VPS-এ Claude দিয়ে AI agent কীভাবে তৈরি করবেন

Claude দিয়ে agent তৈরি করার অর্থ

Claude দিয়ে agent তৈরি করার অর্থ হলো Claude-কে reasoning core হিসেবে ব্যবহার করা, আর loop, tools ও data আপনার নিজের server-এ রাখা। কী করতে হবে তা Claude নির্ধারণ করে; আপনার VPS সেই কাজ সম্পন্ন করে। আপনি Claude-কে task এবং বর্তমান state পাঠান। Claude একটি answer অথবা আপনার কোনো tool ব্যবহার করার request পাঠায়। আপনার code tool চালিয়ে ফলাফল আবার Claude-কে পাঠায়। কাজ শেষ না হওয়া পর্যন্ত এই loop চলতে থাকে। Intelligence হলো এমন একটি service, যেটিকে আপনি Internet-এর মাধ্যমে call করেন। এর বাইরের সবকিছু আপনার নিয়ন্ত্রণে থাকে।

এই বিভাজনই এর প্রধান সুবিধা। আপনাকে নিজে কোনো model পরিচালনা না করেই frontier-level reasoning ব্যবহার করতে দেয়। একই সঙ্গে agent কোন বিষয় access করতে পারবে, তার ওপর আপনার পূর্ণ নিয়ন্ত্রণ থাকে, কারণ tools আপনার মালিকানাধীন hardware-এ চলে। আপনি যদি ইতিমধ্যে একটি প্রাথমিক Claude program তৈরি করে থাকেন, তাহলে VPS-এ প্রথম Claude app-এর guide এই tutorial-এর ভিত্তি হিসেবে প্রয়োজনীয় কাজগুলো ব্যাখ্যা করে।

Claude হলো মস্তিষ্ক: Messages API

Claude-কে করা প্রতিটি কল একটি endpoint-এর মাধ্যমে যায়: Messages API। আপনি এখন পর্যন্ত হওয়া conversation এবং agent যে tools ব্যবহার করতে পারবে তার তালিকা পাঠান; Claude তার পরবর্তী message ফেরত দেয়। সেই message হয় final answer, নয়তো কোনো tool কল করার request। নিজে তৈরি করার পদ্ধতিতে আলাদা কোনো "agent API" নেই: tool use এই একক endpoint-এরই একটি feature, আর এর চারপাশের loop আপনাকেই চালাতে হবে।

কলগুলোর মধ্যে Claude stateless থাকে, অর্থাৎ এটি নিজে থেকে কিছু মনে রাখে না। প্রতিটি request-এর সঙ্গে পুরো conversation পাঠাতে হয়। আপনার code history ধরে রাখে এবং প্রতিটি turn-এ সেটি পাঠায়। এ কারণেই দীর্ঘ session-এ প্রতিটি turn আগেরটির চেয়ে বেশি token খরচ করে। এটি সরাসরি কোনো সীমাবদ্ধতা নয়; বরং একটি design choice। State আপনার server-এ থাকায় Claude ঠিক কী দেখবে তা আপনি নির্ধারণ করেন, এবং আপনার নিয়ন্ত্রণের বাইরে task-সংক্রান্ত কিছু সংরক্ষিত হয় না। তবে prompt ক্রমশ বড় হতে থাকে। Claude-এর context window এটি সহজেই সামলাতে পারলেও, একই loop-এ চলা কোনো local model তা পারবে না। তাই দীর্ঘ prompt truncate করা বন্ধ করতে Ollama-তে আগে num_ctx বাড়াতে হয়।

Tool ব্যবহারই agent loop

Claude-এর সঙ্গে agent loop ব্যাখ্যা করা সহজ। আপনি tools-সহ একটি request পাঠান। Claude task পড়ে এবং কাজ করার প্রয়োজন হলে একটি tool-use request দিয়ে উত্তর দেয়। সেই request-এ tool-এর নাম এবং তার inputs থাকে। আপনার code সেই tool চালায়। এরপর পরবর্তী request-এ ফলাফলটি Claude-কে পাঠায়। Claude ফলাফল পড়ে আবার অন্য tool চায় অথবা final reply লিখে। Claude যখন আর কোনো tool চায় না, তখন task শেষ হয়।

আপনি কয়েকটি লাইনে হাতে এই loop লিখতে পারেন। অনেকেই তা করেন, কারণ এটি বোঝা এবং নিয়ন্ত্রণ করা সহজ। Official SDK-গুলো একটি tool runner-ও দেয়, যা আপনার হয়ে এই loop চালায়। আপনি tool functions দেন। SDK Claude-কে call করা, আপনার tools চালানো এবং ফলাফল Claude-কে ফেরত পাঠানোর পুরো back-and-forth পরিচালনা করে, যতক্ষণ না Claude কাজ শেষ করে। দুই ক্ষেত্রেই কাঠামো একই। Runner শুধু আপনাকে loop নিজে লেখার কাজ থেকে মুক্তি দেয়। Loop এখনও বিমূর্ত মনে হলে runner ব্যবহারের আগে একটি minimal loop লিখুন। এখান থেকেই শুরু থেকে AI agents শেখার এই ধাপে ধাপে পথ-এর পরের সব বিষয়ের ভিত্তি তৈরি হয়।

