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।

বিল্ড করার 3টি পদ্ধতি এবং VPS-এর জন্য কোনটি উপযুক্ত

Claude agent বিল্ড করার 3টি পদ্ধতি আছে। আপনি কতটা অবকাঠামো নিজে চালাবেন, তার ভিত্তিতে এগুলো আলাদা।

প্রথম পদ্ধতিতে আপনার নিজস্ব code, আপনার নিজস্ব tools ব্যবহার করে Claude API-কে call করে। আপনি loop নিজে লিখবেন অথবা SDK-এর tool runner ব্যবহার করবেন। পুরো ব্যবস্থা আপনার VPS-এ host করবেন। এটি সবচেয়ে প্রচলিত পদ্ধতি, কারণ এতে tools, data এবং security-এর ওপর সম্পূর্ণ নিয়ন্ত্রণ থাকে এবং এটি আপনার server-এ সাধারণ program হিসেবে চলে। এই guide-এর অধিকাংশ অংশ এই পদ্ধতি ধরে লেখা।

দ্বিতীয় পদ্ধতি হলো Claude Agent SDK। এটি Claude Code, অর্থাৎ coding agent-কে library হিসেবে প্যাকেজ করা একটি ব্যবস্থা, যার ওপর ভিত্তি করে 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 শুরু থেকে নিজে তৈরি করতে হয় না। এটিও আপনার নিজস্ব server-এ চলে। ফলে নিজে harness তৈরি না করে সক্ষম file-and-shell agent চালাতে চাইলে এটি VPS-এর জন্য উপযুক্ত। File পড়ে এবং shell command চালায় এমন agent-কে unattended অবস্থায় চালানোর আগে containment প্রয়োজন। server-এ Claude Code নিরাপদে চালানো অংশে permission system, sandbox এবং isolation-এর বিকল্পগুলো ব্যাখ্যা করা হয়েছে।

তৃতীয় পদ্ধতি হলো Managed Agents। এই পদ্ধতিতে Anthropic loop চালায় এবং এমন একটি sandbox host করে, যেখানে agent-এর tools execute হয়। এটি সবচেয়ে কম পরিচালনাভিত্তিক পদ্ধতি। আপনাকে অনেক কম কিছু operate করতে হয়। তবে agent-এর workspace আপনার VPS-এর বদলে Anthropic-এর infrastructure-এ থাকে। যখন operational কাজ কম রাখতে চান এবং tools আপনার নিজের machine-এ চালানোর প্রয়োজন নেই, তখন এই পদ্ধতি বেছে নিন। অন্য 2টি পদ্ধতিতে agent-এর home হলো আপনার server। এই guide-এর বাকি অংশ সেই ব্যবস্থাই ব্যাখ্যা করে।

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।

মডেল নির্বাচন

Claude বেশ কয়েকটি model-এ পাওয়া যায়। একটি model বেছে নেওয়ার সময় সক্ষমতা, গতি এবং খরচের মধ্যে ভারসাম্য করতে হয়। এই লেখা প্রকাশের সময় প্রধান বিকল্পগুলো হলো Claude Opus 4.8 (claude-opus-4-8), কঠিন reasoning এবং দীর্ঘ agent run-এর জন্য সক্ষম default; Claude Sonnet 5 (claude-sonnet-5), এমন একটি ভারসাম্যপূর্ণ বিকল্প যা কম খরচে এবং বেশি দ্রুত কাজ করে, অথচ অনেক task-এ Opus-এর কাছাকাছি ফল দেয়; এবং Claude Haiku 4.5 (claude-haiku-4-5), সহজ ও উচ্চ-পরিমাণের ধাপের জন্য সবচেয়ে দ্রুত এবং কম খরচের model। এর ওপরে রয়েছে Claude Fable 5 (claude-fable-5), সবচেয়ে সক্ষম model, যা সবচেয়ে চ্যালেঞ্জিং কাজের জন্য উপযুক্ত। আপনার code-এ model identifier হুবহু ব্যবহার করুন; এর সঙ্গে কোনো date যোগ করবেন না।

একটি ব্যবহারিক পদ্ধতি হলো model-গুলো মিশিয়ে ব্যবহার করা। নিয়মিত tool call-এর জন্য কম খরচের model এবং কঠিন সিদ্ধান্তের জন্য বেশি সক্ষম model ব্যবহার করুন। আপনার request-এ model কেবল একটি string হওয়ায় এটি বদলাতে এক line-ই যথেষ্ট। তাই সক্ষম একটি default দিয়ে শুরু করুন, তারপর যেখানে সর্বশেষ মানের চেয়ে গতি বা খরচ বেশি গুরুত্বপূর্ণ, সেখানে কম সক্ষম model ব্যবহার করে সামঞ্জস্য করুন।

