SSD Nodes Learn Hosting plans →
راهنماها Matt Connorتوسط Matt Connor · به‌روزرسانی شده 2026-10-23

اجرای Claude Code روی Amazon Bedrock و Google Vertex AI

با تنظیم متغیرهای محیطی، Claude Code را به Bedrock یا Vertex AI متصل کنید. در این راهنما بررسی می‌کنیم که چگونه هزینه‌ها، دسترسی به مدل‌ها و امنیت داده‌ها تغییر می‌کند.

تغییرات هنگام اجرای Claude Code روی حساب ابری شخصی

شما می‌توانید Claude Code را روی Amazon Bedrock یا Google Vertex AI اجرا کنید. این تغییر تنها به تنظیم دو یا سه متغیر محیطی و استفاده از اعتبارنامه‌های ابری که تیم شما هم‌اکنون در اختیار دارد، نیاز دارد. تمام عملکردهای محلی بدون تغییر باقی می‌مانند: CLI، زیرمجموعه‌ها (subagents)، هوک‌ها، مهارت‌ها، سرورهای MCP و فایل‌های CLAUDE.md شما. تنها فراخوانی مدل تغییر مکان می‌دهد و به همراه آن چهار مورد نیز جابه‌جا می‌شوند: شبکه‌ای که درخواست از آن عبور می‌کند، حسابی که هزینه را پرداخت می‌کند، مدل‌های Claude که اجازه فراخوانی آن‌ها را دارید و ویژگی‌های سمت سروری که در دسترس هستند.

پرسش اصلی به‌ندرت درباره کارکرد آن است؛ چرا که به‌درستی کار می‌کند. پرسش اصلی این است که کدام‌یک از آن چهار مورد برای شما اهمیت بیشتری دارد.

سه روش مسیریابی و هزینه هر کدام

استفاده مستقیم از Anthropic با اشتراک. شما با یک حساب کاربری claude.ai در یکی از طرح‌های Pro، Max، Team یا Enterprise وارد می‌شوید. درخواست‌ها به API شرکت Anthropic ارسال می‌شوند. در طرح‌های Pro، Max و Team، شما هزینه را به ازای هر کاربر (seat) پرداخت می‌کنید و میزان استفاده به جای محاسبه بر اساس توکن، توسط محدودیت‌های طرح تعیین می‌شود. طرح‌های Enterprise فعلی یک استثنا هستند: هزینه اشتراک شامل هیچ میزان استفاده‌ای نیست و هر توکن علاوه بر آن، با نرخ‌های استاندارد API محاسبه می‌شود؛ قراردادهای قدیمی Enterprise که مبتنی بر تعداد کاربر بودند نیز در زمان تمدید به این مدل منتقل می‌شوند. این تنها روش مسیریابی است که به سطوح ساخته‌شده بر پایه حساب کاربری، مانند Claude Code در وب، اپلیکیشن موبایل و Remote Control دسترسی دارد. برای یک تیم، طرح Team از قبل شامل قابلیت ورود یکپارچه (SSO) و تنظیمات مدیریت‌شده توسط سرور برای پیکربندی Claude Code در سطح سازمان است و طرح Claude Enterprise علاوه بر آن، لاگ‌های حسابرسی، SCIM، کنترل‌های سفارشی نگهداری داده و یک Compliance API را نیز اضافه می‌کند.

استفاده مستقیم از Anthropic با کلید API. شما یک کلید در کنسول Anthropic ایجاد می‌کنید و هزینه را به ازای هر توکن می‌پردازید. زیرساخت و مناطق (regions) همانند اشتراک هستند، هزینه کاربر (seat) وجود ندارد و میزان استفاده در داشبورد اختصاصی Anthropic نمایش داده می‌شود. اینکه کدام‌یک از این دو روش ارزان‌تر است، به این بستگی دارد که عامل (agent) در واقع چند ساعت در روز اجرا می‌شود؛ این موضوع، محور اصلی مقایسه هزینه API در برابر اشتراک و هزینه عملی Claude Code است.

استفاده از endpoint شخص ثالث در Bedrock یا Vertex. حساب AWS یا Google Cloud شخصی شما مدل را ارائه می‌دهد. شرکت Anthropic در زمان استنتاج (inference) در مسیر درخواست قرار ندارد. توکن‌ها در صورت‌حسابی که از قبل دریافت می‌کنید محاسبه می‌شوند و تحت سیاست‌های IAM (مدیریت هویت و دسترسی) و لاگ‌های حسابرسی که از قبل اجرا می‌کنید، قرار می‌گیرند. دو گزینه شخص ثالث دیگر نیز وجود دارد: Microsoft Foundry و Claude Platform در AWS که از همین الگو پیروی می‌کنند: یک متغیر محیطی، ارائه‌دهنده را انتخاب می‌کند و هزینه از حساب ابری پرداخت می‌شود.

نکته نام‌گذاری، تا اکتبر 2026: گوگل نام Vertex AI را به Google Cloud's Agent Platform تغییر داده است. مستندات Anthropic از نام جدید استفاده می‌کنند، اعلان ورود Claude Code همچنان Google Vertex AI را نشان می‌دهد و متغیرهای محیطی همچنان از VERTEX استفاده می‌کنند.

