Claude को n8n VPS पर कैसे सेटअप करें

आप क्या बना रहे हैं

आपके द्वारा पहले से चलाए जा रहे n8n instance पर तीन कार्यशील AI workflows: एक webhook जो उसे दी गई किसी भी सामग्री का सारांश (summarize) तैयार करता है, एक scheduled feed-reader जो लेखों को structured spreadsheet पंक्तियों में बदलता है, और एक AI Agent जो प्रश्नों के उत्तर देने के लिए स्वयं एक HTTP API को कॉल करता है। यह अपने VPS पर Python से Claude API को कॉल करने का no-code विकल्प है; इसमें API, tokens और बिल वही रहते हैं, लेकिन orchestration एक script के बजाय n8n nodes में होता है।

मैं यह मानकर चल रहा हूँ कि n8n पहले से ही Docker पर self-hosted n8n गाइड के अनुसार HTTPS के पीछे चल रहा है। यदि ऐसा नहीं है, तो पहले वह करें; webhooks को एक वास्तविक TLS endpoint की आवश्यकता होती है, और जिस credential store में आप API key डालने वाले हैं, उसे उस encryption-key backup की जरूरत है जिसके बारे में वह गाइड आपको चेतावनी देती है।

यहाँ दिलचस्प समस्याएँ drag-and-drop से संबंधित नहीं हैं। वे प्रति node model चयन, prompt fields जो चुपचाप undefined को interpolate करते हैं, और इस तथ्य से संबंधित हैं कि एक automation बिना निगरानी के चलता है। एक workflow जो प्रति run आधा सेंट खर्च करता है, वह तब तक सस्ता है जब तक कि कोई retry loop उसे रात भर में चार हजार बार न चला दे। इस गाइड का अधिकांश हिस्सा इन्हीं विषयों पर है।

एक क्रेडेंशियल, जिसे आपके द्वारा बैकअप की गई key से एन्क्रिप्ट किया गया है

Anthropic Console पर platform.claude.com पर जाएं, Settings में जाएं, फिर API Keys चुनें, और n8n-vps जैसा नाम देकर एक key बनाएं। यह केवल एक बार दिखाई जाती है। अपने अकाउंट में फंड डालें या बिलिंग सेट करें; API का उपयोग प्रति-टोकन भुगतान (pay-per-token) के आधार पर होता है और यह किसी भी Claude.ai सब्सक्रिप्शन से पूरी तरह अलग है। यदि आप इन तीन वर्कफ़्लो को बिना किसी भुगतान के बनाना चाहते थे, तो कोई फ्री टियर उपलब्ध नहीं है, केवल थोड़ा सा साइनअप क्रेडिट और कुछ एंडपॉइंट्स हैं जो पूरी तरह से निःशुल्क हैं।

n8n में: Credentials पर जाएं, Create credential चुनें, Anthropic चुनें, key को API Key फ़ील्ड में पेस्ट करें और सेव करें। हर वर्कफ़्लो में मौजूद प्रत्येक Claude नोड इसी एक स्टोर किए गए क्रेडेंशियल का संदर्भ लेता है, आपको कभी भी नोड के अंदर key पेस्ट करने की आवश्यकता नहीं होती है।

दो संचालन संबंधी बातें।

पहली, n8n संग्रहीत credentials को N8N_ENCRYPTION_KEY से encrypt करता है। यदि n8n guide के अनुसार आप उस env var को अपनी compose file में स्पष्ट रूप से set करते हैं, तो container rebuilds के बाद भी आपका credential सुरक्षित रहता है। यदि आप n8n को एक key generate करने देते हैं और बाद में volume खो देते हैं, तो हर संग्रहीत credential, जिसमें यह key भी शामिल है, ऐसा ciphertext बन जाता है जिसे recover नहीं किया जा सकता। यदि आपने इसे पहले skip किया है, तो अभी key का backup लें।

दूसरी, n8n credential store को पूरे blast radius के रूप में मानें। आपके instance पर workflows edit करने वाला कोई भी व्यक्ति आपकी Anthropic key से requests कर सकता है। Community edition में credentials के लिए per-user permissions नहीं होतीं। इसलिए यदि कोई अन्य व्यक्ति इस instance में login करता है, तो accounts देने से पहले पढ़ें कि paid n8n licence के पीछे कौन-से access controls उपलब्ध हैं। Compromised या runaway instance के लिए spending ceiling तय करने हेतु Console में Settings के अंतर्गत spend limit set करें।

