Anthropic añadió en junio de 2026 un parámetro de API que parece pequeño, pero pega directo en la economía de agentes: response_inclusion. Según las release notes, permite controlar qué bloques relacionados con web search, web fetch y code execution se incluyen en la respuesta final.

Para un usuario final, eso suena técnico. Para builders, es el tipo de control que separa un agente viable de uno que arrastra basura de contexto en cada vuelta. Cuando un agente busca, descarga páginas o ejecuta código, no siempre necesitas devolver todo el bloque bruto. A veces necesitas solo citas, resultado final, archivo generado o trazas internas.

Pipeline editorial de web fetch donde el agente conserva citas y descarta bloques pesados antes de continuar la tarea

Por qué importa en flujos agentic

Los agentes largos suelen morir por acumulación. Cada búsqueda mete resultados, cada fetch añade contenido, cada ejecución de código produce logs, y el siguiente paso recibe una mochila más pesada. Eso sube costo, latencia y riesgo de que el modelo se distraiga con evidencia irrelevante.

response_inclusion apunta a una solución más limpia: decidir qué se devuelve y qué se mantiene fuera del output que consume el siguiente paso. No elimina la necesidad de logs, pero permite separar mejor respuesta al usuario, estado interno y auditoría.

En un workflow real, esa separación cambia mucho:

el usuario puede ver una respuesta corta con citas;
el agente puede conservar solo señales útiles para la siguiente acción;
el sistema puede guardar trazas completas fuera del prompt;
el equipo puede reducir tokens sin perder capacidad de revisión.

Web search y web fetch no son lo mismo

El detalle también ayuda a pensar mejor la arquitectura. Web search responde a la pregunta “¿qué fuentes existen?”. Web fetch responde “trae y procesa esta fuente”. Code execution responde “haz una operación verificable”. Mezclar sus salidas sin política vuelve el contexto difícil de auditar.

Con inclusion rules puedes diseñar contratos distintos. Para búsqueda, quizá quieres URLs y snippets. Para fetch, tal vez quieres citas y resumen. Para code execution, quizá quieres resultado estructurado y ocultar logs verbosos salvo error.

Mesa editorial con ejecución de código limitada por tiempo, resultado estructurado y logs separados para revisión posterior

Qué revisaría antes de usarlo

No lo trataría como simple optimización. Revisaría tres cosas:

qué campos son necesarios para que el usuario confíe en la respuesta;
qué evidencia debe guardarse fuera del prompt para auditoría;
qué bloques nunca deberían pasar al siguiente turno por costo o riesgo.

También conviene medir regresiones. Si ocultas demasiado, el agente puede perder contexto útil. Si incluyes todo, vuelves al problema original. La mejora real está en encontrar el mínimo contexto suficiente por tipo de tool.

La demanda se infiere por documentación oficial de Anthropic, adopción de Claude en agentes con web search, web fetch y code execution, y queries como Anthropic response_inclusion, Claude web fetch API, Claude code execution tool y reducir tokens agentes. No hay tooling SEO conectado en esta corrida.

Esta nota conversa con evals para agentes: no basta con que el agente responda bien una vez; hay que medir costo, contexto retenido y evidencia. La conclusión corta: en agentes, controlar qué entra y sale del contexto ya es una decisión de producto, no un detalle de API.