VPS वर Claude सह AI agent कसा तयार करावा

Claude सह agent तयार करण्याचा अर्थ

Claude सह agent तयार करण्याचा अर्थ असा की Claude चा वापर reasoning core म्हणून करणे, तर loop, tools आणि data आपल्या स्वतःच्या server वर ठेवणे. काय करायचे हे Claude ठरवतो; ते प्रत्यक्षात आपल्या VPS वर केले जाते. आपण Claude कडे task आणि सध्याची state पाठवता. Claude उत्तर किंवा आपल्या एखाद्या tool चा वापर करण्याची विनंती पाठवतो. आपला code तो tool चालवतो आणि त्याचा result परत पाठवतो. काम पूर्ण होईपर्यंत हा loop सुरू राहतो. Intelligence ही internet वरून call केलेली service असते. त्याभोवतीची सर्व रचना आपली असते.

ही विभागणीच या पद्धतीचे मुख्य आकर्षण आहे. Model चालवण्याची जबाबदारी न घेता आपल्याला frontier-level reasoning मिळते. तसेच agent कोणत्या गोष्टींना access करू शकतो यावर आपले पूर्ण नियंत्रण राहते, कारण tools आपल्या मालकीच्या hardware वर चालतात. आपण आधीच पहिला Claude program तयार केला असल्यास, VPS वर पहिल्या Claude app साठीचे मार्गदर्शक या लेखात या मार्गदर्शकासाठी आवश्यक असलेली पायाभूत माहिती दिली आहे.

Claude चे केंद्र: Messages API

Claude ला केलेला प्रत्येक call एकाच endpoint मधून जातो: Messages API. तुम्ही आतापर्यंतचा conversation आणि agent वापरू शकणाऱ्या tools ची यादी पाठवता; Claude त्याचा पुढील message परत पाठवतो. हा message एकतर final answer असतो किंवा एखादे tool call करण्याची विनंती असते. स्वतः build करण्याच्या पद्धतीत स्वतंत्र "agent API" नसतो: tool use हे या एकाच endpoint चे feature आहे आणि त्याभोवतीचा loop तुम्हालाच चालवावा लागतो.

Calls दरम्यान Claude stateless असतो. याचा अर्थ तो स्वतःहून काहीही लक्षात ठेवत नाही. प्रत्येक request मध्ये संपूर्ण conversation पाठवावा लागतो. तुमचा code history ठेवतो आणि प्रत्येक turn ला तो पाठवतो. म्हणूनच मोठ्या session मध्ये प्रत्येक पुढील turn साठी मागील turn पेक्षा अधिक tokens खर्च होतात. ही मर्यादा नसून एक design choice आहे. State तुमच्या server वर असल्यामुळे Claude ला नेमके काय दिसेल हे तुम्ही ठरवता आणि task विषयीची कोणतीही माहिती तुमच्या नियंत्रणाबाहेरील ठिकाणी store होत नाही. मात्र prompt सतत वाढत राहतो. Claude ची context window हे सहज हाताळते, पण त्याच loop मधील local model तसे करू शकत नाही. म्हणूनच लांब prompts truncate होणे थांबवण्यासाठी Ollama मध्ये num_ctx वाढवावे लागते.

Tool वापरणे म्हणजे agent loop

Claude सोबतचा agent loop समजावून सांगणे सोपे आहे. तुम्ही तुमची tools समाविष्ट असलेली request पाठवता. Claude task वाचतो आणि त्याला कृती करायची असल्यास, एखाद्या tool चे नाव आणि त्याचे inputs देणारी tool-use request पाठवतो. तुमचा code ते tool चालवतो. त्यानंतर पुढील request मध्ये तुम्ही त्याचा result Claude कडे पाठवता. Claude result वाचतो आणि आणखी एखादे tool वापरण्यास सांगतो किंवा अंतिम उत्तर लिहितो. तो tools साठी request करणे थांबवतो तेव्हा task पूर्ण होते.

