de las respuestas de tu modelo principal.

Configurando Novita AI como tu Router

El endpoint compatible con Anthropic de Novita AI está en https://api.novita.ai/anthropic. Acepta el mismo formato de solicitud que Claude Code envía de forma nativa y es compatible con una amplia gama de modelos de peso abierto, incluyendo especialistas en codificación y variantes optimizadas para la invocación de herramientas.

Paso 1: Obtén tu clave API de Novita

1. Regístrate en novita.ai — se incluyen créditos de prueba gratuitos al registrarte.
2. Abre Key Management en tu panel de control.
3. Haz clic en Create New Key, copia la clave inmediatamente (solo se muestra una vez) y guárdala de forma segura.

Paso 2: Configura el entorno

macOS / Linux:

export ANTHROPIC_BASE_URL="https://api.novita.ai/anthropic"
export ANTHROPIC_AUTH_TOKEN="<tu-clave-api-novita>"
export ANTHROPIC_MODEL="qwen/qwen3-coder-480b-a35b-instruct"
export ANTHROPIC_SMALL_FAST_MODEL="deepseek/deepseek-v4-flash"

Windows (PowerShell):

$env:ANTHROPIC_BASE_URL = "https://api.novita.ai/anthropic"
$env:ANTHROPIC_AUTH_TOKEN = "<tu-clave-api-novita>"
$env:ANTHROPIC_MODEL = "qwen/qwen3-coder-480b-a35b-instruct"
$env:ANTHROPIC_SMALL_FAST_MODEL = "deepseek/deepseek-v4-flash"

Windows (Command Prompt):

set ANTHROPIC_BASE_URL=https://api.novita.ai/anthropic
set ANTHROPIC_AUTH_TOKEN=<tu-clave-api-novita>
set ANTHROPIC_MODEL=qwen/qwen3-coder-480b-a35b-instruct
set ANTHROPIC_SMALL_FAST_MODEL=deepseek/deepseek-v4-flash

Paso 3: Inicia Claude Code

claude .

Claude Code se inicia en el directorio actual y enruta toda la inferencia a través de Novita AI. Las herramientas MCP, la edición de archivos y la ejecución bash se comportan de forma idéntica a una configuración nativa de Anthropic.

Modelos disponibles en Novita AI

Modelo	ID del modelo en Novita	Fortaleza principal
Qwen3-Coder 480B	qwen/qwen3-coder-480b-a35b-instruct	Generación de código, razonamiento de contexto largo
MiniMax M2.7	minimax/minimax-m2.7	Precisión en invocación agentiva de herramientas
DeepSeek V4 Flash	deepseek/deepseek-v4-flash	Iteración rápida, eficiencia de costes
GLM-4.7	zai-org/glm-4.7	Tareas agentivas de codificación y múltiples pasos
Kimi K2 Instruct	moonshotai/kimi-k2-instruct	Uso de herramientas, bases de código con carga matemática

Estos modelos de peso abierto se ejecutan en infraestructura GPU moderna, pero su coste por token es típicamente mucho menor. En tareas como sesiones de refactorización extensas o generación automatizada de pruebas — donde Claude Code realiza docenas de llamadas a herramientas — esa diferencia en el coste por token importa en la práctica.

Consulta novita.ai/llm-api para ver la lista actual de modelos y los IDs verificados antes de finalizar tu configuración. La disponibilidad y los IDs de los modelos pueden cambiar a medida que los proveedores añaden o actualizan sus ofertas.

Enrutando Llamadas a Herramientas a Través de MCP

La capa de invocación de herramientas de Claude Code es MCP — el Model Context Protocol. Cuando añades un servidor MCP con claude mcp add, Claude Code se conecta a él al inicio de la sesión y carga las herramientas que expone. Durante una sesión, el LLM enrutado decide cuándo llamar a esas herramientas, qué argumentos pasar y cómo actuar sobre los resultados.

La división del enrutamiento es importante: el backend LLM (tu router de Novita AI) maneja todo el razonamiento — qué herramientas invocar, en qué secuencia y con qué argumentos. El servidor MCP maneja la ejecución — recibe las llamadas a herramientas, ejecuta la acción subyacente y devuelve los resultados. Claude Code coordina entre ambos.