محل نگهداری داده‌ها دلیل اصلی انجام این کار توسط تیم‌ها است

در Bedrock، درخواست به یک endpoint در منطقه (region) AWS که شما انتخاب می‌کنید و در داخل حساب خودتان است، ارسال می‌شود. داده‌های در حال سکون (data at rest) با استفاده از AES-256 و تحت کلیدهای مدیریت‌شده توسط AWS رمزنگاری می‌شوند و شما می‌توانید کلید خود را از طریق AWS KMS (سرویس مدیریت کلید) ارائه دهید. در Vertex، معادل آن کلیدهای رمزنگاری مدیریت‌شده توسط گوگل است و امکان استفاده از CMEK (کلیدهای رمزنگاری مدیریت‌شده توسط مشتری) نیز وجود دارد. دسترسی توسط نقش‌های IAM که از قبل استفاده می‌کنید کنترل می‌شود و فراخوانی‌ها مانند هر فراخوانی API دیگری در CloudTrail یا Cloud Audit Logs ظاهر می‌شوند. برای یک تیم تحت نظارت مقررات، این تمام استدلال است و استدلال معتبری است.

دو جزئیات وجود دارد که این موضوع را از آنچه در تبلیغات ادعا می‌شود، کمتر مطلق می‌کند.

یک پروفایل استنتاج بین‌منطقه‌ای (cross-region inference profile) یک منطقه واحد نیست. در Bedrock، ابزار Claude Code مدل‌های پیش‌فرض داخلی خود را به شناسه‌های پروفایل استنتاج بین‌منطقه‌ای تبدیل (resolve) می‌کند و پیشوندی که ترجیح می‌دهد از منطقه‌ای می‌آید که در آن resolve شده است: us. در یک منطقه us-*، eu. در یک منطقه eu-*، apac. در یک منطقه ap-* و us-gov. در GovCloud. یک پروفایل بین‌منطقه‌ای می‌تواند به یک درخواست از منطقه‌ای دیگر در داخل همان جغرافیا پاسخ دهد، بنابراین تضمینی که دریافت می‌کنید مربوط به یک جغرافیا است، نه یک شهر. اگر الزام شما نام یک منطقه خاص را ذکر کرده است، ترافیک را از طریق یک پروفایل استنتاج برنامه که کنترل می‌کنید هدایت کرده و ANTHROPIC_MODEL را روی ARN آن تنظیم کنید.

بخشی از ترافیک همچنان به Anthropic می‌رسد و هیچ‌کدام از آن‌ها کد شما نیست. تله‌متری، گزارش خطا و دستور /feedback به‌طور پیش‌فرض در هر دو سرویس Bedrock و Vertex غیرفعال هستند و /feedback به‌جای آپلود کردن هر چیزی، یک آرشیو را در مسیر ~/.claude/feedback-bundles/ روی دستگاه خودتان می‌نویسد. دو استثنا در هر ارائه‌دهنده‌ای وجود دارد. ابزار WebFetch پیش از دریافت یک URL، نام میزبان (hostname) را فقط برای بررسی لیست سیاه امنیتی به api.anthropic.com ارسال می‌کند. نظرسنجی‌های کیفیت نشست (session) نیز همچنان ظاهر می‌شوند. اولی را با تنظیم skipWebFetchPreflight در فایل تنظیمات خود و دومی را با CLAUDE_CODE_DISABLE_FEEDBACK_SURVEY=1 غیرفعال کنید. تنظیم CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC نیز نظرسنجی‌ها را به همراه سایر ترافیک‌های غیرضروری متوقف می‌کند، اما بر بررسی WebFetch که مکانیزم انصراف (opt-out) مستقل خود را دارد، تأثیری نمی‌گذارد.

در مورد آموزش مدل: طبق شرایط تجاری، Anthropic مدل‌ها را بر اساس کد یا پرامپت‌های ارسال‌شده از طریق Claude Code آموزش نمی‌دهد و استفاده از پلتفرم‌های شخص ثالث تجاری است. برنامه Development Partner که یک گزینه انتخابی (opt-in) برای اجازه دادن به آموزش مدل است، اصلاً به کاربران Bedrock یا Vertex ارائه نمی‌شود. عدم نگهداری داده‌ها در این endpointها موضوعی است که به توافق‌نامه شما با AWS یا Google بستگی دارد.

تنظیم Claude Code برای استفاده از Amazon Bedrock

پیش از آنکه تنظیمات کلاینت اهمیت پیدا کند، دو اقدام باید یک‌بار برای هر اکانت AWS انجام شود. کنسول Amazon Bedrock را باز کنید، یک مدل Anthropic را از کاتالوگ مدل‌ها انتخاب کرده و فرم مورد استفاده (use case) را ارسال کنید: دسترسی بلافاصله پس از ارسال تأیید می‌شود. سپس یک IAM policy متصل کنید که به فراخوانی‌های Claude Code اجازه اجرا می‌دهد.

