SSD Nodes Learn Hosting plans →
मार्गदर्शक Matt Connorद्वारे Matt Connor · अपडेटेड 2026-10-24

coding agent telemetry मध्ये काय पाठवले जाते?

coding agent telemetry चे चार स्वतंत्र traffic प्रवाह समजून घ्या. prompts आणि code कोणाकडे जातात, कोणता प्रवाह अपरिहार्य आहे आणि machine वरून audit कसा करायचा ते जाणून घ्या.

coding agent telemetry मध्ये प्रत्यक्षात काय समाविष्ट असते

coding agent telemetry म्हणजे एकाच शब्दाखाली येणारे data sharing चे चार स्वतंत्र प्रवाह आहेत. प्रत्येक प्रवाहासाठी स्वतंत्र नियंत्रण असते. Model inference दरम्यान तुमचे prompts आणि code model पुरवणाऱ्या सेवेकडे पाठवले जातात. कोणतीही setting हे पूर्णपणे बंद करू शकत नाही. Product analytics आणि crash reports vendor कडे पाठवले जातात. अनेकदा vendor ज्या logging company ला पैसे देतो, तिच्याकडेही ते पाठवले जातात. Training साठी data retention हा network पेक्षा contract चा विषय आहे. चौथा प्रवाह अनेकांच्या लक्षात येत नाही: तुम्ही जोडलेले प्रत्येक integration तुम्ही निवडलेलेही नसलेल्या host शी connection उघडू शकते.

सध्याच्या vendor defaults ची यादी हा या विषयातील सर्वात वेगाने कालबाह्य होणारा भाग आहे. एखाद्या release मध्ये default बदलू शकतो. नवीन feature मुळे विद्यमान कोणत्याही switch ने नियंत्रित न होणारे destination जोडले जाऊ शकते. त्यामुळे टिकणारे कौशल्य म्हणजे कोणत्याही agent वर पुन्हा करता येईल असा audit करणे. Vendor ने काय document केले आहे ते वाचा. या machine वर प्रत्यक्षात कोणती config लागू झाली आहे ते तपासा. Machine मधूनच process चे निरीक्षण करा. त्यानंतर तुम्ही स्वीकारण्यास आणि त्याची किंमत मोजण्यास तयार असलेली controls निवडा. खालील प्रत्येक command तुम्ही तुमच्या स्वतःच्या machine वर, तुमच्या स्वतःच्या traffic विरुद्ध चालवता.

चार श्रेणी आणि त्यांच्यासाठी वेगवेगळी नियंत्रणे का आवश्यक आहेत

Model inference traffic टाळता येत नाही. Agent तुमचा prompt, त्याने वाचलेल्या files, त्याने चालवलेल्या commands चे output आणि त्याने स्वतः तयार केलेला text model endpoint कडे पाठवतो. Product अशाच प्रकारे कार्य करते. प्रत्यक्षात एकच निर्णय घ्यायचा असतो: हा data दुसऱ्या कोणीतरी चालवलेल्या API कडे पाठवायचा की तुम्ही स्वतः चालवलेल्या model कडे. कंपनीचे cloud account (Bedrock, Vertex, Foundry) प्राप्तकर्ता बदलते; data flow थांबवत नाही. या लेखातील पुढील कोणतीही बाब inference traffic कमी करत नाही. त्यामुळे तो इतर तीन प्रकारांपासून वेगळा समजा.

Product analytics आणि crash reporting हा वेगळ्या hosts कडे जाणारा वेगळा flow आहे. Usage counters, latency numbers, feature-flag lookups आणि stack traces सहसा model API शी संबंधित नसलेल्या hostnames कडे पाठवले जातात. ते अनेकदा third-party error tracker कडेही जातात. Vendors यांचे वर्णन सहसा "metrics" आणि "error reports" असे करतात. प्रत्येक category साठी ते सहसा एक environment variable देतात. याचा volume अत्यंत कमी असतो. त्यामुळे byte counts वापरून तो कधीही सापडणार नाही. तुम्ही bandwidth नव्हे, hostnames शोधत आहात.

Retention आणि training हे packets नव्हे, तर policy आहेत. Vendor तुमचे prompts ठेवतो का, किती काळ ठेवतो आणि त्यांचा वापर भविष्यातील model च्या training साठी करतो का, हे तुमच्या plan ला लागू असलेल्या terms मध्ये नमूद केलेले असते. Consumer plans आणि commercial plans सहसा वेगळे असतात. Zero-retention arrangement सहसा स्वतंत्र agreement असतो. tcpdump वापरून यापैकी कोणतीही बाब पडताळता येत नाही, कारण दोन्ही परिस्थितींमध्ये packet सारखाच दिसतो. Terms वाचा. तुमच्या employer साठी ही बाब महत्त्वाची असल्यास, ती लेखी स्वरूपात मिळवा.

