SSD Nodes Learn Hosting plans →
मार्गदर्शक Matt Connorद्वारे Matt Connor

Claude Code साठी Bedrock किंवा Vertex AI कसे वापरावे

Amazon Bedrock किंवा Google Vertex AI वर Claude Code चालवण्यासाठी environment variables, credentials कुठून मिळतात, बिल कोण भरते आणि कोणती वैशिष्ट्ये गमावता ते जाणून घ्या.

जेव्हा Claude Code तुमच्या स्वतःच्या क्लाउड अकाउंटवर चालते तेव्हा काय बदल होते

तुम्ही Claude Code ला Amazon Bedrock किंवा Google Vertex AI वर चालवू शकता. यासाठी फक्त दोन किंवा तीन environment variables आणि तुमच्या टीमकडे आधीपासून असलेली क्लाउड credentials बदलण्याची गरज असते. स्थानिक पातळीवर सर्व काही पूर्वीप्रमाणेच काम करते: CLI, subagents, hooks, skills, MCP servers आणि तुमच्या CLAUDE.md फाइल्स. फक्त model call ची जागा बदलते आणि त्यासोबत चार गोष्टी बदलतात: विनंती ज्या नेटवर्कवरून जाते ते नेटवर्क, ज्या अकाउंटमधून त्याचे पैसे दिले जातात ते अकाउंट, तुम्हाला वापरण्याची परवानगी असलेले Claude मॉडेल्स आणि उपलब्ध असलेली सर्व्हर-साइड वैशिष्ट्ये.

हे काम करेल का, हा प्रश्न क्वचितच असतो. ते काम करतेच. प्रश्न हा आहे की, या चार गोष्टींपैकी तुम्हाला सर्वात जास्त कशाची काळजी आहे.

तीन routing पद्धती आणि प्रत्येकासाठी होणारा खर्च

Subscription सह Anthropic direct. तुम्ही Pro, Max, Team किंवा Enterprise plan वरील claude.ai account ने sign in करता. Requests Anthropic's API कडे जातात. Pro, Max आणि Team मध्ये तुम्ही per seat पैसे देता. Usage चे मोजमाप per token पद्धतीने न होता plan च्या limits नुसार केले जाते. सध्याच्या Enterprise plans याला अपवाद आहेत. Seat fee मध्ये usage समाविष्ट नसतो. प्रत्येक token साठी standard API rates नुसार अतिरिक्त billing होते. जुने seat-based Enterprise contracts renewal वेळी या model मध्ये हलवले जातात. Account वर आधारित surfaces, जसे Claude Code on the web, mobile app आणि Remote Control, यांच्यापर्यंत पोहोचणारी ही एकमेव routing आहे. Team साठी Team plan मध्ये single sign-on आणि संपूर्ण संस्थेसाठी Claude Code configuration व्यवस्थापित करण्याची server-managed settings आधीच समाविष्ट आहेत. त्यावर Claude Enterprise plan audit logs, SCIM, custom data retention controls आणि Compliance API जोडतो.

API key सह Anthropic direct. Anthropic Console मध्ये key तयार करून per token पैसे देता. Subscription प्रमाणेच infrastructure आणि regions वापरले जातात. Seat fee नसतो. Usage Anthropic च्या स्वतःच्या dashboard मध्ये दिसतो. यापैकी कोणता पर्याय स्वस्त आहे हे agent प्रत्यक्षात दररोज किती तास चालतो यावर अवलंबून असते. हाच API आणि subscription मधील खर्चाची तुलना आणि Claude Code चा प्रत्यक्ष खर्च यांचा मुख्य विषय आहे.

Bedrock किंवा Vertex वरील third-party endpoint. तुमचे स्वतःचे AWS किंवा Google Cloud account model पुरवते. Inference च्या वेळी Anthropic request path मध्ये नसतो. Tokens तुम्हाला आधीच मिळणाऱ्या bill मध्ये जमा होतात. त्यावर तुम्ही आधीपासून वापरत असलेल्या IAM (identity and access management) policies आणि audit logs लागू असतात. आणखी दोन third-party पर्याय आहेत: Microsoft Foundry आणि Claude Platform on AWS. त्यांची रचना याच प्रकारची आहे: एक environment variable provider निवडतो आणि cloud account कडून payment होते.

Naming note, October 2026 नुसार: Google ने Vertex AI चे नाव बदलून Google Cloud's Agent Platform केले. Anthropic च्या documentation मध्ये नवीन नाव वापरले आहे. Claude Code login prompt मध्ये अजूनही Google Vertex AI असेच दिसते. Environment variables मध्ये अजूनही VERTEX असेच आहे.