তৈরি করার তিনটি পদ্ধতি এবং VPS-এর জন্য কোনটি উপযুক্ত

Claude agent তৈরি করার তিনটি পদ্ধতি আছে। আপনি কতটা অবকাঠামো নিজে চালাবেন, সেগুলোর মধ্যে পার্থক্য মূলত তার ওপর নির্ভর করে।

প্রথম পদ্ধতিতে আপনার নিজের code, আপনার নিজের tools ব্যবহার করে Claude API কল করে। আপনি loop নিজে লিখতে পারেন, অথবা SDK-এর tool runner ব্যবহার করতে পারেন। পুরো ব্যবস্থা আপনার VPS-এ host করবেন। এটি সাধারণত বেছে নেওয়া হয়, কারণ tools, data এবং security-এর ওপর এতে সম্পূর্ণ নিয়ন্ত্রণ থাকে এবং এটি আপনার server-এ একটি সাধারণ program হিসেবে চলে। এই guide-এর বেশিরভাগ অংশ এই পদ্ধতি ধরে লেখা।

দ্বিতীয় পদ্ধতি হলো Claude Agent SDK। এটি coding agent Claude Code-কে একটি library হিসেবে প্যাকেজ করে, যার ওপর আপনি build করতে পারেন। এতে সম্পূর্ণ agent loop এবং file পড়া ও লেখা, shell command চালানো এবং search করার built-in tools থাকে। তাই এগুলো শূন্য থেকে একত্র করতে হয় না। এটিও আপনার নিজের server-এ চলে। ফলে নিজে harness তৈরি না করেই সক্ষম file-and-shell agent চালাতে চাইলে এটি VPS-এর জন্য উপযুক্ত। unattended অবস্থায় কাজ করার আগে file পড়ে এবং shell command চালায় এমন agent-কে containment-এর মধ্যে রাখতে হয়। server-এ Claude Code নিরাপদে চালানো অংশে permission system, sandbox এবং isolation-এর বিকল্পগুলো ব্যাখ্যা করা হয়েছে।

তৃতীয় পদ্ধতি হলো Managed Agents। এতে Anthropic loop চালায়। ডিফল্টভাবে agent-এর tools Anthropic-এর host করা একটি sandbox-এ চলে। তাই agent-এর workspace আপনার VPS-এর পরিবর্তে Anthropic-এর infrastructure-এ থাকে। October 11, 2026 অনুযায়ী, beta পর্যায়ে থাকা একটি self-hosted sandbox option-এ আপনার নিজের server-এর worker process tool call চালাতে পারে, আর loop Anthropic-এর কাছেই থাকে। আপনি যখন operational কাজ সর্বনিম্ন রাখতে চান এবং loop-টি নিজের machine-এ চালানোর প্রয়োজন নেই, তখন Managed Agents ব্যবহার করুন। অন্য দুটি পদ্ধতিতে পুরো agent-টির home হয় আপনার server। এই guide-এর বাকি অংশ সেই বিষয়েই।

MCP দিয়ে tools সংযুক্ত করা

আপনি যে পদ্ধতিই বেছে নিন, agent-কে বাস্তব system-এর সঙ্গে সংযুক্ত করতে হবে। Model Context Protocol এটি করার একটি সুশৃঙ্খল পদ্ধতি। MCP হলো agent-এর কাছে tools ও data প্রকাশ করার একটি open standard। প্রতিটি service-এর জন্য আলাদা integration হাতে code না করে, এমন একটি MCP server-এর দিকে Claude-কে নির্দেশ করুন যা ইতিমধ্যে ওই capability-গুলোকে tools হিসেবে উপস্থাপন করে। MCP server-গুলো একই VPS-এ ছোট service হিসেবে চালানো যায় এবং প্রতিটিকে শুধু প্রয়োজনীয় access দেওয়া যায়। এটি VPS-এ MCP server চালানো অংশে ব্যাখ্যা করা হয়েছে।