  • bedrock:InvokeModel
  • bedrock:InvokeModelWithResponseStream
  • bedrock:ListInferenceProfiles
  • bedrock:GetInferenceProfile

ListInferenceProfiles قابلیتی است که به Claude Code اجازه می‌دهد در زمان شروع، بررسی کند اکانت شما واقعاً امکان فراخوانی کدام مدل‌ها را دارد. GetInferenceProfile به آن اجازه می‌دهد تا ARN پروفایل استنتاج (inference profile) برنامه را به مدل پایه (foundation model) پشت آن نگاشت کند تا بتواند ساختار درخواست صحیح را انتخاب نماید. بدون این مورد، درخواست‌ها همچنان موفق خواهند بود، زیرا Claude Code یک‌بار با ساختار دیگر تلاش مجدد می‌کند. نشانه این وضعیت، یک رفت‌وبرگشت اضافی برای هر مدل جدید است، نه یک خطا. سیاستی که Anthropic منتشر کرده است، همچنین اجازه aws-marketplace:ViewSubscriptions و aws-marketplace:Subscribe را در زمان فراخوانی از طریق Bedrock می‌دهد که مرحله اشتراک مدل را پوشش می‌دهد.

سریع‌ترین مسیر برای کلاینت، استفاده از ویزارد است. دستور claude را اجرا کنید، گزینه 3rd-party platform و سپس Amazon Bedrock را انتخاب کنید، یا در نشستی که قبلاً وارد شده‌اید، /setup-bedrock را تایپ کنید. این ابزار پروفایل‌های موجود در دایرکتوری ~/.aws شما را می‌خواند، بررسی می‌کند که چه مدل‌هایی را می‌توانید فراخوانی کنید و نتیجه را در بلوک env از فایل ~/.claude/settings.json می‌نویسد، بنابراین هیچ‌چیز به پروفایل شل شما وابسته نخواهد بود.

برای پیاده‌سازی اسکریپتی، متغیرها را خودتان تنظیم کنید.

export CLAUDE_CODE_USE_BEDROCK=1
export AWS_REGION=us-east-1

اعتبارنامه‌ها از زنجیره استاندارد AWS SDK دریافت می‌شوند، بنابراین هر چیزی که برای CLI مربوط به aws کار می‌کند، اینجا نیز کار خواهد کرد: aws configure، یک پروفایل SSO، یک نقش فرض‌شده (assumed role) یا یک کلید API برای Bedrock.

aws sso login --profile=your-profile-name
export AWS_PROFILE=your-profile-name
export AWS_BEARER_TOKEN_BEDROCK=your-bedrock-api-key

توکن حامل (bearer token) ساده‌ترین گزینه است و باید با دقت مدیریت شود، زیرا یک راز (secret) است که در یک متغیر محیطی قرار می‌گیرد. AWS کلیدهای کوتاه‌مدت با اعتبار حداکثر 12 ساعت و کلیدهای بلندمدت با تاریخ انقضای تعیین‌شده توسط شما صادر می‌کند و توصیه می‌کند نوع بلندمدت فقط برای بررسی‌های اولیه استفاده شود. در یک محیط build اشتراکی، از نقشی استفاده کنید که منقضی می‌شود. همین استدلال برای هر اعتبارنامه دیگری که عامل (agent) می‌تواند بخواند صدق می‌کند، که موضوع دور نگه داشتن اسرار از دسترس یک عامل هوش مصنوعی است.

تله منطقه (Region). Claude Code منطقه را به این ترتیب شناسایی می‌کند: AWS_REGION، سپس AWS_DEFAULT_REGION، سپس region در پروفایل فعال AWS شما، و در نهایت us-east-1. مرحله آخر یک پیش‌فرض است، نه یک خطا؛ بنابراین تیمی که هیچ منطقه‌ای را تنظیم نکرده و فرض کرده که مسیریابی اروپایی دارد، درخواست‌های خود را بدون هیچ هشدار چاپی به یک منطقه در آمریکا می‌فرستد. دستور /status را داخل Claude Code اجرا کنید تا منطقه شناسایی‌شده و منبع آن را ببینید. برای تأیید اینکه اکانت شما در یک منطقه چه چیزی را می‌تواند فراخوانی کند، دستور aws bedrock list-inference-profiles --region your-region را اجرا کنید.

اجرای Claude Code روی Google Vertex AI

API را فعال کرده و اعتبارنامه‌ها (credentials) را دریافت کنید.

gcloud config set project YOUR-PROJECT-ID
gcloud services enable aiplatform.googleapis.com
gcloud auth application-default login

در Model Garden، برای مدل‌های Claude مورد نظر خود درخواست دسترسی ارسال کنید. تأیید این درخواست آنی نیست، بنابراین 24 تا 48 ساعت زمان در نظر بگیرید. نقش roles/aiplatform.user را اختصاص دهید که شامل مجوز aiplatform.endpoints.predict است و برای فراخوانی مدل و شمارش توکن‌ها استفاده می‌شود.