डेटा रेसिडेन्सी हे टीम्स असे का करतात यामागील खरे कारण आहे

Bedrock वर विनंती तुम्ही निवडलेल्या AWS region मधील, तुमच्या स्वतःच्या account अंतर्गत असलेल्या Bedrock endpoint कडे जाते. Rest डेटा AWS-managed keys अंतर्गत AES-256 ने encrypted असतो. AWS KMS (key management service) द्वारे तुम्ही स्वतःची key देऊ शकता. Vertex वर यासमान व्यवस्था Google-managed encryption keys वापरते आणि CMEK (customer-managed encryption keys) उपलब्ध असतात. Access चे नियंत्रण तुम्ही आधीपासून वापरत असलेल्या IAM roles द्वारे केले जाते. तसेच इतर कोणत्याही API call प्रमाणे या calls ची नोंद CloudTrail किंवा Cloud Audit Logs मध्ये दिसते. Regulated टीमसाठी हा संपूर्ण आधार आहे आणि तो योग्य आहे.

Marketing मध्ये सांगितले जाते तितकी ही हमी पूर्णपणे निश्चित नसण्यामागे दोन बाबी आहेत.

us. हा cross-region inference profile एकाच region पुरता मर्यादित नसतो. Bedrock वर Claude Code त्याच्या अंगभूत default models चे निराकरण cross-region inference profile IDs मध्ये करतो. तो पसंत करणारा prefix त्याने निराकरण केलेल्या region वर अवलंबून असतो: us. हा us-* region मध्ये, eu. हा eu-* region मध्ये, apac. हा ap-* region मध्ये आणि us-gov. हा GovCloud मध्ये. Cross-region profile त्याच geography मधील दुसऱ्या region मधून विनंती पूर्ण करू शकतो. त्यामुळे मिळणारी हमी एखाद्या शहराची नसून एका geography ची असते. तुमच्या आवश्यकतेत एकच region नमूद केला असेल, तर तुमच्या नियंत्रणातील application inference profile द्वारे routing करा आणि ANTHROPIC_MODEL त्याच्या ARN वर सेट करा.

काही traffic अजूनही Anthropic पर्यंत पोहोचतो; मात्र त्यापैकी काहीही तुमचा code नसतो. Bedrock आणि Vertex दोन्हींवर telemetry, error reporting आणि /feedback command default ने बंद असतात. /feedback काहीही upload करण्याऐवजी तुमच्या स्वतःच्या machine वरील ~/.claude/feedback-bundles/ अंतर्गत archive लिहिते. प्रत्येक provider वर दोन अपवाद लागू होतात. URL fetch करण्यापूर्वी WebFetch tool hostname आणि फक्त hostname api.anthropic.com कडे पाठवते, जेणेकरून safety blocklist तपासता येईल. Session quality surveys देखील अजून दिसतात. तुमच्या settings file मध्ये skipWebFetchPreflight वापरून पहिला पर्याय बंद करा आणि CLAUDE_CODE_DISABLE_FEEDBACK_SURVEY=1 वापरून दुसरा बंद करा. CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC सेट केल्यास surveys तसेच इतर non-essential traffic देखील थांबतो. मात्र यामुळे WebFetch check वर परिणाम होत नाही; त्यासाठी स्वतंत्र opt-out आहे.

Training संदर्भात: commercial terms अंतर्गत Claude Code द्वारे पाठवलेल्या code किंवा prompts वर Anthropic models train करत नाही. Third-party platform usage commercial असतो. Development Partner Program हा training ला परवानगी देणारा opt-in आहे; तो Bedrock किंवा Vertex users साठी उपलब्धच नाही. या endpoints वरील zero data retention हा AWS किंवा Google सोबतच्या तुमच्या agreement मधील विषय आहे.

Amazon Bedrock वर Claude Code निर्देशित करा

कोणतीही client configuration करण्यापूर्वी प्रत्येक AWS account साठी दोन गोष्टी एकदा कराव्या लागतात. Amazon Bedrock console उघडा, model catalog मधून Anthropic model निवडा आणि use case form सादर करा: form सादर केल्यानंतर access त्वरित मिळतो. त्यानंतर Claude Code करत असलेल्या calls ला परवानगी देणारी IAM policy जोडा.

