Define resultados

Un resultado le dice a la sesión cómo debería verse el resultado final y cómo medir su calidad. El agente trabaja hacia ese objetivo, autoevaluándose e iterando hasta que se cumpla el resultado.

Cuando defines un resultado, el harness aprovisiona automáticamente un grader (evaluador) para evaluar el artefacto contra una rúbrica. El evaluador usa una "context window" (ventana de contexto) separada para evitar ser influenciado por las decisiones de implementación del agente principal.

El evaluador devuelve una explicación que resume qué criterios pasaron o fallaron, o confirma que el artefacto satisface la rúbrica. Esa retroalimentación se entrega de vuelta al agente para la siguiente iteración.



Crea una rúbrica

Una rúbrica es un documento markdown que describe la puntuación por criterio. La rúbrica es obligatoria.

Ejemplo de rúbrica:

# DCF Model Rubric

## Revenue Projections
- Uses historical revenue data from the last 5 fiscal years
- Projects revenue for at least 5 years forward
- Growth rate assumptions are explicitly stated and reasonable

## Cost Structure
- COGS and operating expenses are modeled separately
- Margins are consistent with historical trends or deviations are justified

## Discount Rate
- WACC is calculated with stated assumptions for cost of equity and cost of debt
- Beta, risk-free rate, and equity risk premium are sourced or justified

## Terminal Value
- Uses either perpetuity growth or exit multiple method (stated which)
- Terminal growth rate does not exceed long-term GDP growth

## Output Quality
- All figures are in a single .xlsx file with clearly labeled sheets
- Key assumptions are on a separate "Assumptions" sheet
- Sensitivity analysis on WACC and terminal growth rate is included

Pasa la rúbrica como texto en línea en user.define_outcome (consulta Crea una sesión con un resultado), o súbela a través de la Files API para reutilizarla en varias sesiones.

import time
from pathlib import Path

from anthropic import Anthropic

client = Anthropic()

RUBRIC = """# DCF Model Rubric

## Revenue Projections
- Uses historical revenue data from the last 5 fiscal years
- Projects revenue for at least 5 years forward

## Output Quality
- All figures are in a single .xlsx file with clearly labeled sheets
"""
Path("/tmp/rubric.md").write_text(RUBRIC)

rubric = client.files.upload(file=Path("/tmp/rubric.md"))
print(f"Uploaded rubric: {rubric.id}")



Crea una sesión con un resultado

Los siguientes ejemplos crean una sesión para un agente y un entorno existentes (ambos creados por separado), y luego envían un evento user.define_outcome. El agente comienza a trabajar de inmediato. No se requiere ningún evento de mensaje de usuario adicional.

# Create a session
session = client.beta.sessions.create(
    agent=agent.id,
    environment_id=environment.id,
    title="Financial analysis on Costco",
)

# Define the outcome — agent starts working on receipt
client.beta.sessions.events.send(
    session_id=session.id,
    events=[
        {
            "type": "user.define_outcome",
            "description": "Build a DCF model for Costco in .xlsx",
            "rubric": {"type": "text", "content": RUBRIC},
            # or: "rubric": {"type": "file", "file_id": rubric.id},
            "max_iterations": 5,  # optional; default 3, max 20
        }
    ],
)



Eventos de resultado

El progreso en una sesión orientada a resultados se muestra en el stream de eventos.

• Los eventos agent.* (como mensajes y uso de herramientas) muestran el progreso hacia el resultado.
• Los eventos span.outcome_evaluation_* solo se emiten para sesiones orientadas a resultados y muestran el número de ciclos de iteración y el proceso de retroalimentación del evaluador.
• También puedes enviar eventos user.message a una sesión orientada a resultados para dirigir el trabajo del agente a medida que avanza, pero no es obligatorio: el agente trabaja hacia el resultado por sí solo, iterando hasta que tiene éxito o se queda sin iteraciones.
• Un evento user.interrupt pausa el trabajo en el resultado actual y marca el span.outcome_evaluation_end.result como interrupted, lo que te permite iniciar un nuevo resultado.
• Después de la evaluación final del resultado, la sesión puede continuar como una sesión conversacional, o se puede iniciar un nuevo resultado. La sesión conserva el historial del resultado anterior.



Evento de usuario para definir un resultado

Este es el evento que envías para iniciar un resultado. Se devuelve como eco al recibirse, incluyendo una marca de tiempo processed_at y un outcome_id.

{
  "type": "user.define_outcome",
  "description": "Build a DCF model for Costco in .xlsx",
  "rubric": { "type": "file", "file_id": "file_01..." },
  "max_iterations": 5
}



Inicio de la evaluación del resultado

Se emite una vez que el evaluador inicia una evaluación sobre un ciclo de iteración. El campo iteration es un contador de revisiones indexado desde 0: 0 es la primera evaluación, 1 es la reevaluación después de la primera revisión, y así sucesivamente.

{
  "type": "span.outcome_evaluation_start",
  "id": "sevt_01def...",
  "outcome_id": "outc_01a...",
  "iteration": 0,
  "processed_at": "2026-03-25T14:01:45Z"
}



Evaluación del resultado en curso

Latido (heartbeat) emitido mientras el evaluador se ejecuta. El razonamiento interno del evaluador es opaco: ves que está trabajando, no lo que está pensando.

{
  "type": "span.outcome_evaluation_ongoing",
  "id": "sevt_01ghi...",
  "outcome_id": "outc_01a...",
  "iteration": 0,
  "processed_at": "2026-03-25T14:02:10Z"
}



Fin de la evaluación del resultado

Se emite cuando termina un ciclo de evaluación de resultado: después de que el evaluador termina de evaluar una iteración, o cuando la sesión se interrumpe mientras un resultado está activo. El campo result indica qué sucede a continuación.

{
  "type": "span.outcome_evaluation_end",
  "id": "sevt_01jkl...",
  "outcome_evaluation_start_id": "sevt_01def...",
  "outcome_id": "outc_01a...",
  "result": "satisfied",
  "explanation": "All 12 criteria met: revenue projections use 5 years of historical data, WACC assumptions are stated, sensitivity table is included...",
  "iteration": 0,
  "usage": {
    "input_tokens": 2400,
    "output_tokens": 350,
    "cache_creation_input_tokens": 0,
    "cache_read_input_tokens": 1800
  },
  "processed_at": "2026-03-25T14:03:00Z"
}



Verifica el estado del resultado

Puedes escuchar en el stream de eventos el evento span.outcome_evaluation_end, o consultar GET /v1/sessions/{session_id} y leer outcome_evaluations[].result. Hasta que una evaluación se complete, result reporta pending, running o evaluating:

session = client.beta.sessions.retrieve(session.id)

for outcome in session.outcome_evaluations:
    print(f"{outcome.outcome_id}: {outcome.result}")
    # outc_01a...: satisfied



Recupera los entregables

El agente escribe los archivos de salida en /mnt/session/outputs/ dentro del sandbox. Una vez que la sesión está inactiva, recupéralos a través de la Files API con alcance a la sesión.

# List files produced by this session
# scope_id filtering requires the managed-agents beta on the files request
files = client.beta.files.list(scope_id=session.id, betas=["managed-agents-2026-04-01"])
for file in files:
    print(file.id, file.filename)

# Download a file
if files.data:
    content = client.files.download(files.data[0].id)
    content.write_to_file("/tmp/output.txt")



Próximos pasos