سپس ارائه‌دهنده (provider) را انتخاب کنید.

export CLAUDE_CODE_USE_VERTEX=1
export CLOUD_ML_REGION=global
export ANTHROPIC_VERTEX_PROJECT_ID=YOUR-PROJECT-ID

CLOUD_ML_REGION از global استفاده می‌کند که می‌تواند یک موقعیت چند-منطقه‌ای (multi-region) مانند eu یا us، و یا یک منطقه تکی باشد. نقطه پایانی (endpoint) سراسری، بهترین دسترسی را فراهم می‌کند اما کمترین کنترل را بر محل پردازش درخواست دارد؛ بنابراین، در صورت وجود الزامات مربوط به محل اقامت داده‌ها (residency)، معمولاً باید یک موقعیت خاص را تعیین کنید. پوشش مدل‌ها در این سه حالت متفاوت است. اگر مدل مورد نیاز شما در نقطه پایانی سراسری موجود نیست، آن مدل خاص را با متغیر VERTEX_REGION_CLAUDE_* به یک موقعیت مشخص محدود کنید و بقیه موارد را در حالت سراسری باقی بگذارید. به جای اعتماد به لیست‌های قدیمی، صفحه موقعیت‌های Vertex AI را بررسی کنید.

تله پروژه. متغیر ANTHROPIC_VERTEX_PROJECT_ID تعیین می‌کند که درخواست‌ها به کجا ارسال شوند. Claude Code درخواست‌ها را به همان پروژه‌ای هدایت می‌کند که در این متغیر تعیین شده است، حتی اگر GCLOUD_PROJECT، GOOGLE_CLOUD_PROJECT یا فایل اعتبارنامه‌ای که توسط GOOGLE_APPLICATION_CREDENTIALS مشخص شده، حاوی پروژه متفاوتی باشند. در سیستمی که gcloud به یک پروژه اشاره دارد و یک ANTHROPIC_VERTEX_PROJECT_ID باقی‌مانده از قبل نام پروژه دیگری را در خود دارد، هزینه‌ها به حساب پروژه دوم منظور می‌شود و هیچ هشداری در طول نشست (session) به شما داده نخواهد شد.

پس از هر تغییر در ارائه‌دهنده، وضعیت را تأیید کنید. دستور /status را اجرا کنید: خط API provider باید مقدار Google Vertex AI را نشان دهد و خطوط GCP project، Default region و Model نشان می‌دهند که Claude Code در واقع چه مقادیری را شناسایی کرده است. اگر خط مربوط به ارائه‌دهنده وجود ندارد، یعنی متغیرها به فرآیند منتقل نشده‌اند، زیرا در shell متفاوتی نسبت به shell اجراکننده claude صادر (export) شده‌اند. آن‌ها را به بلوک env در فایل تنظیمات منتقل کنید؛ این روش همچنین باعث می‌شود مقداری مانند AWS_PROFILE به سایر فرآیندهایی که شروع می‌کنید، نشت نکند.

کدام مدل‌ها را دریافت می‌کنید و تأخیر آن‌ها چقدر است

نام‌های مستعاری مانند sonnet و opus به معنای جدیدترین مدل نیستند. در یک endpoint شخص ثالث، این نام‌ها به مقدار پیش‌فرضِ تعبیه‌شده در Claude Code برای آن ارائه‌دهنده تبدیل می‌شوند که ممکن است از نسخهٔ فعلی عقب‌تر باشد یا اصلاً در حساب کاربری شما فعال نشده باشد. هنگامی که مقدار پیش‌فرض در دسترس نباشد، Claude Code برای آن نشست به یک مدل قدیمی‌تر یا رده‌پایین‌تر بازمی‌گردد و یک اعلان چاپ می‌کند. این بازگشت (fallback) ذخیره نمی‌شود، بنابراین در نشست بعدی دوباره تلاش می‌کند و دوباره همان اعلان را چاپ می‌کند.

برای پیاده‌سازی در سطح یک تیم، نسخه‌ها را ثابت (pin) کنید.

# Copy the exact IDs from your provider's own model catalog.
export ANTHROPIC_DEFAULT_OPUS_MODEL='<provider model id>'
export ANTHROPIC_DEFAULT_SONNET_MODEL='<provider model id>'
export ANTHROPIC_DEFAULT_HAIKU_MODEL='<provider model id>'

شناسه‌ها را از نمای کلی مدل‌ها و کاتالوگ ارائه‌دهندهٔ خود بردارید، زیرا فرمت آن‌ها بسته به ارائه‌دهنده متفاوت است: Bedrock انتظار یک inference profile ID یا یک ARN را دارد، در حالی که Vertex یک نام مدل ساده می‌خواهد. آن‌ها را از داخل مقالات، از جمله همین مقاله، کپی نکنید. ثابت کردن نسخه‌ها همچنین راهی برای کنترل هزینه است، زیرا مدل اصلی پیش‌فرض معمولاً یک مدل از کلاس Opus است و Opus به ازای هر توکن هزینهٔ بیشتری نسبت به Sonnet دارد؛ بنابراین استقراری که هیچ نسخه‌ای را ثابت نکند، با نرخ بالاتری صورت‌حساب می‌شود. برای تعیین یک مدل خاص به عنوان پیش‌فرض نشست، ANTHROPIC_MODEL را روی شناسهٔ کامل آن مدل تنظیم کنید.