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

ListInferenceProfiles मुळे Claude Code startup वेळी तुमचे account प्रत्यक्षात कोणते models invoke करू शकते हे तपासू शकते. GetInferenceProfile मुळे application inference profile ARN मागे असलेला foundation model शोधता येतो, त्यामुळे योग्य request shape निवडता येतो. GetInferenceProfile नसले तरी requests यशस्वी होतात, कारण Claude Code दुसऱ्या shape सह एकदा पुन्हा प्रयत्न करते. याचे लक्षण म्हणजे प्रत्येक नवीन model साठी एक अतिरिक्त round trip; error येत नाही. Anthropic प्रकाशित करत असलेल्या policy मध्ये Bedrock मार्फत call केल्यावर aws-marketplace:ViewSubscriptions आणि aws-marketplace:Subscribe यांनाही परवानगी असते. त्यामुळे model subscription ची पायरी समाविष्ट होते.

Client साठी सर्वात जलद मार्ग म्हणजे wizard. claude चालवा, 3rd-party platform आणि त्यानंतर Amazon Bedrock निवडा; किंवा आधीच signed in असलेल्या session मध्ये /setup-bedrock टाइप करा. हे तुमच्या ~/.aws directory मधील profiles वाचते, तुम्ही कोणते models invoke करू शकता हे पडताळते आणि परिणाम ~/.claude/settings.json मधील env block मध्ये लिहिते. त्यामुळे कोणतीही गोष्ट तुमच्या shell profile वर अवलंबून राहत नाही.

Scripted rollout साठी variables स्वतः सेट करा.

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

Credentials standard AWS SDK credential chain मधून मिळतात. त्यामुळे aws CLI साठी आधीपासून जे कार्यरत आहे ते येथेही कार्य करते: aws configure, SSO profile, assumed role किंवा Bedrock API key.

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

Bearer token हा सर्वात सोपा पर्याय आहे. मात्र तो environment variable मध्ये असलेला secret असल्यामुळे तो काळजीपूर्वक हाताळा. AWS 12 hours पर्यंत टिकणाऱ्या short-term keys आणि तुम्ही ठरवलेल्या date पर्यंत टिकणाऱ्या long-term keys जारी करते. AWS exploration साठीच long-term प्रकाराची शिफारस करते. Shared build box वर expiration असलेली role वापरा. Agent वाचू शकणाऱ्या इतर प्रत्येक credential साठीही हेच कारण लागू होते. याच विषयावर AI agent च्या आवाक्याबाहेर secrets ठेवणे येथे चर्चा केली आहे.

Region ची अडचण. Claude Code region या क्रमाने शोधते: AWS_REGION, त्यानंतर AWS_DEFAULT_REGION, मग तुमच्या active AWS profile मधील region आणि शेवटी us-east-1. शेवटची पायरी default आहे; error नाही. त्यामुळे एखाद्या team ने कुठेही region सेट केला नसेल आणि European routing गृहीत धरले असेल, तर कोणताही warning न छापता requests US region कडे पाठवल्या जातात. Resolved region आणि तो कोणत्या स्रोताकडून मिळाला हे पाहण्यासाठी Claude Code मध्ये /status चालवा. एखाद्या region मध्ये तुमचे account कोणते calls करू शकते हे निश्चित करण्यासाठी aws bedrock list-inference-profiles --region your-region चालवा.

Google Vertex AI वर Claude Code चालवा

API सक्षम करा आणि credentials मिळवा.

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

Model Garden मध्ये तुम्हाला हवे असलेल्या Claude models साठी access मागा. Approval त्वरित मिळत नाही; त्यामुळे 24 ते 48 hours द्या. roles/aiplatform.user grant करा. त्यामध्ये model invocation आणि token counting या दोन्हीसाठी वापरली जाणारी aiplatform.endpoints.predict permission असते.

त्यानंतर provider निवडा.

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

CLOUD_ML_REGION मध्ये global, eu किंवा us सारखी multi-region location किंवा single region स्वीकारली जाते. Global endpoint मुळे availability सर्वोत्तम मिळते; मात्र request कुठे serve केली जाते यावरील नियंत्रण सर्वात कमी असते. त्यामुळे residency requirement असल्यास सहसा एखादी location निर्दिष्ट करावी लागते. या तीन प्रकारांनुसार model coverage वेगवेगळी असते. तुम्हाला आवश्यक असलेले एखादे model global endpoint वर उपलब्ध नसल्यास, फक्त त्या model साठी त्याच्या VERTEX_REGION_CLAUDE_* variable द्वारे location निश्चित करा आणि इतर सर्व गोष्टी global ठेवा. कालबाह्य होणाऱ्या यादीवर अवलंबून न राहता सध्याचे Vertex AI locations पृष्ठ तपासा.