मॉडल का चयन प्रत्येक नोड के आधार पर होता है

n8n के Claude नोड्स में मॉडल ड्रॉपडाउन सीधे API से प्राप्त होता है, इसलिए यह वही दिखाता है जिसे आपकी key एक्सेस कर सकती है। जुलाई 2026 तक, लाइनअप और प्रति मिलियन इनपुट/आउटपुट टोकन के लिए API मूल्य निर्धारण इस प्रकार है: Claude Haiku 4.5 (claude-haiku-4-5) $1/$5 पर 200K कॉन्टेक्स्ट विंडो के साथ, Claude Sonnet 5 (claude-sonnet-5) $3/$15 पर, 31 अगस्त, 2026 तक शुरुआती $2/$10, और Claude Opus 4.8 (claude-opus-4-8) $5/$25 पर, दोनों 1M-टोकन कॉन्टेक्स्ट विंडो के साथ। सबसे कठिन तार्किक कार्यों के लिए Claude Fable 5 (claude-fable-5) भी $10/$50 पर उपलब्ध है; इस गाइड में किसी भी चीज़ के लिए इसकी आवश्यकता नहीं है। उन सटीक IDs का उपयोग करें, किसी पुराने ट्यूटोरियल से याद रखा गया तारीख-प्रत्यय वाला वेरिएंट 404 एरर देगा, और कीमतें बदलती रहती हैं, इसलिए यहाँ या कहीं और पढ़ी गई किसी भी संख्या पर भरोसा करने से पहले platform.claude.com पर जाँच करें।

जो आदत आपको बनानी चाहिए: मॉडल को प्लेटफॉर्म के आधार पर नहीं, बल्कि प्रत्येक नोड के आधार पर चुनें। वर्गीकरण, निष्कर्षण, सारांश, रूटिंग, जो ऑटोमेशन का मुख्य आधार हैं, Haiku पर Sonnet की सूची मूल्य के एक तिहाई और Opus के पांचवें हिस्से पर बेहतरीन तरीके से चलते हैं। Sonnet को एजेंट्स और मल्टी-स्टेप रीजनिंग के लिए, और Opus को उन दुर्लभ वर्कफ़्लो के लिए आरक्षित रखें जहाँ गलत उत्तर टोकन की लागत से अधिक महंगा पड़ता है। पांच Claude नोड्स वाले वर्कफ़्लो में मॉडलों का मिश्रण हो सकता है और होना भी चाहिए।

दो Claude nodes, और किसका उपयोग कहाँ करें

n8n में दो अलग-अलग Anthropic integrations आते हैं, और गलत का चुनाव करना शुरुआती लोगों के लिए सबसे आम भटकाव है।

Anthropic node एक सामान्य app node है: एक request अंदर, एक response बाहर। इसके Text resource में Message a Model operation है, साथ ही images और documents का विश्लेषण करने के लिए operations भी हैं। इसका उपयोग तब करें जब workflow logic n8n में हो, जैसे: trigger, Claude call, अगला node। नीचे दिए गए Workflow 1 और 2 में इसका या इसके chain equivalent का उपयोग होता है।

Anthropic Chat Model node एक sub-node है, एक छोटा attachment जो AI Agent या Basic LLM Chain जैसे root node को model प्रदान करता है। इसका अपना कोई trigger या output नहीं होता; यह model picker के साथ-साथ Maximum Number of Tokens और Sampling Temperature जैसे sampling options को expose करता है। n8n docs से एक चेतावनी जिसे याद रखना महत्वपूर्ण है: sub-nodes के अंदर expressions हमेशा पहले input item के आधार पर resolve होते हैं, न कि प्रत्येक item के आधार पर। इसलिए per-item expressions को sub-node के बजाय root node के prompt fields में रखें।

Workflow 1: webhook in, summary out

AI ऑटोमेशन का यह hello-world है: किसी भी URL पर POST किया गया डेटा summarize होकर Slack या आपके इनबॉक्स में पहुँच जाता है।

1. Webhook node, HTTP Method POST, path summarize. n8n आपको एक test URL और एक production URL देता है; production URL केवल तभी listen करता है जब workflow active हो।
2. Anthropic node, Message a Model, model claude-haiku-4-5, Max Tokens लगभग 300 रखें।
3. Slack node (या Send Email), response text को किसी channel पर post करें।

Prompt वह जगह है जहाँ n8n expressions और Claude का मिलन होता है। POST body $json.body के अंतर्गत आती है, इसलिए user message field कुछ इस तरह दिखता है:

Summarize the following feedback in three bullets, then one line:
verdict: praise | complaint | churn-risk. No preamble.

