Supabase: tu agente de IA puede vigilar producción

De enterarte por un ticket a enterarte por tu agente

Hoy el primer aviso de que algo se rompió en producción suele llegar por un usuario enojado, y después empieza la cacería por logs y reportes de base de datos. Supabase acaba de mover esa línea: ahora tu coding agent puede revisar el proyecto en producción y reportar picos de errores, problemas de seguridad, consultas lentas y crecimiento de recursos, con la cadencia que tú elijas.

La pieza central se llama Agent Prompts, y llega acompañada de otras cuatro funciones dentro del lanzamiento "Operate with confidence". Todas están disponibles desde ya. Para un equipo pequeño sin guardia de madrugada, la diferencia no es estética: es dejar de descubrir los incidentes con el reporte de usuarios.

La compañía presentó el objetivo en Supabase Select: un agente de código que no solo construye el proyecto, sino que también ayuda a operarlo.

¿Qué lanzó Supabase en su suite de operaciones?

El lanzamiento son cinco piezas que se combinan. Dos le dan ojos al agente, dos te muestran el detalle en el dashboard y una le enseña a diagnosticar:

• Agent Prompts: instrucciones listas para que tu agente revise la producción bajo demanda o en una programación fija.
• query_logs: una herramienta MCP que ejecuta SQL de solo lectura sobre tus logs, con hasta 24 horas por request, y que puede agregar y cruzar campos de log.
• Agent skills actualizadas: la skill de Supabase ahora cubre depuración de errores.
• Health Check Advisors: una pestaña Health dentro de Advisors, junto a Security y Performance, que marca tasas de error inusualmente altas.
• Database Connections: una página de dashboard para encontrar consultas bloqueadas o de larga duración.

Las cuatro revisiones que puedes programar

Los Agent Prompts vienen en cuatro versiones documentadas, cada una con su cadencia sugerida. Según el prompt, el agente lee logs, diagnósticos de Postgres o hallazgos de los advisors de seguridad y performance.

Prompt	Qué revisa	Cadencia sugerida
Health	Errores de los servidores de API y Auth, picos de tasa de error, presión de conexiones	Cada hora
Security	Hallazgos del Security Advisor, fallos de autenticación y autorización	Diaria
Performance	Consultas lentas, esperas de lock, sesiones largas, hallazgos del Performance Advisor	Cada hora
Resources	Crecimiento de requests, errores, storage, tablas y conexiones	Diaria

¿Cómo funciona una Agent Prompt en la práctica?

Cada hallazgo trae dos cosas: el valor medido contra su umbral y un próximo paso. Un ejemplo concreto del tipo de reporte que genera el prompt de Health: los errores del servidor de API pasaron el 1% y se duplicaron respecto de la hora anterior, con el nombre de la fuente de log y la hora exacta que hay que leer.

Los umbrales salen de los detection checks públicos y son políticas de alerta iniciales que puedes sobrescribir. La lógica de reporte tiene una regla útil contra el ruido: una corrida limpia no reporta nada. Solo aparecen hallazgos nuevos, hallazgos que empeoraron, un umbral que cruzaste o un check que dejó de poder ejecutarse.

Hay un detalle de implementación que separa una automatización útil de una molesta: para no repetir lo ya reportado, la herramienta del agente debe guardar el estado de alertas entre corridas. Sin eso, el propio agente te dirá que no puede distinguir qué es nuevo.

Y hay una defensa explícita que vale la pena mirar: los prompts le indican al agente que ignore instrucciones encontradas en mensajes de log o en resultados de consultas. Es contención de inyección de prompt aplicada a datos de producción, algo que muchos equipos todavía no resuelven en sus propios agentes.

¿Cómo se configura el monitoreo con tu agente de código?

El camino es corto y se puede hacer por partes. Los pasos que documenta Supabase:

1. Conectar el servidor MCP en modo solo lectura. Acota el servidor a un proyecto con project_ref y agrega read_only=true para que toda consulta corra como usuario Postgres de lectura. Por ejemplo: claude mcp add --scope project --transport http supabase https://mcp.supabase.com/mcp?project_ref=TU_PROJECT_REF&read_only=true. Después autenticas el servidor desde tu cliente.
2. Copiar un prompt desde su página de documentación. En cada corrida el agente busca los detection checks vigentes; si no puede, reporta que no está en condiciones de evaluar el proyecto.
3. Correrlo una vez y leer el reporte antes de programarlo.
4. Programarlo: una routine de Claude (/schedule en Claude Code), una tarea programada de Codex o una automatización de Cursor. Una corrida programada no puede detenerse a pedir aprobación, así que pre-aprueba únicamente las herramientas de solo lectura. En un proyecto chico, empieza con un solo prompt en cadencia diaria o semanal.
5. Actuar sobre el reporte. Los reportes llegan a tu herramienta de agente; si quieres que lleguen a otro lado, agrega un destino al prompt, como un issue en Linear.