Project मधील सापळा. ANTHROPIC_VERTEX_PROJECT_ID requests कुठे जातील हे ठरवते. GCLOUD_PROJECT, GOOGLE_CLOUD_PROJECT किंवा GOOGLE_APPLICATION_CREDENTIALS ने दर्शविलेल्या credential file मध्ये वेगळे project असले, तरी Claude Code requests त्याच project कडे पाठवतो. gcloud एका project कडे निर्देश करत असेल आणि उरलेले ANTHROPIC_VERTEX_PROJECT_ID दुसऱ्या project चे नाव देत असेल, तर charges दुसऱ्या project वर लागतात. Session मध्ये याबाबत कोणतीही सूचना दिसत नाही.

Provider बदलल्यानंतर प्रत्येक वेळी पडताळणी करा. /status चालवा: API provider line मध्ये Google Vertex AI वाचले जाते आणि GCP project, Default region व Model lines Claude Code ने प्रत्यक्षात कोणती values resolve केली ते दाखवतात. Provider line दिसत नसेल, तर variables process पर्यंत पोहोचत नाहीत. कारण त्या claude सुरू करणाऱ्या shell पेक्षा वेगळ्या shell मध्ये exported केल्या होत्या. त्या settings file मधील env block मध्ये ठेवा. अशा प्रकारे AWS_PROFILE सारखी value तुम्ही सुरू करत असलेल्या इतर प्रत्येक process पासूनही वेगळी ठेवता येते.

तुम्हाला कोणते मॉडेल्स मिळतात आणि ते किती उशिरा उपलब्ध होतात

sonnet आणि opus सारखे aliases म्हणजे सर्वात नवीन मॉडेल्स असा अर्थ होत नाही. थर्ड-पार्टी एंडपॉइंटवर ते त्या प्रोव्हायडरसाठी Claude Code च्या डीफॉल्ट सेटिंगवर रिझॉल्व्ह होतात, जे सध्याच्या रिलीजपेक्षा मागे असू शकतात किंवा तुमच्या अकाउंटमध्ये कदाचित इनेबल नसतील. जेव्हा डीफॉल्ट मॉडेल उपलब्ध नसते, तेव्हा Claude Code त्या सेशनसाठी जुन्या किंवा खालच्या श्रेणीतील मॉडेलवर स्विच होते आणि तशी सूचना देते. हा फॉलबॅक सेव्ह केला जात नाही, त्यामुळे पुढच्या सेशनमध्ये पुन्हा प्रयत्न केला जातो आणि पुन्हा सूचना दिली जाते.

टीममध्ये रोलआउट करण्यासाठी, व्हर्जन्स पिन करा.

# 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>'

models overview मधून आणि तुमच्या प्रोव्हायडरच्या कॅटलॉगमधून IDs घ्या, कारण प्रोव्हायडरनुसार फॉरमॅट बदलतो: Bedrock ला inference profile ID किंवा ARN ची अपेक्षा असते, तर Vertex ला साध्या मॉडेल नावाच्या फॉरमॅटची. हे IDs कोणत्याही लेखातून कॉपी करू नका, यात समाविष्ट असलेल्या लेखातूनही नाही. पिनिंग हे खर्चावर नियंत्रण ठेवण्याचेही एक साधन आहे, कारण डीफॉल्ट प्रायमरी मॉडेल हे Opus-श्रेणीतील असते आणि Sonnet च्या तुलनेत Opus चा प्रति टोकन खर्च जास्त असतो. त्यामुळे, काहीही पिन न केलेले डिप्लॉयमेंट जास्त दराने बिल केले जाते. त्याऐवजी, सेशन डीफॉल्ट म्हणून एक मॉडेल निश्चित करण्यासाठी, ANTHROPIC_MODEL ला त्याच्या पूर्ण ID वर सेट करा.