Integrations शांतपणे आणखी एक hop जोडतात. MCP (model context protocol) server, plugin marketplace, auto-update check, web search tool किंवा fetch करण्यापूर्वी URL resolve करणारा safety check—यापैकी प्रत्येकामुळे model endpoint नसलेल्या host कडे request पाठवली जाते. अनपेक्षित flow याच ठिकाणी आढळतात. Harness तुम्हाला local वाटणारे काम स्वतःच्या service मार्फत route करू शकतो. तसेच तुमच्या config मध्ये एकही line न बदलता एखाद्या release मध्ये हे सुरू होऊ शकते. तुम्ही जोडलेल्या प्रत्येक tool ला, wire वर त्याचा traffic पाहेपर्यंत, नवीन destination समजा.

पायरी 1: विक्रेत्याच्या दस्तऐवजात काय आहे?

तुमच्या agent साठी settings reference आणि data usage पृष्ठ उघडा. हाताशी शब्दांची यादी ठेवून ती वाचा: metrics, analytics, error reporting, crash, feedback, survey, update check, safety check, marketplace. यातील प्रत्येक शब्द सामान्यतः स्वतंत्र switch दर्शवतो. Variable names जशीच्या तशी लिहून ठेवा, कारण पायरी 2 मध्ये त्यांच्यासाठी grep केले जाईल.

एक शब्द तुमची दिशाभूल करू शकतो. अनेक agents मध्ये दस्तऐवजातला "telemetry" हा शब्द तुम्ही चालवलेल्या collector कडे metrics पाठवण्यासाठी configure केलेल्या OpenTelemetry export साठी वापरला जातो. म्हणजेच, तो data विक्रेत्याकडे जाण्याच्या उलट प्रकार आहे. Claude Code हे त्यापैकी एक आहे: CLAUDE_CODE_ENABLE_TELEMETRY=1 सेट केल्याने OTEL_EXPORTER_OTLP_ENDPOINT मध्ये दिलेल्या endpoint कडे export सुरू होते. याचा विक्रेत्याच्या स्वतःच्या analytics शी संबंध नाही; त्यासाठी स्वतंत्र opt-out आहे. कोणतीही setting करण्यापूर्वी data कोणत्या दिशेने वाहतो हे निश्चित करा.

Master switch असण्याची अपेक्षा ठेवा, पण त्याला अपवादही असतील. October 2026 पर्यंत, Claude Code मधील CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC metrics, error reports, feedback command आणि session surveys एकत्र बंद करते. त्याच दस्तऐवजानुसार, यात WebFetch domain safety check समाविष्ट नाही. हा check तुम्ही fetch करणार असलेला hostname vendor API कडे पाठवतो आणि त्यासाठी स्वतंत्र setting आहे. अधिकृत plugin marketplace ची automatic registration देखील यात समाविष्ट नाही; तिच्यासाठी CLAUDE_CODE_DISABLE_OFFICIAL_MARKETPLACE_AUTOINSTALL हा स्वतंत्र variable आहे. ही समस्या एखाद्या एका productपुरती मर्यादित नाही. सर्वत्र अशीच रचना आढळते: master switch लिहिला गेला त्या वेळी अस्तित्वात असलेल्या categories पुरताच तो लागू होतो.

Opt-out केल्याची किंमतही असू शकते. त्याच दस्तऐवजात नमूद केले आहे की telemetry बंद केल्याने काही features ज्या feature-flag evaluation वर अवलंबून आहेत ती देखील बंद होतात. त्यामुळे privacy साठी केलेला switch बदल तुम्ही वापरत असलेले feature बंद करू शकतो आणि या दोन्ही गोष्टींमधील संबंध दाखवणारा error message मिळेलच असे नाही. Flag चे नावच नव्हे, तर त्याच्या शेजारील वाक्यही वाचा.

पायरी 2: प्रत्यक्षात कोणती configuration लागू झाली?