Las skills se instalan aparte con npx skills add supabase/agent-skills, y se actualizan con npx skills update. La gracia del cambio: cuando el agente choca con un error de tu proyecto —un código de error de Postgres o PostgREST, un resultado vacío, un bloqueo inesperado de RLS— la skill le indica buscar la documentación de observabilidad vigente antes de diagnosticar, en lugar de responder de memoria.

En el dashboard, dos piezas completan el circuito: la pestaña Health de Advisors marca tasas de error más altas de lo normal en Data API, Auth, Storage y Edge Functions, y se puede correr a demanda desde el panel o la Management API. Database Connections muestra qué sesiones retienen conexiones, qué consultas corren largo, cuáles están idle en una transacción o bloqueadas, y qué sesión tiene el lock; permite cancelar una consulta o terminar su conexión sin escribir SQL, y viene activada por defecto en todos los proyectos, incluidos los self-hosted.

¿Por qué Supabase empuja la operación con agentes ahora?

El contexto explica la jugada. TechCrunch reportó en junio de 2026 que Supabase levantó una Serie F de US$500M a una valuación pre-money de US$10.000 millones, con un crecimiento de más del 600% en bases de datos lanzadas en el último año y más del 60% de ellas creadas por alguna herramienta de IA.

Pulse2 reportó en octubre de 2026 una ronda adicional de US$150M liderada por GIC, con CapitalG, IronArc y SquarePeg, junto con la adquisición de Turso, cuatro meses después de esa Serie F. En el anuncio, recogido por Yahoo Finance, la compañía dijo que suma más de 1 millón de usuarios y 4 millones de bases de datos por mes, y que cerca del 70% de las bases nuevas las crean agentes o herramientas de IA.

Eso reordena el problema: si los agentes crean la mayor parte de la infraestructura nueva, alguien tiene que operarla. Y ahí aparece el hueco que este lanzamiento ataca. Un análisis de TrueFoundry sobre servidores MCP en empresas señala justamente el monitoreo y la observabilidad como uno de los desafíos centrales: sin visibilidad sobre solicitudes, tasas de error y latencia, las fallas en los sistemas de fondo o en las interacciones de la IA pueden pasar desapercibidas y afectar la operación.

Qué significa esto para tu startup

La lectura para un founder no es "adoptemos otra herramienta", sino dónde poner el primer ladrillo. Si tu producto ya tiene usuarios reales, el costo de un incidente no detectado es mayor que el de media hora de configuración.

• Empieza por el prompt de Health en modo solo lectura. Conecta el MCP acotado a un proyecto con project_ref y read_only=true, corre el prompt una vez y lee el reporte antes de programar nada. Recién después pásalo a cadencia diaria. Así validas señal contra ruido sin tocar producción.
• Define dónde vive el hallazgo, no solo cuándo se genera. Un reporte que queda dentro de la herramienta del agente muere ahí. Agrega un destino al prompt (un issue en Linear, por ejemplo) para que el hallazgo entre al flujo donde tu equipo ya trabaja.
• Usa el hallazgo como puente al dashboard. Cuando llegue un pico de errores, la pestaña Health de Advisors te dice qué fuente de log leer; si el hallazgo es presión de conexiones o una consulta bloqueada, Database Connections te muestra la sesión y el lock, y te deja cancelar o terminar sin escribir SQL.
• Trata el umbral como borrador. Los valores iniciales vienen de los detection checks públicos y son sobrescribibles: calibrarlos con tu propio tráfico es parte del trabajo, no un extra.

Hay un límite que conviene internalizar. Guardar el estado entre corridas es requisito para que el reporte sea útil: sin persistencia, el agente no puede distinguir lo nuevo de lo ya visto y tu bandeja se llena de repetidos.

Conclusión

Supabase no está vendiendo un dashboard más, sino cerrando el círculo entre construir y operar con el mismo agente. Para equipos hispanohablantes con recursos limitados, la parte valiosa es que la primera versión es barata de probar: un servidor MCP en solo lectura, un prompt de Health y una corrida manual. Si el reporte te dice algo que no sabías de tu propia producción, ya ganaste. Si no, no perdiste más que unos minutos y aprendiste cómo se ve el ruido de tu sistema con los ojos de un agente.

Fuentes

• Supabase: Operate with confidence - check production with your coding agent (fuente original)
• TechCrunch: Supabase doubles valuation to $10B in 8 months
• Pulse2: Supabase Raises $150 Million And Acquires Turso
• Yahoo Finance: Supabase Announces $150M in New Funding and Turso Acquisition
• TrueFoundry: Servidor MCP empresarial - integracion segura del sistema de IA