{{ $json.body.text }}

Role और format के निर्देश node के system prompt field में रखें, न कि user message में। System prompt स्थिर रहता है जबकि payload बदलता रहता है, जिससे व्यवहार स्थिर बना रहता है और छह महीने बाद भी prompt को पढ़ना आसान होता है। इसे स्वयं VPS से test करें:

curl -X POST https://n8n.example.com/webhook/summarize \
  -H 'Content-Type: application/json' \
  -d '{"text": "Third support ticket this month about slow disk IO..."}'

Haiku पर प्रति-run लागत: 1,200-token का payload और prompt लगभग $0.0012 का होता है, और 300 tokens का output $0.0015 का, यानी लगभग एक सेंट का चौथाई हिस्सा। महीने में एक हजार runs की लागत $3 से कम है। उसी node को Opus 4.8 पर point करने पर लागत लगभग पांच गुना हो जाती है। यही कारण है कि आपके द्वारा बनाए गए हर workflow में per-node model की आदत महत्वपूर्ण है।

Workflow 2: scheduled RSS को structured rows में बदलना

अब एक clock-based workflow का उपयोग करें जो structured output देता है: हर घंटे एक RSS feed पढ़ें, प्रत्येक item को classify करें और rows को sheet में append करें।

1. Schedule Trigger, हर घंटे के लिए।
2. RSS Read, feed URL के लिए। यह हर article के लिए एक item output करता है।
3. Basic LLM Chain, जिसमें claude-haiku-4-5 पर set एक Anthropic Chat Model sub-node और JSON schema वाला एक Structured Output Parser sub-node हो।
4. Google Sheets (या Postgres), प्रत्येक item के लिए एक row append करने हेतु।

Structured Output Parser ही वह घटक है जो "Claude, कृपया JSON return करें" जैसी उम्मीद को एक contract में बदल देता है: यह model के उत्तर को आपके schema के विरुद्ध validate करता है और गलत data लिखने के बजाय item को स्पष्ट रूप से fail कर देता है। एक schema इस प्रकार है:

{
  "type": "object",
  "properties": {
    "category": { "type": "string", "enum": ["release", "security", "tutorial", "other"] },
    "relevance": { "type": "number" },
    "one_line_summary": { "type": "string" }
  },
  "required": ["category", "relevance", "one_line_summary"]
}

और chain का prompt feed item को reference करता है:

Classify this article for a VPS hosting audience.

Title: {{ $json.title }}
Content: {{ $json.contentSnippet }}

यहाँ cost math का स्वरूप बदल जाता है: यह प्रति-run के बजाय प्रति-item होता है। प्रति घंटे पचास articles, दिन के चौबीस घंटे, का मतलब है महीने में 36,000 Claude calls। Haiku पर यह article की लंबाई के आधार पर लगभग $40–90 हो सकता है, और Opus पर इससे लगभग पाँच गुना अधिक। LLM node से पहले deduplicate करें (पहले देखे गए links के विरुद्ध एक साधारण IF, या n8n का Remove Duplicates node), जिससे यह संख्या काफी कम हो जाएगी, क्योंकि अधिकांश hourly polls में कुछ भी नया नहीं होता है। सबसे सस्ता token वह call है जिसे आप कभी करते ही नहीं हैं।

Workflow 3: एक AI Agent जो tools का उपयोग करता है

पहले दो workflows पाइपलाइन हैं, जिनमें कदम आप तय करते हैं। एक AI Agent नोड इसे उलट देता है: आप Claude को एक लक्ष्य और tools देते हैं, और वह तय करता है कि कौन से tools को, किस क्रम में, तब तक कॉल करना है जब तक काम पूरा न हो जाए। n8n में एक chat model सब-नोड और कम से कम एक tool सब-नोड जुड़ा होना आवश्यक है।

एक ठोस उदाहरण, एक ops assistant जो आपके मॉनिटरिंग सिस्टम से "क्या डाउन है और क्यों" का उत्तर देता है:

1. Chat Trigger (या webhook), जहाँ प्रश्न प्राप्त होता है।
2. AI Agent, जिसमें Anthropic Chat Model सब-नोड claude-sonnet-5 पर सेट है। एजेंट्स टूल कॉल्स की योजना बनाते हैं और उन्हें चेन करते हैं; Haiku सरल सिंगल-टूल एजेंट्स को चला सकता है, लेकिन जब tools की संख्या बढ़ती है तो Sonnet एक उचित विकल्प है।
3. HTTP Request नोड जिसे टूल के रूप में जोड़ा गया है, जो आपके Uptime Kuma status API या Zabbix एंडपॉइंट की ओर इशारा करता है। एक दूसरा HTTP टूल किसी भी अन्य REST API को हिट कर सकता है।