हा loop तुम्ही काही ओळींमध्ये manually लिहू शकता. अनेक जण तसे करतात, कारण तो समजणे आणि नियंत्रित करणे सोपे असते. अधिकृत SDKs तुमच्यासाठी हा loop चालवणारा tool runner देखील देतात. तुम्ही tool functions देता आणि Claude ला call करणे, तुमची tools चालवणे आणि results परत पाठवणे ही back-and-forth प्रक्रिया Claude पूर्ण होईपर्यंत SDK हाताळतो. दोन्ही पद्धतींमध्ये मूलभूत रचना समान असते. runner मुळे loop स्वतः लिहिण्याची आवश्यकता राहत नाही. हा loop अजूनही abstract वाटत असल्यास, runner वापरण्यापूर्वी एक minimal loop लिहा. सुरुवातीपासून AI agents शिकण्यासाठीच्या या टप्प्याटप्प्याच्या मार्गातील पुढील सर्व गोष्टी याच पायरीवर आधारित आहेत.

बांधणीचे तीन मार्ग आणि VPS साठी योग्य पर्याय

Claude agent तयार करण्याचे तीन मार्ग आहेत. तुम्ही किती यंत्रणा स्वतः चालवता यानुसार त्यांच्यात फरक पडतो.

पहिल्या मार्गात तुमचा स्वतःचा code, तुमची स्वतःची tools वापरून Claude API ला call करतो. तुम्ही loop स्वतः लिहिता किंवा SDK चा tool runner वापरता. संपूर्ण प्रणाली तुमच्या VPS वर host करता. हा सर्वसाधारण पर्याय आहे, कारण tools, data आणि security यांवर तुम्हाला पूर्ण नियंत्रण मिळते. तसेच तो तुमच्या server वर सामान्य program म्हणून चालतो. या मार्गावर या मार्गदर्शकातील बहुतांश भाग आधारित आहे.

दुसरा पर्याय Claude Agent SDK आहे. Claude Code हा coding agent library म्हणून उपलब्ध करून दिलेला आहे, ज्यावर तुम्ही स्वतःची बांधणी करू शकता. यात संपूर्ण agent loop आणि files वाचणे-लिहिणे, shell commands चालवणे आणि search करणे यांसाठी built-in tools समाविष्ट आहेत. त्यामुळे ही साधने तुम्हाला सुरुवातीपासून स्वतः तयार करावी लागत नाहीत. हा तुमच्या स्वतःच्या server वरच चालतो. त्यामुळे स्वतःचा harness तयार न करता सक्षम file-and-shell agent हवा असल्यास तो VPS साठी योग्य पर्याय ठरतो. files वाचणाऱ्या आणि shell commands चालवणाऱ्या agent ला unattended पद्धतीने चालवण्यापूर्वी containment आवश्यक असते. server वर Claude Code सुरक्षितपणे चालवणे या भागात permission system, sandbox आणि isolation पर्याय स्पष्ट केले आहेत.

तिसरा पर्याय Managed Agents आहे. यात Anthropic loop चालवते आणि agent ची tools ज्या sandbox मध्ये execute होतात तो sandbox host करते. हा hands-off पर्याय आहे. तुम्हाला व्यवस्थापित कराव्या लागणाऱ्या गोष्टी लक्षणीयरीत्या कमी असतात. मात्र agent चे workspace तुमच्या VPS ऐवजी Anthropic च्या infrastructure वर असते. तुम्हाला सर्वात कमी operational work हवे असेल आणि tools तुमच्या स्वतःच्या machine वर चालवण्याची आवश्यकता नसेल, तेव्हा हा पर्याय निवडा. इतर दोन पर्यायांमध्ये तुमचा server हे agent चे home असते. या मार्गदर्शकाचा उर्वरित भाग याच विषयावर आहे.

साधने MCP शी जोडणे

तुम्ही कोणताही मार्ग निवडला तरी agent ला वास्तविक प्रणालींशी जोडावे लागेल. हे करण्यासाठी Model Context Protocol ही सुटसुटीत पद्धत आहे. MCP हे agent साठी साधने आणि डेटा उपलब्ध करून देणारे खुले मानक आहे. प्रत्येक सेवेसाठी स्वतंत्र integration हाताने लिहिण्याऐवजी, ही क्षमता tools म्हणून आधीच उपलब्ध करून देणाऱ्या MCP server कडे Claude ला निर्देशित करा. MCP servers तुम्ही त्यांना आवश्यक तेवढ्याच प्रवेशासह, त्याच VPS वर लहान services म्हणून चालवू शकता. VPS वर MCP servers चालवणे मध्ये याचे वर्णन केले आहे.