या तुलनेत मॉडेलची उपलब्धता हा सर्वात महत्त्वाचा फरक आहे. Anthropic च्या स्वतःच्या API वर मॉडेल लाँच झाल्याच्या दिवशीच काम करते. Bedrock आणि Vertex वर ते तेव्हाच काम करते जेव्हा तुमचा क्लाउड प्रोव्हायडर ते तुमच्या रिजनमध्ये इनेबल करतो आणि तुमच्या अकाउंटला प्रवेश मिळतो; यासाठी किमान काही दिवस किंवा कधीकधी त्यापेक्षा जास्त वेळ लागतो. जर काही काम सर्वात नवीन मॉडेलवरच करणे आवश्यक असेल, तर एक राउटिंग असे ठेवा जे तिथे पोहोचू शकेल. वेगवेगळ्या कामांसाठी वेगवेगळे मॉडेल्स राउट करणे यासाठी हे व्यावहारिक कारण आहे.

Bedrock आणि Vertex वर काय उपलब्ध नसते

स्थानिक पातळीवरील सर्व गोष्टी प्रत्येक provider वर कार्य करतात: subagents, hooks, slash commands, skills, plugins, checkpoints, sandboxing, managed settings file आणि OpenTelemetry metrics. मर्यादा सर्व server-side घटकांमध्ये आहेत.

दोन्ही endpoints वर उपलब्ध नाहीत: fast mode, Advisor, Channels, analytics dashboard, server-managed settings आणि /design-sync व /import commands. claude.ai account आवश्यक असलेल्या कोणत्याही गोष्टी उपलब्ध नाहीत. यामध्ये Claude Code on the web, mobile app, Remote Control, routines आणि artifacts यांचा समावेश आहे.

फक्त Bedrock वर: WebSearch tool उपलब्ध नाही. त्यामुळे Bedrock कडे पाठवलेल्या session मधून Claude search चालवू शकत नाही. तुम्ही URL दिल्यास Claude WebFetch द्वारे page वाचू शकते. Vertex वर web search कार्य करते, मात्र Claude 4 generation models आणि त्यानंतरच्या models साठी.

दोन्ही ठिकाणी अंशतः उपलब्ध: auto mode फक्त नवीन models च्या मर्यादित संचावर चालते. cross-session messaging फक्त त्याच machine वरील तुमच्या इतर sessions पर्यंत पोहोचते. स्वतःचा interval निवडणाऱ्या /loop साठी Claude Code v2.1.248 किंवा त्यानंतरची आवृत्ती आवश्यक आहे. Desktop फक्त 3P वरील Claude Desktop द्वारे उपलब्ध आहे. Vertex वर managed settings मध्ये configured केलेल्या Enterprise deployment द्वारेही ते उपलब्ध आहे. तुमच्या team ला एखादे feature उपलब्ध असल्याचे सांगण्यापूर्वी Anthropic चे feature availability page तपासा, कारण ही यादी बदलत राहते.

याचे बिल कोण भरते

Subscription आणि third-party endpoint या स्वतंत्र खरेदी आहेत. यापैकी कोणतीही दुसऱ्याची जागा घेत नाही.

हे स्पष्टपणे सांगणे आवश्यक आहे, कारण ही चूक कोणताही स्पष्ट संकेत न देता होते. Max seat सह तुम्ही sign in केलेल्या मशीनवर CLAUDE_CODE_USE_BEDROCK=1 सेट केल्यास, traffic चे बिल AWS आकारते: Bedrock च्या on-demand दरांनुसार प्रति token किंवा तुमच्या account ने provisioned throughput खरेदी केला असल्यास त्यानुसार. Seat चे मासिक शुल्क सुरूच राहते आणि त्या traffic पैकी कोणत्याही भागासाठी पैसे देत नाही. एकत्रित view देखील उपलब्ध नाही: खर्च AWS Cost Explorer किंवा Google Cloud Billing मध्ये दिसतो; Anthropic analytics dashboard यापैकी कोणत्याही provider वर उपलब्ध नाही. /logout command देखील उपलब्ध राहत नाही, कारण समाप्त करण्यासाठी Anthropic session नसते. Credential म्हणजे cloud credential असते.

दर provider च्या स्वतःच्या पृष्ठावर दिलेले असतात आणि बदलू शकतात. त्यामुळे कोणत्याही लेखातील आकड्यांऐवजी Amazon Bedrock pricing किंवा Vertex AI pricing पाहा. एक मूलभूत बाब बदलत नाही: या endpoint वरील on-demand inference साठी प्रति token बिल आकारले जाते. त्यामुळे agent दिवसभर सुरू ठेवल्यास त्याचा पूर्ण खर्च आकारला जातो; तो थांबवण्यासाठी plan cap नसतो. दोन्ही cloud providers विकत असलेला पर्याय म्हणजे provisioned throughput — तुम्ही तो राखून ठेवता तोपर्यंत निश्चित शुल्कावर उपलब्ध reserved capacity. AWS त्यासाठी तासानुसार बिल आकारते, आणि provisioned throughput ARN हे model ID म्हणून सेट केल्यावर Claude Code त्याचा वापर करते. सर्वांसाठी seats खरेदी करण्यापेक्षा यापैकी कोणता पर्याय अधिक फायदेशीर आहे, हे rollout नंतर पहिल्या invoice वरून ठरवण्याऐवजी rollout पूर्वी मोजणे योग्य आहे. Team आणि Enterprise साठी seat विरुद्ध प्रति-token गणित team scale वर ही तुलना करते.