दो सेटिंग्स अधिकांश काम करती हैं। एजेंट का System Message कार्य को परिभाषित करता है: "आप एक ops assistant हैं। उत्तर देने से पहले वर्तमान मॉनिटर स्थिति की जाँच करने के लिए status टूल का उपयोग करें। केवल उन मॉनिटर्स की रिपोर्ट करें जो डाउन हैं, उनकी अवधि के साथ।" और प्रत्येक टूल का description मनुष्यों के लिए दस्तावेज़ीकरण नहीं है, बल्कि यह वह तरीका है जिससे Claude तय करता है कि उसे कब कॉल करना है। "सभी मॉनिटर की गई सेवाओं के लिए वर्तमान up/down स्थिति JSON के रूप में लौटाता है" को सही समय पर कॉल किया जाता है; "status API" को अनदेखा किया जाता है या गलत तरीके से उपयोग किया जाता है। जब आप HTTP Request नोड को टूल के रूप में जोड़ते हैं, तो इसके Optimize Response विकल्प को सक्षम करें और उन JSON फ़ील्ड्स का चयन करें जो महत्वपूर्ण हैं, अन्यथा हर विस्तृत API रिस्पॉन्स मॉडल के कॉन्टेक्स्ट में इनपुट टोकन के रूप में भर दिया जाएगा जिसके लिए आप भुगतान करते हैं।

एजेंट पर Max Iterations (डिफ़ॉल्ट 10 है) को उस न्यूनतम संख्या पर सेट करें जो काम करती है, यह "एजेंट ने 4 टूल कॉल्स के बाद हार मान ली" और एक दर्जन मॉडल राउंड-ट्रिप के लूप के बीच का अंतर है। और बिलिंग के स्वरूप को समझें: प्रत्येक इटरेशन अब तक की पूरी बातचीत, सिस्टम मैसेज, प्रश्न, और पिछले सभी टूल परिणामों को इनपुट टोकन के रूप में फिर से भेजता है। छह-इटरेशन वाला एजेंट रन आसानी से कुल 20,000 संचयी इनपुट टोकन और 2,000 आउटपुट टोकन तक पहुँच सकता है: Sonnet 5 की शुरुआती कीमत पर लगभग $0.06, मानक $3/$15 पर लगभग $0.09, जो एक साधारण summarization रन से बीस गुना अधिक है। यदि आप एक ही एजेंट पर कई tools जोड़ रहे हैं, तो वह बिंदु है जहाँ अपने VPS पर MCP servers चलाना एक बेहतर आर्किटेक्चर बन जाता है।

Cost guardrails, क्योंकि कोई निगरानी नहीं कर रहा है

एक unattended workflow को उन नियंत्रणों की आवश्यकता होती है जो कीबोर्ड पर बैठा व्यक्ति अनजाने में प्रदान करता है। चार परतें, सबसे सस्ती पहले।

प्रत्येक Claude node पर Max Tokens. यह एक hard output cap है। एक summarizer को 300, एक classifier को 100 की आवश्यकता होती है। यह ledger के महंगे पक्ष ($5–$25 प्रति मिलियन output tokens बनाम $1–$5 input के लिए) को सीमित करता है और एक runaway brake के रूप में भी काम करता है; एक prompt bug जो Claude को बड़बड़ाने पर मजबूर करता है, वह 8,000 के बजाय 300 tokens खर्च करेगा।

प्रति node Model. ऊपर बताया गया है; यह वर्तमान lineup में पांच से दस गुना तक का price lever है और इसे सेट करने में दस सेकंड लगते हैं।

Loops को सीमित करें. Agents पर Max Iterations। Workflow की settings में एक workflow timeout ताकि फंसा हुआ execution घूमने के बजाय समाप्त हो जाए। और प्रति-node Retry On Fail के साथ सावधान रहें: यह transient errors के लिए सही उपकरण है, लेकिन retries लागत को गुणा कर देते हैं, 5000 ms के Wait Between Tries के साथ Max Tries 3 का मतलब है कि एक persistent failure हार मानने से पहले प्रति item आपको तीन बार तक बिल भेजता है। कभी भी उस node के चारों ओर retry न लपेटें जो पहले ही महंगे तरीके से सफल हो चुका है।