En la práctica, esto significa que la calidad del soporte de invocación de herramientas de tu router determina la fiabilidad con la que se completan tareas complejas de múltiples pasos. Un modelo que genera argumentos de llamada a funciones malformados o que no continúa después de errores de herramienta se estancará en medio de una tarea. Los modelos específicamente ajustados en flujos de trabajo de invocación de funciones — como Qwen3-Coder y MiniMax M2.7 — manejan estas secuencias de forma más consistente.

Añadiendo un servidor MCP a una configuración enrutada

# Servidor local (ámbito del proyecto) — Claude Code lanza el proceso
claude mcp add my-server -- python my_server.py

# Servidor HTTP remoto — se conecta a un servidor ya en ejecución
claude mcp add remote-server --transport http https://tu-servidor.ejemplo.com/mcp

La opción HTTP remota se conecta a un servidor que se ejecuta de forma independiente. Esa es la arquitectura para la que está diseñado Novita Agent Sandbox: el servidor MCP permanece en ejecución y crea instancias de sandbox bajo demanda a medida que llegan las llamadas a herramientas.

Ejecutando Herramientas en Agent Sandbox

Cuando tus herramientas MCP implican ejecutar código, procesar archivos o llamar a sistemas externos, quieres que esa ejecución ocurra en un entorno aislado en lugar de en tu máquina de desarrollo. Novita Agent Sandbox proporciona esto como un servicio en la nube gestionado.

Una instancia de Sandbox es un contenedor aislado de corta duración que tu servidor MCP crea cuando Claude Code activa una herramienta de ejecución de código. Cada contenedor proporciona:

• Sistema de archivos aislado: separado del anfitrión, nada se filtra entre sesiones
• Entorno preinstalado: Python con paquetes comunes de ciencia de datos y scripting
• Inicio rápido: arranque en frío de menos de 200 ms, adecuado para secuencias de llamadas a herramientas de baja latencia
• Facturación por segundo: pagas solo por el tiempo de ejecución activa
• Ejecución de shell y Python: acceso completo a la línea de comandos para flujos de trabajo multi-lenguaje

El flujo de datos en una configuración enrutada de Claude Code con Sandbox se ve así:

Claude Code
  → envía solicitudes de razonamiento a la API LLM de Novita (el router)
  → recibe decisiones de invocación de herramientas del modelo
  → reenvía las llamadas a herramientas al servidor MCP
    → el servidor MCP crea una instancia de Novita Sandbox
    → Sandbox ejecuta el código y devuelve la salida
    → el servidor MCP devuelve los resultados a Claude Code
  → la API LLM de Novita razona sobre los resultados y decide el siguiente paso

Esta separación mantiene la ejecución de código no confiable contenida mientras le da al router LLM visibilidad completa de los resultados para el razonamiento de múltiples pasos.

Para usar Novita Sandbox desde dentro de un manejador de herramientas MCP, instala el SDK:

pip install novita-sandbox

Luego crea y usa una instancia de sandbox dentro de tu implementación de herramienta:

from novita_sandbox.code_interpreter import Sandbox

def run_code_tool(code: str, api_key: str) -> dict:
    sandbox = Sandbox.create(
        template="code-interpreter-v1",
        api_key=api_key,
        domain="sandbox.novita.ai",
        timeout=300,
    )
    result = sandbox.run_code(code, language="python")
    sandbox.kill()
    return {
        "output": result.logs,
        "error": result.error,
    }

La plantilla code-interpreter-v1 viene preinstalada con pandas, numpy, matplotlib y otros paquetes de uso común, por lo que la mayoría de las tareas de análisis de datos y scripting se ejecutan sin pasos de configuración adicionales.

Eligiendo un Modelo para Flujos de Trabajo con Muchas Herramientas

La elección del modelo afecta a dos cosas en una configuración enrutada de Claude Code: la calidad del razonamiento para decidir qué hacer y la fiabilidad de la invocación de herramientas para ejecutarlo correctamente. Estas no siempre se correlacionan — un modelo que razona bien en tareas abiertas podría generar esquemas de llamada a funciones inconsistentes cuando las herramientas tienen tipos de argumentos complejos.