मॉडेल निवडणे

Claude अनेक मॉडेलमध्ये उपलब्ध आहे. त्यापैकी निवड करताना क्षमता, वेग आणि खर्च यांच्यात तडजोड करावी लागते. हे लिहिताना मुख्य पर्याय Claude Opus 4.8 (claude-opus-4-8), कठीण reasoning आणि दीर्घ agent runs साठी सक्षम default; Claude Sonnet 5 (claude-sonnet-5), Opusच्या अनेक कामांमधील गुणवत्तेच्या जवळ राहून कमी खर्चिक आणि जलद असलेला संतुलित पर्याय; आणि Claude Haiku 4.5 (claude-haiku-4-5), सोप्या, मोठ्या प्रमाणातील टप्प्यांसाठी सर्वात जलद आणि कमी खर्चिक पर्याय, हे आहेत. यांच्यापेक्षा वर Claude Fable 5 (claude-fable-5) आहे. हे सर्वाधिक सक्षम मॉडेल असून अत्यंत आव्हानात्मक कामांसाठी वापरावे. तुमच्या code मध्ये अचूक model identifier वापरा. त्याला कोणतीही date जोडू नका.

यासाठी एक व्यावहारिक पद्धत म्हणजे ही मॉडेल एकत्र वापरणे. नियमित tool calls स्वस्त मॉडेलकडे सोपवा आणि कठीण निर्णय अधिक सक्षम मॉडेलकडे सोपवा. तुमच्या request मध्ये मॉडेल केवळ string असल्यामुळे switching साठी एका ओळीतील बदल पुरतो. त्यामुळे सक्षम default पासून सुरुवात करा आणि जिथे अंतिम गुणवत्तेपेक्षा वेग किंवा खर्च अधिक महत्त्वाचा असेल, तिथे कमी क्षमतेच्या मॉडेलकडे बदला.

तुमच्या VPS वर hardened service म्हणून ते चालवा

एखादा agent चालू राहिला तरच तो उपयोगी ठरतो आणि तो isolated राहिला तरच सुरक्षित असतो. VPS वर हे दोन्ही साध्य करण्यासाठी agent टर्मिनलमध्ये manually सुरू केलेल्या program ऐवजी hardened system service म्हणून चालवा. Service म्हणून तो boot वेळी सुरू होतो, crash झाल्यास पुन्हा सुरू होतो आणि journal मध्ये logs लिहितो. Hardened configuration मध्ये तो unprivileged user म्हणून, आवश्यक तेवढ्याच access सह चालतो. त्यामुळे bug किंवा चुकीच्या instruction मुळे होणाऱ्या परिणामांची मर्यादा राहते. Service unit मुळे process ला कोणत्या गोष्टींना access देता येईल यावरच मर्यादा घालता येते. उर्वरित नियंत्रण agent harness मध्येच असावे. वेगळ्या stack वरील स्थापित करण्यासारखे DeepSeek Harness plugins spend caps, प्रत्येक tool साठी permission rules आणि prompt-injection scanning यांसारखी कामे करतात.

सर्वात महत्त्वाचा नियम म्हणजे तुमचा Claude API key server-side ठेवा. हा key प्रत्येक call साठी पैसे आकारण्यास आणि authorization देण्यासाठी वापरला जातो. त्यामुळे तो फक्त agent user ला वाचता येईल अशा file मध्ये ठेवा आणि service मध्ये environment variable म्हणून load करा. तो code, repository किंवा browser ला पोहोचू शकेल अशा कोणत्याही ठिकाणी ठेवू नका. तुमच्या agent साठी पूर्ण hardened service unit येथे generate करा:

त्यानंतर server स्वतः harden करा. SSH साठी फक्त keys वापरा आणि तुम्ही administration करता त्या account वर access कडक करा, जसे VPS वरील SSH hardening मध्ये दाखवले आहे. Agent तयार करताना interactive session मधून त्याचे नियंत्रण करायचे असल्यास, tmux सह VPS वर Claude Code चालवणे उपयुक्त ठरेल. त्याच box वर दुसरे session सुरू केल्यानंतर ही दोन्ही sessions एकमेकांमध्ये काम पाठवू शकतात. त्यामुळे प्रत्येक instruction एका pane मधून दुसऱ्या pane मध्ये तुम्हाला स्वतः नेण्याची गरज राहत नाही. या सर्व संकल्पना एखाद्या विशिष्ट model शी न जोडता समजून घ्यायच्या असल्यास, VPS वर स्वतःचा AI agent तयार करणे या sister guide मध्ये मूलभूत तत्त्वे स्पष्ट केली आहेत.