Backstop के रूप में एक error workflow. Error Trigger node से शुरू होने वाला एक workflow बनाएं जो विफल workflow का नाम और error को Slack पर पोस्ट करे, फिर इसे प्रत्येक AI workflow की settings में Error Workflow के रूप में सेट करें। यह जिस failure mode को पकड़ता है वह बदसूरत है: एक schedule-triggered workflow जो हर हफ्ते, हर घंटे हर run पर error देता है, और मरने से पहले हर run tokens जलाता है। इसे Anthropic Console में मासिक spend limit के साथ जोड़ें और कुछ भी scheduled activate करने के बाद पहले कुछ दिनों तक Console का usage page देखें। यदि आप यह समझना चाहते हैं कि आपसे किस चीज़ के लिए बिल लिया जा रहा है, तो the token-usage guide इसका विश्लेषण करती है।

विफलता के प्रकार और दिखाई देने वाले संदेश

नोड तुरंत "Authorization failed - please check your credentials." के साथ विफल हो जाता है। API ने 401 लौटाया है। इसका मूल विवरण इस प्रकार है:

{"type": "error", "error": {"type": "authentication_error", "message": "invalid x-api-key"}}

यह गलत तरीके से पेस्ट की गई की (key), अधूरी की, अंत में अतिरिक्त स्पेस, या किसी ट्यूटोरियल के प्लेसहोल्डर के कारण हो सकता है। n8n क्रेडेंशियल को फिर से बनाएँ और दोबारा पेस्ट करें; यदि यह कल काम कर रहा था, तो जाँचें कि क्या Console में की को रद्द कर दिया गया है या क्या वॉल्यूम रिस्टोर करने से क्रेडेंशियल किसी अलग N8N_ENCRYPTION_KEY के साथ एन्क्रिप्ट हो गया है।

एक्जीक्यूशन 429 rate_limit_error के साथ अचानक विफल हो जाते हैं, जिसका संदेश कुछ इस तरह होता है: "Number of request tokens has exceeded your per-minute rate limit।" रेट लिमिट प्रति-मिनट के आधार पर होती है, और n8n के साथ एक साथ पचास वेबहुक या RSS एक्जीक्यूशन शुरू करना बहुत आसान है। इसे संरचनात्मक रूप से ठीक करें: समानांतर (parallel) के बजाय क्रमिक रूप से (Loop Over Items) आइटम प्रोसेस करें, और Retry On Fail को Max Tries 3 पर सेट करें, साथ ही Wait Between Tries को इसके अधिकतम 5000 ms पर रखें, क्योंकि n8n इस फील्ड को 5000 ms पर सीमित करता है। जब आपको लंबे बैकऑफ की आवश्यकता हो ताकि रिट्राय अगली मिनट विंडो में हो, तो एरर पाथ में एक Wait नोड लगाएँ या आइटम को एक-एक करके प्रोसेस करें। रिस्पॉन्स में एक retry-after हेडर होता है जो आपको बताता है कि ठीक कितनी देर प्रतीक्षा करनी है, n8n का फिक्स्ड वेट इसे पढ़ नहीं सकता, इसलिए लंबा पॉज़ खुद बनाएँ।

404 not_found_error आपके मॉडल का नाम गलत बता रहा है। बॉडी में टाइपो दिखाई देता है:

{"type": "error", "error": {"type": "not_found_error", "message": "model: claude-haiku-4.5"}}

हाइफ़न के बजाय डॉट (4.5 के स्थान पर 4-5), किसी पुराने ब्लॉग पोस्ट का डेट सफिक्स, या कोई रिटायर हो चुका मॉडल। वर्तमान सूची के अनुसार ID को ठीक करें, यह उन लोगों के साथ होता है जो ड्रॉपडाउन से चुनने के बजाय मॉडल फील्ड में एक्सप्रेशन के रूप में टाइप करते हैं।