प्रत्येक routing वर rate limits आणि quotas वेगवेगळ्या पद्धतीने काम करतात

Subscription मध्ये limits account शी संबंधित असतात आणि ठरावीक वेळापत्रकानुसार reset होतात. एखादी limit गाठल्यास usage credits सुरू नसतील, तर प्रतीक्षा करावी लागते. Usage credits सुरू असल्यास Pro आणि Max subscribers तसेच Team आणि जुन्या seat-based Enterprise organizations standard API rates वर spend limit पर्यंत limit ओलांडून काम सुरू ठेवू शकतात. सध्याच्या usage-based Enterprise plans मध्ये संपणारा included allowance नसतो, कारण प्रत्येक token साठी आधीच billing केलेले असते. ही कार्यपद्धती usage limits कशा काम करतात येथे स्पष्ट केली आहे.

Anthropic API key मध्ये limits organization शी संबंधित असतात. त्या requests आणि tokens per minute म्हणून व्यक्त केल्या जातात आणि तुमच्या usage tier नुसार वाढतात.

Bedrock आणि Vertex वरील limits या cloud quotas असतात. त्यांचा कोणत्याही Anthropic plan शी संबंध नसतो. Bedrock मध्ये त्या account आणि region नुसार, मुख्यतः model नुसार ठरवल्या जातात. याशिवाय संपूर्ण account साठी daily token quota असते. Vertex मध्ये त्या project आणि location नुसार ठरवल्या जातात. Global आणि multi-region endpoints वर May 26, 2026 नंतर launch केलेली Claude models एकाच model lineage साठी एक quota share करतात: एखाद्या location मध्ये model family ची प्रत्येक version एकाच bucket मधून quota वापरते. Global endpoint आणि प्रत्येक multi-region endpoint साठी स्वतंत्र buckets असतात. 429 चा अर्थ सहसा यांपैकी एखादी quota संपली असा होतो. मात्र shared pay-as-you-go capacity वर याचा अर्थ provider कडे पुरेशी capacity नाही असाही होऊ शकतो. त्यामुळे काहीही बदलण्यापूर्वी backoff सह retry करा. Quota तुमची असेल, तर उपाय provider च्या console मध्येच करावा लागतो: increase request करा किंवा headroom असलेल्या location वर जा. Bedrock मध्ये quota चे billing flat request count ऐवजी token burndown नियमांनुसार होते. दोन्ही cloud वर reserved capacity ही provisioned throughput म्हणून खरेदी केली जाते. Vertex वर 429 errors चा अर्थ अनेकदा असा असतो की तुमचा single-region endpoint primary model आणि small fast model दोन्ही serve करत नाही. म्हणून CLOUD_ML_REGION=global हा documented starting point आहे. Increase request साठी Google चे quotas page पहा.

अपयशाचे प्रकार आणि दिसणारे संदेश

Could not load the default credentials, Vertex वर. Application Default Credentials गहाळ आहेत किंवा त्यांची मुदत संपली आहे. gcloud auth application-default login चालवा, किंवा GOOGLE_APPLICATION_CREDENTIALS ला सर्व्हिस अकाउंट की फाईलकडे निर्देशित करा.

Vertex वर मॉडेलचे नाव दर्शवणारी 404 त्रुटी. ते मॉडेल त्या प्रोजेक्टसाठी Model Garden मध्ये सक्षम केलेले नाही, किंवा तुम्ही सेट केलेल्या लोकेशनवर ते उपलब्ध नाही. काही मॉडेल्स फक्त ग्लोबल एंडपॉईंटवर किंवा eu सारख्या मल्टी-रिजन लोकेशनवर उपलब्ध असतात, विशिष्ट रिजनमध्ये कधीही नसतात.

on-demand throughput isn't supported, Bedrock वर. तुम्ही अशा फाउंडेशन मॉडेलसाठी थेट मॉडेल ID वापरला आहे जे फक्त इन्फरन्स प्रोफाईलद्वारे सर्व्ह केले जाते. त्याऐवजी इन्फरन्स प्रोफाईल ID वापरा.