دسترسی به مدل‌ها، واضح‌ترین تفاوت در این مقایسه است. در API اختصاصی Anthropic، یک مدل از همان روز انتشار کار می‌کند. در Bedrock و Vertex، مدل زمانی کار می‌کند که ارائه‌دهندهٔ ابری شما آن را در منطقهٔ (region) شما فعال کرده باشد و دسترسی آن به حساب شما اعطا شده باشد؛ این فرآیند در بهترین حالت چند روز و گاهی بسیار طولانی‌تر زمان می‌برد. اگر بخشی از کار باید حتماً روی جدیدترین مدل اجرا شود، یک مسیر (routing) برای دسترسی به آن حفظ کنید. این همان مورد کاربردی برای هدایت مدل‌های مختلف به کارهای مختلف است.

محدودیت‌های استفاده از Bedrock و Vertex

تمام قابلیت‌های محلی در تمامی ارائه‌دهندگان کار می‌کنند: subagents، hooks، slash commands، skills، plugins، checkpoints، sandboxing، فایل تنظیمات مدیریت‌شده و معیارهای OpenTelemetry. شکاف‌های موجود همگی مربوط به سمت سرور هستند.

موارد غیرقابل‌دسترس در هر دو endpoint: حالت fast mode، Advisor، Channels، داشبورد تحلیل (analytics dashboard)، تنظیمات مدیریت‌شده توسط سرور و دستورات /design-sync و /import. همچنین هر قابلیتی که به حساب کاربری claude.ai نیاز داشته باشد در دسترس نیست؛ این شامل Claude Code در وب، اپلیکیشن موبایل، Remote Control، routines و artifacts می‌شود.

فقط در Bedrock: ابزار WebSearch در این سرویس وجود ندارد، بنابراین Claude نمی‌تواند در نشستی که به Bedrock هدایت شده است، جستجو انجام دهد. با این حال، اگر URL را به آن بدهید، همچنان می‌تواند با استفاده از WebFetch محتوای صفحه را بخواند. در Vertex، قابلیت جستجوی وب برای مدل‌های تولیدی Claude 4 و نسخه‌های پس از آن کار می‌کند.

قابلیت‌های محدود در هر دو: حالت auto mode فقط روی مجموعه محدودی از مدل‌های جدیدتر اجرا می‌شود، پیام‌رسانی بین‌نشستی (cross-session) فقط به سایر نشست‌های شما روی همان ماشین می‌رسد و استفاده از /loop که بازه زمانی را به‌طور خودکار انتخاب می‌کند، نیازمند Claude Code نسخه v2.1.248 یا بالاتر است. دسترسی به دسکتاپ فقط از طریق Claude Desktop در 3P یا در Vertex از طریق یک استقرار سازمانی (Enterprise deployment) که در تنظیمات مدیریت‌شده پیکربندی شده باشد، امکان‌پذیر است. پیش از آنکه قابلیتی را به تیم خود وعده دهید، صفحه در دسترس بودن قابلیت‌ها در سایت Anthropic را بررسی کنید، زیرا این فهرست همواره در حال تغییر است.

هزینه بر عهده چه کسی است

اشتراک و endpoint شخص ثالث، دو خرید مجزا هستند. هیچ‌کدام جایگزین دیگری نمی‌شود.

این موضوع ارزش بیان صریح را دارد، زیرا این اشتباه بی‌سروصدا رخ می‌دهد. اگر CLAUDE_CODE_USE_BEDROCK=1 را روی دستگاهی تنظیم کنید که با یک Max seat در آن وارد شده‌اید، ترافیک توسط AWS صورت‌حساب می‌شود: بر اساس هر توکن با نرخ‌های on-demand سرویس Bedrock، یا در صورت خرید حساب شما، بر اساس provisioned throughput. هزینه seat همچنان به‌صورت ماهانه دریافت می‌شود و هیچ بخشی از آن ترافیک را پوشش نمی‌دهد. همچنین نمای ترکیبی وجود ندارد: هزینه‌ها به AWS Cost Explorer یا Google Cloud Billing منتقل می‌شوند و داشبورد تحلیل Anthropic در هیچ‌کدام از این ارائه‌دهندگان در دسترس نیست. دستور /logout نیز ناپدید می‌شود، زیرا هیچ نشست (session) Anthropic برای پایان دادن وجود ندارد. اعتبارنامه (credential)، همان اعتبارنامه ابری است.