Qwen3-Coder 480B funciona bien en tareas de codificación de largo alcance donde Claude Code necesita leer muchos archivos, planificar un enfoque y ejecutar una secuencia de edición de múltiples pasos. Su manejo de contexto largo significa que es menos probable que pierda el rastro de resultados anteriores de herramientas en medio de una tarea compleja.

MiniMax M2.7 está ajustado para la precisión agentiva — específicamente, está diseñado para minimizar las invocaciones incorrectas de herramientas y manejar secuencias de herramientas de múltiples turnos donde cada paso se basa en el resultado anterior. Para configuraciones MCP con varias herramientas interdependientes, esa precisión reduce el número de bucles de recuperación necesarios.

DeepSeek V4 Flash es la opción práctica para ANTHROPIC_SMALL_FAST_MODEL. Es rápido y económico, y las tareas que Claude Code delega al modelo pequeño — resumen de sesiones, compresión de contexto — no requieren la misma profundidad de razonamiento que las tareas principales de codificación.

Una observación práctica: si estás construyendo un servidor MCP personalizado con herramientas que tienen muchos parámetros opcionales o esquemas anidados, prueba la precisión de las llamadas del modelo con ejemplos representativos antes de implementarlo en una sesión de larga duración. Los errores de invocación de herramientas son menos disruptivos cuando se detectan a tiempo.

Preguntas Frecuentes

¿Puedo usar cualquier router LLM con Claude Code, no solo Novita AI?

Sí. Cualquier servicio que implemente la API de mensajes de Anthropic en su URL base funciona. Esto incluye LiteLLM configurado con el formato Anthropic, proxies autoalojados u otros servicios de enrutamiento comerciales. Configura ANTHROPIC_BASE_URL en ese endpoint, ANTHROPIC_AUTH_TOKEN con la clave correspondiente y ANTHROPIC_MODEL con el ID de modelo que ese endpoint reconoce.

¿Las herramientas MCP funcionan al enrutar a través de un proveedor que no sea Anthropic?

Sí. MCP opera en la capa de Claude Code, no a nivel de API. El router solo afecta qué modelo hace el razonamiento sobre el uso de herramientas. Siempre que el modelo sea compatible con la invocación de funciones en el formato de mensajes de Anthropic, las herramientas MCP funcionan de la misma manera independientemente del proveedor.

¿Por qué no funciona el alias sonnet al enrutar a través de Novita AI?

Los alias de modelo de Anthropic (sonnet, opus, haiku) son resueltos por el endpoint de Anthropic, no por Claude Code. Cuando enrutas a través de un proveedor externo, la resolución de alias de Anthropic no está involucrada. Configura ANTHROPIC_MODEL con un ID de modelo específico de tu proveedor.

¿Cómo vuelvo a los modelos nativos de Anthropic?

Desconfigura las variables de enrutamiento para la sesión actual:

unset ANTHROPIC_BASE_URL
unset ANTHROPIC_AUTH_TOKEN
unset ANTHROPIC_MODEL
unset ANTHROPIC_SMALL_FAST_MODEL

Claude Code vuelve a lo que esté en tu archivo de configuración o al valor predeterminado de la API de Anthropic en el próximo inicio.

¿Hay sobrecarga de latencia al usar un router de terceros?

Hay un pequeño salto de red adicional. Para sesiones interactivas, esto generalmente no es perceptible. Para pipelines automatizados sensibles a la latencia, verifica las cifras de latencia publicadas por el proveedor antes de comprometerte. Novita AI publica métricas de latencia y rendimiento de inferencia a través de su consola de LLM Metrics.

¿El Agent Sandbox requiere una clave API separada del router LLM?

No. La clave API de Novita AI funciona tanto para la API LLM como para el Agent Sandbox. La misma clave que usas para ANTHROPIC_AUTH_TOKEN es la que pasas a Sandbox.create() en tu implementación de herramienta MCP.

Artículos Recomendados

• Claude MCP Add Command: Cómo Instalar Servidores MCP en Claude Code
• Claude Code Default Model: Cómo Cambiar, Conmutar y Elegir el Correcto
• Construye un Servidor MCP de Ejecución Remota de Código con Novita Sandbox y la Librería mcp-use

---

Fuentes consultadas el 16 de julio de 2026: Documentación de variables de entorno de Claude Code, API LLM de Novita AI, Novita Agent Sandbox.