AWS default-chain credential resolve timed out. AWS क्रेडेंशियल साखळीतील एक टप्पा थांबला आहे, बहुतेकदा एखादा credential_process हेल्पर अशा इनपुटची वाट पाहत असतो जे त्याला कधीही मिळणार नाही. साखळीतील प्रत्येक रिझॉल्व्ह 60 सेकंदांनंतर टाईम-आऊट होतो. जर तुमच्या साखळीला खरोखर जास्त वेळ लागत असेल, उदाहरणार्थ रॅपरच्या मागे MFA (मल्टी-फॅक्टर ऑथेंटिकेशन) सह ब्राउझर SSO फ्लो, तर CLAUDE_CODE_AWS_CHAIN_RESOLVE_TIMEOUT_MS वापरून ही मर्यादा मिलिसेकंदमध्ये वाढवा.

Bedrock streaming response has content-type सुरू करताना त्रुटी. Claude Code आणि Bedrock च्या दरम्यान काहीतरी स्ट्रीम पुन्हा लिहित (rewrite) आहे. Bedrock हे application/vnd.amazon.eventstream कंटेंट टाईपसह बायनरी इव्हेंट-स्ट्रीम फॉरमॅटमध्ये स्ट्रीम करते, त्यामुळे जे गेटवे त्याला सर्व्हर-सेंट इव्हेंट्स म्हणून पुन्हा उत्सर्जित (re-emit) करतात, ते असा बॉडी देतात जो Claude Code डिकोड करू शकत नाही. गेटवे दुरुस्त करा जेणेकरून तो रिस्पॉन्स बॉडी आणि त्याचा Content-Type हेडर जसाच्या तसा पुढे पाठवेल.

AWS SSO दरम्यान ब्राउझर टॅब्स लूपमध्ये उघडणे. कॉर्पोरेट VPN किंवा TLS-इन्स्पेक्टिंग प्रॉक्सी साइन-इनमध्ये व्यत्यय आणत आहे, Claude Code तुटलेल्या कनेक्शनला ऑथेंटिकेशन अयशस्वी झाल्याचे समजते, awsAuthRefresh कमांड पुन्हा चालवते आणि हे सतत घडत राहते. तुमच्या सेटिंग फाईलमधून awsAuthRefresh काढून टाका आणि Claude Code सुरू करण्यापूर्वी aws sso login मॅन्युअली चालवा.

राउटिंग निवडणे

जेव्हा तुम्हाला लाँचच्या दिवशी नवीन मॉडेल्स आणि संपूर्ण फिचर सेट हवा असेल, तेव्हा Anthropic direct निवडा. जेव्हा तुम्हाला सीट खरेदी न करता प्रति-टोकन बिलिंग हवे असेल, तेव्हा API key निवडा. जेव्हा तुमची गरज अशी असते की इन्फरन्स (inference) तुमच्या आधीच नियंत्रित असलेल्या क्लाउड अकाउंटमध्येच व्हावा, तेव्हा Bedrock किंवा Vertex निवडा; यासाठी तुम्हाला संथ मॉडेल पाइपलाइन आणि मर्यादित फिचर लिस्ट स्वीकारणे आवश्यक आहे. Amazon Bedrock आणि Google Vertex AI साठी Anthropic ची स्वतःची सेटअप पेजेस, तसेच AWS ची models by region ची यादी बुकमार्क करून ठेवणे फायदेशीर आहे.

या तिन्ही पर्यायांपैकी कशाचीही निवड केली तरी एजंट प्रत्यक्ष कुठे कार्यान्वित होतो, यात बदल होत नाही. Claude Code ही एक स्थानिक प्रक्रिया (local process) आहे, जी तुमच्या फाइल्स वाचते आणि तुमचे कमांड्स रन करते, मग ते कोणत्याही एंडपॉइंटद्वारे का प्रतिसाद देत असेना. म्हणूनच ज्या टीम्सना हा एजंट लॅपटॉपव्यतिरिक्त इतर कुठे चालवायचा असतो, त्या coding agent ला VPS वर ठेवतात आणि तिथेच हे व्हेरिएबल्स एक्सपोर्ट करतात.

FAQ

माझे Claude subscription Bedrock किंवा Vertex वरील Claude Code साठीचे शुल्क भरते का?