نرخ‌ها در صفحه اختصاصی هر ارائه‌دهنده قرار دارند و تغییر می‌کنند؛ بنابراین به‌جای تکیه بر ارقام موجود در مقالات، قیمت‌گذاری Amazon Bedrock یا قیمت‌گذاری Vertex AI را مطالعه کنید. یک نکته ساختاری تغییر نمی‌کند: استنتاج (inference) on-demand در این endpointها بر اساس هر توکن محاسبه می‌شود؛ بنابراین عاملی (agent) که تمام روز در حال اجرا باشد، هزینه مشخص خود را دارد و هیچ سقف طرحی (plan cap) برای متوقف کردن آن وجود ندارد. جایگزینی که هر دو سرویس ابری ارائه می‌دهند، provisioned throughput است؛ ظرفیت رزرو شده‌ای که تا زمانی که آن را در اختیار دارید، هزینه ثابتی دارد. AWS هزینه آن را ساعتی محاسبه می‌کند و Claude Code زمانی از آن استفاده می‌کند که شما ARN مربوط به provisioned throughput را به‌عنوان مدل ID تنظیم کنید. اینکه آیا خرید seat برای همه به‌صرفه‌تر است یا خیر، موضوعی است که باید پیش از پیاده‌سازی و نه پس از دریافت اولین صورت‌حساب بررسی شود، و محاسبات مقایسه‌ای seat در برابر هزینه به ازای هر توکن برای تیم‌ها و سازمان‌ها این مقایسه را در مقیاس تیمی انجام می‌دهد.

محدودیت‌های نرخ و سهمیه‌ها در هر مسیر مسیریابی متفاوت عمل می‌کنند

در اشتراک‌ها، محدودیت‌ها متعلق به حساب کاربری هستند و طبق یک زمان‌بندی مشخص بازنشانی می‌شوند. رسیدن به سقف محدودیت به معنای انتظار کشیدن است، مگر آنکه اعتبار مصرف (usage credits) فعال باشد: مشترکین Pro و Max، و همچنین سازمان‌های Team و سازمان‌های Enterprise قدیمی مبتنی بر تعداد کاربر (seat-based)، می‌توانند پس از رسیدن به محدودیت، با نرخ‌های استاندارد API تا سقف هزینه تعیین‌شده به کار خود ادامه دهند. طرح‌های فعلی Enterprise مبتنی بر مصرف، هیچ سهمیهٔ از پیش تعیین‌شده‌ای ندارند که تمام شود، زیرا هزینهٔ هر توکن از قبل محاسبه و صورت‌حساب می‌شود. این رفتار در نحوه عملکرد محدودیت‌های مصرف توضیح داده شده است.

در کلید API شرکت Anthropic، محدودیت‌ها متعلق به سازمان هستند، بر اساس تعداد درخواست و توکن در دقیقه بیان می‌شوند و با ارتقای سطح مصرف شما افزایش می‌یابند.

در Bedrock و Vertex، محدودیت‌ها سهمیه‌های ابری (cloud quotas) هستند و هیچ ارتباطی با طرح‌های Anthropic ندارند. در Bedrock، این محدودیت‌ها برای هر حساب و منطقه (region) و عمدتاً برای هر مدل تنظیم می‌شوند؛ علاوه بر این، یک سهمیهٔ توکن روزانه برای کل حساب وجود دارد. در Vertex، محدودیت‌ها برای هر پروژه و موقعیت مکانی (location) تنظیم می‌شوند. در endpointهای سراسری (global) و چندمنطقه‌ای (multi-region)، مدل‌های Claude که پس از 26 مه 2026 عرضه شده‌اند، یک سهمیه را برای هر تبار مدل (model lineage) به اشتراک می‌گذارند: تمام نسخه‌های یک خانوادهٔ مدل از یک مخزن مشترک در یک موقعیت مکانی خاص استفاده می‌کنند و endpoint سراسری و هر endpoint چندمنطقه‌ای، مخزن‌های جداگانه‌ای دارند. خطای 429 معمولاً به معنای اتمام یکی از این سهمیه‌ها است، اما در ظرفیت‌های اشتراکی پرداخت‌به‌میزان‌مصرف (pay-as-you-go)، ممکن است به معنای کمبود ظرفیت نزد ارائه‌دهنده باشد؛ بنابراین پیش از تغییر هر تنظیماتی، با استفاده از backoff دوباره تلاش کنید. زمانی که مشکل از سهمیهٔ شما باشد، راه‌حل در کنسول ارائه‌دهنده قرار دارد: درخواست افزایش سهمیه بدهید یا به موقعیت مکانی دیگری با ظرفیت خالی منتقل شوید. Bedrock سهمیه را بر اساس قانون token burndown محاسبه می‌کند نه تعداد درخواست ثابت، و ظرفیت رزرو شده در هر یک از این سرویس‌های ابری به عنوان provisioned throughput خریداری می‌شود. در Vertex، خطای 429 اغلب به این معناست که endpoint تک‌منطقه‌ای شما همزمان از مدل اصلی و مدل کوچک و سریع پشتیبانی نمی‌کند، به همین دلیل CLOUD_ML_REGION=global نقطه شروع مستندسازی‌شده است. صفحه سهمیه‌ها در گوگل، نحوه درخواست افزایش سهمیه را پوشش می‌دهد.