VPS-এ hardened service হিসেবে এটি চালান

কোনো agent চলমান থাকলেই তা কার্যকর, আর সীমাবদ্ধ পরিবেশে চললেই নিরাপদ। VPS-এ এই দুটি বিষয় নিশ্চিত করার উপায় হলো terminal-এ হাতে চালানো program-এর বদলে agent-কে একটি hardened system service হিসেবে চালানো। service হিসেবে এটি boot-এর সময় শুরু হয়, crash করলে restart হয় এবং journal-এ log লেখে। Hardened অবস্থায় এটি শুধু প্রয়োজনীয় access-সহ unprivileged user হিসেবে চলে। তাই কোনো bug বা ভুল instruction-এর ক্ষতির পরিসর সীমিত থাকে। service unit শুধু process কোন resource-এ access করতে পারবে তা সীমিত করতে পারে। বাকি সুরক্ষা agent harness-এর ভেতরেই রাখতে হবে। অন্য stack-এ ইনস্টল করার মতো DeepSeek Harness plugin এই কাজটি করে: spend cap, প্রতি 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 পরিশোধ ও অনুমোদন করে। তাই এটি এমন একটি file-এ রাখতে হবে যা শুধু agent-এর user পড়তে পারে, service-এ environment variable হিসেবে load করতে হবে, এবং কখনো code, repository বা browser যেখান থেকে access করতে পারে এমন কোনো জায়গায় রাখা যাবে না। আপনার agent-এর জন্য এখানে একটি সম্পূর্ণ hardened service unit তৈরি করুন:

এরপর server-টিও সুরক্ষিত করুন। শুধু key ব্যবহার করে SSH চালু রাখুন এবং যে account দিয়ে administration করেন সেটিকে সীমাবদ্ধ করুন, যেমন VPS-এ SSH hardening-এ দেখানো হয়েছে। সেটআপের সময় interactive session থেকে agent চালাতে চাইলে tmux দিয়ে VPS-এ Claude Code চালানো সহায়ক হবে। একই server-এ দ্বিতীয় একটি session খোলা থাকলে দুটি session নিজেদের মধ্যে কাজ পাঠাতে পারে। এতে প্রতিটি instruction এক pane থেকে অন্য pane-এ আপনাকে নিজে বহন করতে হবে না। এসবের ধারণাগত ভিত্তি জানতে এবং কোনো নির্দিষ্ট model-এর সঙ্গে বিষয়গুলো না বাঁধতে চাইলে VPS-এ নিজের AI agent তৈরি করা বিষয়ক sister guide-এ ভিত্তিগুলো ব্যাখ্যা করা হয়েছে।

আপনি যদি terminal coding assistant চান, VPS-এ coding AI agent চালানো অংশে Aider এবং Goose সম্পর্কে বলা হয়েছে।

FAQ

Agent তৈরি করতে কোন Claude model ব্যবহার করা উচিত?

Claude Opus 4.8 (claude-opus-4-8) দিয়ে শুরু করুন। এটি সক্ষম default model। প্রয়োজন অনুযায়ী পরে পরিবর্তন করুন। অধিকাংশ কাজের জন্য Claude Sonnet 5 (claude-sonnet-5) সস্তা ও দ্রুত। সহজ, বেশি-পরিমাণের ধাপের জন্য Claude Haiku 4.5 (claude-haiku-4-5) সবচেয়ে উপযোগী। সবচেয়ে কঠিন কাজের জন্য Claude Fable 5 (claude-fable-5) সবচেয়ে সক্ষম। একটি প্রচলিত পদ্ধতি হলো routine ধাপের জন্য সস্তা model এবং কঠিন সিদ্ধান্তের জন্য শক্তিশালী model ব্যবহার করা। কারণ model পরিবর্তন করতে এক লাইনের পরিবর্তনই যথেষ্ট।

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

এটি পদ্ধতির ওপর নির্ভর করে। আপনি যদি Claude API-এর বিরুদ্ধে নিজের loop লেখেন বা Claude Agent SDK ব্যবহার করেন, agent পুরোপুরি আপনার VPS-এ চলে এবং শুধু model call-গুলো Anthropic-এ যায়। আপনি যদি Managed Agents ব্যবহার করেন, Anthropic loop চালায় এবং tools যেখানে execute হয় সেই sandbox host করে। ফলে আপনার server-এ agent-এর কম অংশ থাকে। নিজের machine-এ চলা agent-এর জন্য প্রথম দুটি পদ্ধতির একটি ব্যবহার করুন।

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

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

Server-এ আমার Claude API key কীভাবে নিরাপদ রাখব?

এটি server-side রাখুন এবং code-এর বাইরে রাখুন। এমন একটি file-এ সংরক্ষণ করুন যা শুধু agent যে account হিসেবে চলে সেই account পড়তে পারে। এটি service-এ environment variable হিসেবে load করুন। কখনো repository-তে commit করবেন না এবং browser-এর কাছে expose করবেন না। Claude-এ প্রতিটি request আপনার server থেকে যায়। তাই key কখনো user's device-এ পাঠানোর প্রয়োজন হয় না। এই কারণেই client app-এর ভেতরে থাকা agent-এর তুলনায় server-এ চলা agent নিরাপদ রাখা সহজ।

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

না। Claude-এর ক্ষেত্রে model একটি hosted service, যাকে API-এর মাধ্যমে call করেন। তাই GPU-তে কিছু run করার প্রয়োজন নেই। আপনার VPS agent loop, tools এবং data চালায়। Reasoning Anthropic-এর side-এ হয়। এ কারণেই একটি সীমিত ক্ষমতার server-ও সক্ষম agent চালাতে পারে। এর পরিবর্তে সম্পূর্ণ local model চাইলে সেটিই self-hosted পদ্ধতি। নিজের AI agent তৈরির companion guide-এ এই পদ্ধতি আলোচনা করা হয়েছে।