नाही. Pro, Max, Team किंवा Enterprise seat आणि third-party endpoint ही स्वतंत्र खरेदी आहेत. यापैकी कोणतेही दुसऱ्याचे शुल्क भरत नाही. CLAUDE_CODE_USE_BEDROCK=1 किंवा CLAUDE_CODE_USE_VERTEX=1 सेट असल्यास, traffic साठी AWS किंवा Google Cloud त्यांच्या on-demand दरांनुसार प्रति token शुल्क आकारतात किंवा तुम्ही खरेदी केलेल्या provisioned throughput विरुद्ध शुल्क आकारतात. हे शुल्क संबंधित cloud bill वर दिसते. Seat ज्या surfaces साठी लागू आहे त्यांच्यासाठीचे मासिक शुल्क स्वतंत्रपणे सुरू राहते. खर्चाचा मागोवा देखील AWS Cost Explorer किंवा Google Cloud Billing येथे घ्यावा लागतो, कारण Anthropic analytics dashboard कोणत्याही provider वर उपलब्ध नाही.

Amazon Bedrock वर Claude Code माझ्या विनंत्या कोणत्या region ला पाठवते?

Claude Code ने निश्चित केलेल्या region ला. /status तुम्हाला तो region दाखवेल. Claude Code प्रथम AWS_REGION, त्यानंतर AWS_DEFAULT_REGION आणि मग तुमच्या सक्रिय AWS profile वरील region तपासते. यापैकी काहीही सेट नसल्यास ते us-east-1 वर fallback करते. त्यानंतर त्याची built-in default models त्या region च्या prefix असलेल्या cross-region inference profiles मध्ये resolve होतात, जसे us. किंवा eu.. Cross-region profile त्याच geography मधील दुसऱ्या region मधून विनंती पूर्ण करू शकते. एखादा विशिष्ट region अनिवार्य असल्यास, तुमच्या नियंत्रणातील application inference profile वापरा आणि ANTHROPIC_MODEL त्याच्या ARN वर सेट करा.

माझ्या Bedrock किंवा Vertex account मध्ये नवीनतम Claude model का दिसत नाही?

कारण प्रत्येक cloud provider स्वतःच्या वेळापत्रकानुसार models सक्षम करतो. त्याशिवाय तुमच्या account ला access मंजूर होणे आवश्यक असते. Vertex वर Model Garden मध्ये access साठी विनंती करावी लागते. मंजुरीसाठी 24 ते 48 तास लागू शकतात. तोपर्यंत sonnet आणि opus सारखे aliases त्या provider साठी Claude Code च्या built-in default कडे resolve होतात. हा default तुमच्या account मध्ये उपलब्ध नसल्यास Claude Code त्या session साठी आधीचे किंवा कमी स्तराचे model वापरते आणि सूचना दाखवते. ANTHROPIC_DEFAULT_SONNET_MODEL आणि त्याच्या संबंधित aliases तुम्ही सक्षम असल्याची पुष्टी केलेल्या IDs वर pin करा.

नाही. WebSearch tool Bedrock वर उपलब्ध नाही. त्यामुळे तेथे route केलेल्या session मधून Claude search चालवू शकत नाही. तुम्ही URL दिल्यास WebFetch वापरून Claude विशिष्ट page वाचू शकते. Google Vertex AI वर web search उपलब्ध आहे. हे Claude 4 generation models आणि त्यानंतरच्या models साठी लागू आहे. हा Vertex च्या बाजूने असलेल्या मोजक्या capability फरकांपैकी एक आहे.

Bedrock किंवा Vertex वर Claude Code चालवण्यासाठी Anthropic account आवश्यक आहे का?

नाही. Authentication साठी तुमचे AWS किंवा Google Cloud credential वापरले जाते. म्हणून /logout दोन्ही providers वर unavailable आहे. तुम्ही कोणताही provider वापरत असलात तरी Anthropic शी एक connection राहते. URL fetch करण्यापूर्वी WebFetch tool hostname, आणि फक्त hostname, api.anthropic.com कडे पाठवते आणि तो safety blocklist विरुद्ध तपासते. हे बंद करण्यासाठी तुमच्या settings file मध्ये skipWebFetchPreflight सेट करा. Claude कोणत्या domains पर्यंत पोहोचू शकते यावर मर्यादा ठेवायची असल्यास WebFetch permission rules सोबत ते वापरा.

हा लेख उपयुक्त होता का?