Claude उस प्रश्न का उत्तर देता है जो आपने पूछा ही नहीं। कहीं कोई त्रुटि नहीं है, रन सफल (green) है। एक n8n एक्सप्रेशन जो किसी गायब फील्ड को रेफरेंस करता है, जैसे कि {{ $json.body.text }} जब पेलोड में message का उपयोग किया गया हो, तो वह आपके प्रॉम्प्ट में लिटरल स्ट्रिंग undefined डाल देता है, और Claude उस प्रॉम्प्ट का उत्तर देने का प्रयास करता है जिसका कोई अर्थ नहीं है। यदि रेफरेंस किया गया नोड बिल्कुल भी एक्जीक्यूट नहीं हुआ, तो आपको "Referenced node is unavailable" दिखाई देगा, लेकिन गायब फील्ड के मामले में कोई संदेश नहीं मिलता। एक्टिवेट करने से पहले, हमेशा वास्तविक डेटा के साथ एक बार रन करें और नोड के इनपुट पैनल में वास्तव में रेंडर हुए प्रॉम्प्ट को पढ़ें, एक्सप्रेशन एडिटर रिज़ॉल्व की गई वैल्यू का प्रीव्यू दिखाता है, और यदि आप ध्यान से देखें तो undefined वहीं होता है।

FAQ

Claude को n8n से कैसे कनेक्ट करें?

Anthropic Console में platform.claude.com पर जाकर एक API key बनाएँ। इसके बाद n8n में Anthropic प्रकार का credential जोड़ें और उस key को API Key फ़ील्ड में पेस्ट करें। प्रत्येक Claude node, Anthropic app node और Anthropic Chat Model sub-node, उसी संग्रहीत credential का उपयोग करता है। n8n इसे N8N_ENCRYPTION_KEY के साथ encrypt करता है, इसलिए उस key का बैकअप लें, अन्यथा volume के साथ आपके credentials खो जाएंगे।

एक AI workflow को चलाने में कितना खर्च आता है?

प्रति run tokens की संख्या का अनुमान लगाएँ, फिर उसे मॉडल की प्रति-मिलियन कीमत से गुणा करें। जुलाई 2026 तक, Haiku 4.5 की कीमत प्रति मिलियन input/output tokens के लिए $1/$5 है और Sonnet 5 की कीमत $3/$15 है (अगस्त 2026 तक शुरुआती कीमत $2/$10 है)। Haiku पर एक webhook summarization लगभग एक चौथाई सेंट में होता है; Sonnet पर कई tool calls वाला एक agent run $0.06–$0.10 के करीब पड़ता है क्योंकि हर iteration पूरी बातचीत को input के रूप में फिर से भेजता है। अनुमानों पर भरोसा करने के बजाय Console के usage page में run की जाँच करें।

n8n automations के लिए मुझे कौन सा Claude मॉडल इस्तेमाल करना चाहिए?

वर्गीकरण (classification), निष्कर्षण (extraction), सारांश (summarization) और रूटिंग (routing) के लिए Haiku 4.5 का उपयोग करें, जहाँ गति और कीमत अधिक महत्वपूर्ण हैं। AI Agent nodes और बहु-चरणीय तर्क (multi-step reasoning) के लिए Sonnet 5 का उपयोग करें। Opus 4.8 का उपयोग केवल तब करें जब गलत उत्तर की कीमत इतनी अधिक हो कि उसका $5/$25 का list price उचित लगे, जो Haiku से पाँच गुना और Sonnet से लगभग दोगुना है। मॉडल को प्रति workflow के बजाय प्रति node सेट करें, एक workflow में तीनों का मिश्रण हो सकता है।

मैं n8n workflow को Claude API पर अधिक खर्च करने से कैसे रोकूँ?

सुरक्षा उपाय (guardrails) लागू करें: हर Claude node पर कम Max Tokens रखें, agents पर Max Iterations सेट करें, एक workflow timeout लगाएँ और Retry On Fail सेटिंग्स को सीमित रखें ताकि विफलताएं token खर्च को न बढ़ाएं। इसके बाद एक Error Trigger workflow जोड़ें जो किसी भी AI workflow के विफल होने पर आपको Slack पर सूचित करे, और Anthropic Console में एक मासिक खर्च सीमा (monthly spend limit) सेट करें जो एक अंतिम सीमा (hard ceiling) के रूप में कार्य करे जिसे VPS पर कुछ भी पार न कर सके।

क्या AI Agent tool calls के लिए अतिरिक्त शुल्क लगता है?

कोई अलग tool शुल्क नहीं है, लेकिन tools मुफ्त नहीं हैं: हर tool का परिणाम input tokens के रूप में मॉडल को वापस भेजा जाता है, और प्रत्येक agent iteration अब तक की पूरी बातचीत को फिर से भेजता है। बिना फ़िल्टर किया गया API response आपके वास्तविक prompt से कहीं अधिक बड़ा हो सकता है, इसलिए HTTP Request tools पर Optimize Response को सक्षम करें और केवल वही फ़ील्ड लौटाएं जिनकी agent को आवश्यकता है।