तुम्हाला terminal coding assistant हवा असल्यास, VPS वर coding AI agent चालवणे या मार्गदर्शकात Aider आणि Goose यांची माहिती आहे.

FAQ

एजंट तयार करण्यासाठी मी कोणते Claude मॉडेल वापरावे?

Claude Opus 4.8 (claude-opus-4-8) पासून सुरुवात करा. हे सक्षम default मॉडेल आहे. त्यानुसार पुढे समायोजन करा. बहुतेक कामांसाठी Claude Sonnet 5 (claude-sonnet-5) स्वस्त आणि जलद आहे. सोप्या आणि मोठ्या प्रमाणातील टप्प्यांसाठी Claude Haiku 4.5 (claude-haiku-4-5) सर्वात योग्य आहे. सर्वात कठीण कामांसाठी Claude Fable 5 (claude-fable-5) सर्वाधिक सक्षम आहे. नियमित टप्प्यांसाठी स्वस्त मॉडेल आणि कठीण निर्णयांसाठी अधिक सक्षम मॉडेल वापरणे ही सामान्य पद्धत आहे. मॉडेल बदलण्यासाठी एका ओळीतील बदल पुरेसा असतो.

संपूर्ण एजंट मी माझ्या VPS वर चालवायचा का, की Anthropic तो चालवते?

हे वापरलेल्या पद्धतीवर अवलंबून आहे. तुम्ही Claude API विरुद्ध स्वतःचे loop लिहिल्यास किंवा Claude Agent SDK वापरल्यास, एजंट पूर्णपणे तुमच्या VPS वर चालतो आणि फक्त model calls Anthropic कडे पाठवले जातात. तुम्ही Managed Agents वापरल्यास, Anthropic loop चालवते आणि tools execute होणारा sandbox host करते. त्यामुळे तुमच्या सर्व्हरवर कमी घटक चालतात. एजंट तुमच्या स्वतःच्या मशीनवर चालवायचा असल्यास, पहिल्या दोनपैकी एक पर्याय वापरा.

Claude API आणि Claude Agent SDK मधील फरक काय आहे?

Claude API हा raw Messages endpoint आहे. तुम्ही conversation आणि tools पाठवता आणि त्याभोवती agent loop स्वतः लिहिता, किंवा तो चालवण्यासाठी SDK चे tool runner वापरता. Claude Agent SDK ही higher-level library आहे. ती Claude Code वर आधारित असून building साठी package केलेली आहे. त्यात संपूर्ण loop तसेच अंगभूत file, shell आणि search tools असतात. सर्व काही स्वतः define करायचे असल्यास API वापरा. Agent harness स्वतः तयार न करता सक्षम एजंट हवा असल्यास Agent SDK वापरा.

माझी Claude API key सर्व्हरवर सुरक्षित कशी ठेवावी?

ती server-side ठेवा आणि code पासून वेगळी ठेवा. Agent ज्या account अंतर्गत चालतो, फक्त त्या account ला वाचता येईल अशा file मध्ये key साठवा. ती service मध्ये environment variable म्हणून load करा. ती repository मध्ये commit करू नका किंवा browser ला उपलब्ध करून देऊ नका. Claude कडे जाणारी प्रत्येक request तुमच्या सर्व्हरवरून जाते. त्यामुळे key वापरकर्त्याच्या device पर्यंत पोहोचण्याची गरज नसते. म्हणून client app मध्ये embedded केलेल्या agent पेक्षा server-run agent सुरक्षित करणे सोपे असते.

Claude वापरून एजंट तयार करण्यासाठी मला model self-host करावे लागेल का?

नाही. Claude मध्ये model ही API द्वारे call केली जाणारी hosted service आहे. त्यामुळे GPU वर काहीही चालवण्याची गरज नसते. तुमचा VPS agent loop, tools आणि data चालवतो. Reasoning Anthropic च्या बाजूला होते. त्यामुळे तुलनेने साधा सर्व्हर सक्षम एजंट चालवू शकतो. त्याऐवजी पूर्णपणे local model हवा असल्यास, तुमचा स्वतःचा AI agent तयार करण्याबाबतच्या companion guide मध्ये दिलेला self-hosted मार्ग वापरा.