একটি মডেল নির্বাচন

Claude একাধিক মডেলে পাওয়া যায়। মডেল নির্বাচন করার সময় সক্ষমতা, গতি এবং খরচের মধ্যে ভারসাম্য করতে হয়। October 11, 2026 অনুযায়ী বর্তমান তালিকায় রয়েছে Claude Opus 5.5 (claude-opus-5-5), যা Anthropic অধিকাংশ workload-এর জন্য শুরুর পছন্দ হিসেবে সুপারিশ করে এবং দীর্ঘ সময় চলা agentic coding ও knowledge work-এর জন্য তৈরি; Claude Sonnet 5.5 (claude-sonnet-5-5), যা ভারসাম্যপূর্ণ এবং তুলনামূলকভাবে কম খরচের ও দ্রুত; এবং Claude Haiku 5.5 (claude-haiku-5-5), যা সাধারণ ও উচ্চ-পরিমাণের ধাপের জন্য সবচেয়ে দ্রুত এবং সাশ্রয়ী। এর ওপরে রয়েছে Claude Fable 5.1 (claude-fable-5-1), যা সব customer-এর জন্য উন্মুক্ত সবচেয়ে সক্ষম মডেল এবং কঠিন reasoning ও দীর্ঘমেয়াদি agentic কাজের জন্য উপযোগী। Claude Opus 4.8 এবং Claude Fable 5-এর মতো পুরোনো মডেল এখনো পাওয়া যায়, তবে সেগুলো বর্তমানে legacy হিসেবে তালিকাভুক্ত। আপনার code-এ তারিখ যোগ না করে সঠিক model identifier ব্যবহার করুন।

একটি ব্যবহারিক পদ্ধতি হলো মডেলগুলো মিলিয়ে ব্যবহার করা। নিয়মিত tool call-এর দায়িত্ব কম খরচের মডেলকে দিন এবং কঠিন সিদ্ধান্তের দায়িত্ব আরও সক্ষম মডেলকে দিন। আপনার request-এ মডেলটি শুধু একটি string হওয়ায় এটি বদলাতে এক লাইনের পরিবর্তনই যথেষ্ট। তাই সক্ষম একটি default দিয়ে শুরু করুন। যেখানে গতি বা খরচ সর্বশেষ মাত্রার quality-এর চেয়ে বেশি গুরুত্বপূর্ণ, সেখানে কম সক্ষম মডেল ব্যবহার করে সামঞ্জস্য করুন।

VPS-এ hardened service হিসেবে চালান

কোনো agent চলমান থাকলেই তা কার্যকর হয়, আর নিয়ন্ত্রিত থাকলেই নিরাপদ থাকে। VPS-এ এই দুটির জন্য agent-কে terminal-এ হাতে শুরু করা program হিসেবে না চালিয়ে hardened system service হিসেবে চালান। Service হিসেবে এটি boot-এর সময় শুরু হয়, crash করলে পুনরায় চালু হয় এবং journal-এ log লেখে। Hardened অবস্থায় এটি শুধু প্রয়োজনীয় access-সহ unprivileged user হিসেবে চলে। ফলে কোনো bug বা ক্ষতিকর instruction-এর প্রভাব সীমিত থাকে। একটি service unit process কোন resource ব্যবহার করতে পারবে এবং কত memory, CPU ও task ব্যবহার করতে পারবে, তা সীমিত করতে পারে। তবে agent সেই access দিয়ে কী করার সিদ্ধান্ত নেবে, তা service unit বিচার করতে পারে না। তাই বাকি নিয়ন্ত্রণ agent harness-এর ভিতরেই রাখতে হবে। ভিন্ন stack-এ এই কাজটি করে এমন plugin হলো ইনস্টল করার মতো DeepSeek Harness plugin: spend cap, প্রতিটি tool-এর permission rule এবং prompt-injection scanning।

সবচেয়ে গুরুত্বপূর্ণ নিয়ম হলো Claude API key server-side-এ রাখা। এই key প্রতিটি call-এর খরচ বহন করে এবং অনুমোদন দেয়। তাই এটি এমন একটি file-এ রাখুন যা শুধু agent-এর user পড়তে পারে। Service-এ এটিকে environment variable হিসেবে load করুন। কখনো code, repository বা browser থেকে access করা যায় এমন কোনো জায়গায় এটি রাখবেন না। আপনার agent-এর জন্য এখানে একটি সম্পূর্ণ hardened service unit তৈরি করুন:

এরপর server-টিও নিরাপদ করুন। শুধু key ব্যবহার করে SSH চালু করুন এবং যে account দিয়ে administration করেন, সেটি VPS-এ SSH hardening-এর নির্দেশনা অনুযায়ী সুরক্ষিত করুন। Build করার সময় interactive session থেকে agent চালাতে চাইলে tmux দিয়ে VPS-এ Claude Code চালানো সহায়ক হবে। একই box-এ দ্বিতীয় একটি session খোলা থাকলে দুটি session নিজেদের মধ্যে কাজ ভাগ করে নিতে পারে। ফলে প্রতিটি instruction এক pane থেকে অন্য pane-এ আপনাকে নিজে বহন করতে হবে না। এসবের ধারণাগত ভিত্তি জানতে চাইলে, কোনো নির্দিষ্ট model-এর সঙ্গে যুক্ত না করে VPS-এ নিজের AI agent তৈরি করা বিষয়ক সহায়ক guide-এ মৌলিক বিষয়গুলো ব্যাখ্যা করা হয়েছে।

আপনি যদি terminal coding assistant চান, VPS-এ coding AI agent চালানো অংশে Aider এবং Goose নিয়ে আলোচনা করা হয়েছে।

FAQ

কোন Claude model ব্যবহার করে agent তৈরি করা উচিত?