حالت‌های شکست و پیام‌های مربوط به آن‌ها

Could not load the default credentials، در Vertex. اعتبارنامه‌های پیش‌فرض برنامه (Application Default Credentials) وجود ندارند یا منقضی شده‌اند. دستور gcloud auth application-default login را اجرا کنید یا GOOGLE_APPLICATION_CREDENTIALS را به یک فایل کلید سرویس‌اکانت (service account key) ارجاع دهید.

خطای 404 با نام مدل، در Vertex. مدل مورد نظر در Model Garden برای آن پروژه فعال نشده است یا در موقعیت جغرافیایی (location) تنظیم‌شده ارائه نمی‌شود. برخی مدل‌ها فقط روی endpoint جهانی یا موقعیت‌های چند-منطقه‌ای (multi-region) مانند eu سرویس‌دهی می‌شوند و هرگز در یک منطقه خاص در دسترس نیستند.

on-demand throughput isn't supported، در Bedrock. شما شناسه یک مدل پایه (foundation model) خام را برای مدلی ارسال کرده‌اید که فقط از طریق یک پروفایل استنتاج (inference profile) ارائه می‌شود. به‌جای آن از شناسه پروفایل استنتاج استفاده کنید.

AWS default-chain credential resolve timed out. یکی از مراحل زنجیره اعتبارنامه‌های AWS متوقف شده است؛ این اتفاق معمولاً زمانی رخ می‌دهد که یک هلپر credential_process منتظر ورودی است که هرگز دریافت نخواهد کرد. کل فرآیند حل (resolve) این زنجیره پس از 60 ثانیه دچار وقفه (timeout) می‌شود. اگر زنجیره شما واقعاً به زمان بیشتری نیاز دارد (مثلاً در جریان احراز هویت SSO مرورگر با MFA)، این محدودیت را با استفاده از CLAUDE_CODE_AWS_CHAIN_RESOLVE_TIMEOUT_MS به میلی‌ثانیه افزایش دهید.

خطا در شروع Bedrock streaming response has content-type. عاملی بین Claude Code و Bedrock در حال بازنویسی جریان (stream) است. Bedrock جریان‌ها را در قالب binary event-stream با نوع محتوای application/vnd.amazon.eventstream ارسال می‌کند؛ بنابراین اگر یک gateway آن را به صورت server-sent events بازنشر کند، بدنه (body) پاسخ برای Claude Code غیرقابل رمزگشایی خواهد بود. gateway را اصلاح کنید تا بدنه پاسخ و هدر Content-Type آن را بدون تغییر عبور دهد.

باز شدن تب‌های مرورگر در یک حلقه هنگام استفاده از AWS SSO. یک VPN شرکتی یا پروکسی بازرسی TLS، فرآیند ورود را مختل می‌کند. Claude Code این اتصال ناقص را به عنوان شکست در احراز هویت تلقی کرده، دستور awsAuthRefresh را مجدداً اجرا می‌کند و این چرخه تکرار می‌شود. awsAuthRefresh را از فایل تنظیمات خود حذف کنید و پیش از شروع Claude Code، دستور aws sso login را به‌صورت دستی اجرا نمایید.

انتخاب روش مسیریابی

زمانی که به مدل‌های جدید در روز عرضه و مجموعه کامل قابلیت‌ها نیاز دارید، Anthropic direct را انتخاب کنید. زمانی که می‌خواهید بدون خرید اشتراک (seats)، هزینه را بر اساس هر توکن پرداخت کنید، از API key استفاده کنید. اگر الزام دارید که پردازش استنتاج (inference) درون یک حساب ابری تحت مدیریت شما انجام شود، Bedrock یا Vertex را انتخاب کنید؛ در این صورت باید بپذیرید که بهای آن، کندتر بودن چرخه به‌روزرسانی مدل‌ها و محدودتر بودن لیست قابلیت‌ها است. اگر از ایران کار می‌کنید، پیش از مقایسه این سه روش باید بدانید که ایران در فهرست مناطق پشتیبانی‌شده Anthropic نیست؛ اینکه کدام مسیرهای Claude Code از ایران واقعاً کار می‌کنند و چرا سپردن یک کلید فروخته‌شده به عامل خطرناک است، در راهنمای جداگانه‌ای بررسی شده است. صفحات راه‌اندازی که ارزش نشان‌گذاری (bookmark) دارند، صفحات اختصاصی Anthropic برای Amazon Bedrock و Google Vertex AI هستند؛ همچنین لیست مدل‌ها بر اساس منطقه در AWS نیز مفید است.

هیچ‌کدام از این سه روش، محل اجرای خودِ عامل (agent) را تغییر نمی‌دهند. Claude Code یک پردازش محلی است که فایل‌های شما را می‌خواند و دستوراتتان را اجرا می‌کند، فارغ از اینکه کدام endpoint به آن پاسخ دهد. به همین دلیل است که تیم‌هایی که می‌خواهند این ابزار در جایی غیر از لپ‌تاپ اجرا شود، عامل کدنویسی را روی یک VPS قرار می‌دهند و همان متغیرها را در آنجا export می‌کنند.