Claude Opus 5.5 (claude-opus-5-5) দিয়ে শুরু করুন। Anthropic অধিকাংশ workload-এর জন্য এটিই সুপারিশ করে। প্রয়োজন অনুযায়ী পরে পরিবর্তন করুন। Claude Sonnet 5.5 (claude-sonnet-5-5) অধিকাংশ কাজের জন্য সস্তা এবং দ্রুত। Claude Haiku 5.5 (claude-haiku-5-5) সহজ, বেশি সংখ্যক ধাপের জন্য সবচেয়ে উপযোগী। Claude Fable 5.1 (claude-fable-5-1) সবচেয়ে কঠিন কাজের জন্য সর্বাধিক সক্ষম। সাধারণভাবে routine ধাপে সস্তা model এবং কঠিন সিদ্ধান্তে শক্তিশালী model ব্যবহার করা হয়। Model পরিবর্তন করতে সাধারণত এক লাইনের পরিবর্তনই যথেষ্ট।

পুরো agent কি আমার VPS-এ চালাব, নাকি Anthropic চালাবে?

এটি ব্যবহৃত পদ্ধতির ওপর নির্ভর করে। আপনি যদি Claude API ব্যবহার করে নিজের loop লেখেন অথবা Claude Agent SDK ব্যবহার করেন, তাহলে agent সম্পূর্ণভাবে আপনার VPS-এ চলে। শুধু model call Anthropic-এ যায়। আপনি যদি Managed Agents ব্যবহার করেন, Anthropic loop চালায় এবং defaultভাবে tools যেখানে execute হয় সেই sandbox host করে। ফলে আপনার server-এ agent-এর কম অংশ থাকে। October 11, 2026 অনুযায়ী beta থাকা self-hosted sandbox option ব্যবহার করলে tool execution আপনার নিজের machine-এ চলে, কিন্তু loop Anthropic-এর কাছেই থাকে। Agent সম্পূর্ণভাবে নিজের machine-এ চালাতে চাইলে প্রথম দুটি পদ্ধতির একটি ব্যবহার করুন।

Claude API এবং Claude Agent SDK-এর মধ্যে পার্থক্য কী?

Claude API হলো raw Messages endpoint। এতে আপনি conversation এবং tools পাঠান, তারপর তার চারপাশে agent loop নিজে লেখেন। অথবা loop চালানোর জন্য SDK-এর tool runner ব্যবহার করেন। Claude Agent SDK হলো উচ্চস্তরের library। এটি Claude Code-কে building-এর জন্য package করে এবং সম্পূর্ণ loop-এর সঙ্গে built-in file, shell ও search tools সরবরাহ করে। সবকিছু নিজে নির্ধারণ করতে চাইলে API ব্যবহার করুন। Harness নিজে তৈরি না করে সক্ষম agent চাইলে Agent SDK ব্যবহার করুন।

Server-এ আমার Claude API key কীভাবে নিরাপদ রাখব?

Key-টি server-side রাখুন এবং code-এর বাইরে রাখুন। এমন একটি file-এ এটি সংরক্ষণ করুন, যা শুধু agent যে account হিসেবে চলে সেই account পড়তে পারে। Service-এ environment variable হিসেবে key-টি load করুন। কখনও এটি repository-তে commit করবেন না বা browser-এর কাছে প্রকাশ করবেন না। Claude-এ প্রতিটি request আপনার server থেকে যায়। তাই key কখনও user's device-এ পৌঁছানোর প্রয়োজন হয় না। এই কারণেই client app-এর মধ্যে embedded agent-এর চেয়ে server-run agent নিরাপদ করা সহজ।

Claude দিয়ে agent তৈরি করতে কি model self-host করতে হবে?

না। Claude একটি hosted service, যাকে API-এর মাধ্যমে call করা হয়। তাই GPU-তে কিছু চালানোর প্রয়োজন নেই। আপনার VPS agent loop, tools এবং data চালায়। Reasoning Anthropic-এর পাশে সম্পন্ন হয়। এ কারণেই একটি modest server-ও সক্ষম agent চালাতে পারে। পরিবর্তে fully local model চাইলে self-hosted পদ্ধতি ব্যবহার করুন। এই পদ্ধতি নিজের AI agent তৈরির companion guide-এ ব্যাখ্যা করা হয়েছে।