FAQ

آیا اشتراک Claude من هزینه Claude Code را در Bedrock یا Vertex پوشش می‌دهد؟

خیر. اشتراک‌های Pro، Max، Team یا Enterprise و استفاده از endpointهای شخص ثالث، خریدهای مجزایی هستند و هیچ‌کدام دیگری را پوشش نمی‌دهد. با تنظیم CLAUDE_CODE_USE_BEDROCK=1 یا CLAUDE_CODE_USE_VERTEX=1، ترافیک توسط AWS یا Google Cloud و بر اساس تعداد توکن با نرخ‌های on-demand یا ظرفیت provisioned که خریداری کرده‌اید محاسبه شده و در صورت‌حساب همان سرویس ابری لحاظ می‌شود، در حالی که هزینه اشتراک Claude همچنان به‌صورت ماهانه برای سرویس‌های تحت پوشش آن دریافت می‌گردد. پیگیری هزینه‌ها نیز به AWS Cost Explorer یا Google Cloud Billing منتقل می‌شود، زیرا داشبورد تحلیل Anthropic در هیچ‌کدام از این ارائه‌دهندگان در دسترس نیست.

Claude Code درخواست‌های من را در Amazon Bedrock به کدام منطقه (Region) ارسال می‌کند؟

به منطقه‌ای که توسط سیستم شناسایی شده است و /status آن را به شما نشان می‌دهد. Claude Code ابتدا AWS_REGION، سپس AWS_DEFAULT_REGION و در نهایت region موجود در پروفایل فعال AWS شما را بررسی می‌کند و اگر هیچ‌کدام تنظیم نشده باشند، به us-east-1 بازمی‌گردد. مدل‌های پیش‌فرض داخلی آن سپس به پروفایل‌های استنتاج بین‌منطقه‌ای (cross-region inference profiles) متصل می‌شوند که پیشوند آن‌ها از همان منطقه پیروی می‌کند، مانند us. یا eu.؛ یک پروفایل بین‌منطقه‌ای می‌تواند درخواست را از منطقه‌ای دیگر در همان محدوده جغرافیایی پاسخ دهد. زمانی که یک منطقه خاص الزامی است، از یک پروفایل استنتاج برنامه‌ای (application inference profile) که تحت کنترل خودتان است استفاده کنید و ANTHROPIC_MODEL را روی ARN آن تنظیم نمایید.

چرا جدیدترین مدل Claude در حساب Bedrock یا Vertex من وجود ندارد؟

زیرا هر ارائه‌دهنده ابری مدل‌ها را طبق زمان‌بندی خاص خود فعال می‌کند و حساب شما نیز باید علاوه بر آن، مجوز دسترسی دریافت کرده باشد. در Vertex، شما باید در Model Garden درخواست دسترسی بدهید که تأیید آن ممکن است 24 تا 48 ساعت طول بکشد. تا آن زمان، نام‌های مستعاری مانند sonnet و opus به مدل پیش‌فرض داخلی Claude Code برای آن ارائه‌دهنده اشاره می‌کنند و هرگاه آن مدل پیش‌فرض در حساب شما در دسترس نباشد، Claude Code برای آن نشست به یک مدل قدیمی‌تر یا سطح پایین‌تر بازمی‌گردد و یک اعلان نمایش می‌دهد. برای اطمینان، ANTHROPIC_DEFAULT_SONNET_MODEL و مدل‌های مشابه آن را روی IDهایی که تأیید کرده‌اید فعال هستند، قفل (Pin) کنید.

آیا جستجوی وب در Claude Code روی Amazon Bedrock در دسترس است؟

خیر. ابزار WebSearch در Bedrock در دسترس نیست، بنابراین Claude نمی‌تواند از نشستی که به آنجا هدایت شده است، جستجو انجام دهد. با این حال، اگر URL را ارائه دهید، همچنان می‌تواند با استفاده از WebFetch محتوای یک صفحه خاص را بخواند. در Google Vertex AI، جستجوی وب برای مدل‌های نسل Claude 4 و نسخه‌های بعد از آن کار می‌کند که این یکی از معدود تفاوت‌های قابلیتی به نفع Vertex است.

آیا برای اجرای Claude Code روی Bedrock یا Vertex به حساب Anthropic نیاز دارم؟

خیر. احراز هویت شما از طریق اعتبارنامه‌های AWS یا Google Cloud انجام می‌شود و به همین دلیل است که /logout در هر دو ارائه‌دهنده در دسترس نیست. تنها یک ارتباط با Anthropic صرف‌نظر از ارائه‌دهنده‌ای که استفاده می‌کنید باقی می‌ماند: پیش از خواندن یک URL، ابزار WebFetch نام میزبان (hostname) را—و فقط نام میزبان را—به api.anthropic.com ارسال می‌کند تا آن را با یک لیست سیاه امنیتی تطبیق دهد. برای غیرفعال کردن این مورد، skipWebFetchPreflight را در فایل تنظیمات خود قرار دهید و اگر همچنان می‌خواهید دامنه‌های قابل دسترسی برای Claude را محدود کنید، آن را با قوانین مجوز WebFetch ترکیب نمایید.

آیا این مقاله مفید بود؟