तुम्ही लिहिलेली setting लागू झालीच असे नाही. Agents अनेक फाइल्समधून configuration एकत्र करतात. त्यापैकी एखादी फाइल तुम्ही दुसऱ्या व्यक्तीकडून clone केलेल्या repository मध्ये असू शकते. सुरुवात तुमच्या स्वतःच्या shell च्या environment पासून करा.

env | grep -Ei 'telemetry|otel|analytics|error_report|do_not_track|proxy'

त्यानंतर tool वाचत असलेल्या प्रत्येक settings file ची यादी docs मध्ये दिलेल्या क्रमाने दाखवा. October 2026 पर्यंत Claude Code साठी हा क्रम user file, दोन project files आणि Linux वरील managed policy directory असा आहे.

for f in ~/.claude/settings.json .claude/settings.json .claude/settings.local.json; do
  echo "== $f"; [ -f "$f" ] && cat "$f"
done
ls -l /etc/claude-code/ 2>/dev/null

git clone सोबत आलेली project file ही दुसऱ्या व्यक्तीने लिहिलेली configuration असते. ती तुमच्या user file ने बंद केलेली setting पुन्हा enable करू शकते. Agent ने कोणते sources load केले हे दाखवणारी status command उपलब्ध असल्यास, तीच सर्वात जलद आणि विश्वसनीय पडताळणी ठरते: Claude Code मध्ये load केलेल्या settings sources ची यादी /status मध्ये दिसते.

सर्वात भक्कम पडताळणी कोणतीही file वाचण्याऐवजी चालू process तपासते. प्रथम agent साठी स्वतंत्र Linux user account तयार करा. त्यामुळे या पोस्टमधील प्रत्येक command लहान होईल. त्यानंतर process सुरू करताना मिळालेले environment वाचा.

pgrep -u agent -a node
sudo tr '\0' '\n' < /proc/$(pgrep -u agent -n node)/environ | grep -Ei 'telemetry|proxy|otel'

/proc/<pid>/environ मध्ये process कडे exec च्या वेळी असलेले variables दिसतात. त्यामुळे तुमचा .bashrc export systemd ने सुरू केलेल्या service पर्यंत पोहोचला नाही, हे समजते. तुम्ही सेट केलेला variable येथे दिसत नसेल, तर तो कधीही लागू झालेला नव्हता, तुमच्या dotfiles मध्ये काहीही लिहिलेले असले तरी.

पायरी 3: ते कोणत्या host शी जोडते?

Agent ज्या account अंतर्गत चालतो, त्या account नुसार open sockets फिल्टर करून सुरुवात करा.

sudo ss -tnpe state established

-e प्रत्येक ओळीत uid: field जोडते. त्यामुळे process names न वाचता agent ची connections आणि तुमच्या browser ची connections वेगळ्या करता येतात. Remote addresses नोंदवा आणि त्यामागील names मिळवा. Names मिळवण्यासाठी TLS (transport layer security) handshake हा सर्वात स्वच्छ स्रोत आहे. प्रत्येक नवीन connection ची सुरुवात SNI (server name indication) field असलेल्या ClientHello ने होते. हे field client ने मागितलेला hostname दर्शवते.

sudo apt install -y tshark
sudo tshark -i any -f 'tcp port 443' -Y 'tls.handshake.type == 1' \
  -T fields -e ip.dst -e tls.handshake.extensions_server_name

प्रत्येक नवीन connection साठी एक ओळ मिळते. तुम्हाला हवे असलेले inventory नेमके हेच असते: model API, update server, analytics host, error tracker आणि integration ने जोडलेले इतर कोणतेही host. Name column रिकामा असल्यास client ने SNI पाठवलेले नसते. हे सहसा bare IP address शी connection केल्यामुळे होते. अशा वेळी destination IP address, reverse lookup किंवा step 4 मधील proxy वापरा. ECH (encrypted client hello) मुळे column रिकामा होत नाही. RFC 9849 नुसार बाहेरील ClientHello मध्ये hostname असते. सामान्यतः ते provider चे public name असते. खरे hostname आत encrypted स्वरूपात पाठवले जाते. त्यामुळे ओळखीच्या service ऐवजी generic provider name दिसल्यास ते ECH चे लक्षण आहे. त्याच fallback पद्धती लागू राहतात.

DNS (domain name system) view हा उपयुक्त cross-check आहे. Connection पूर्ण न झालेल्या बाबतीतही agent ने lookup केलेली names यामध्ये दिसतात.

sudo tcpdump -ni any -l 'udp port 53'

प्रत्येक query line च्या शेवटी record type आणि name असतात. त्यांचे स्वरूप A? host.example.net. (39) असे असते. External interface ऐवजी any वर capture करा. systemd-resolved वापरल्यावर application 127.0.0.53 वरील local stub listener शी बोलते आणि फक्त stub बाहेरच्या network शी बोलतो. Agent स्पष्टपणे काम करत असताना DNS traffic अजिबात दिसत नसेल, तर तो runtime स्वतः DNS over HTTPS करत आहे. अशा वेळी names मिळवण्यासाठी केवळ step 4 उपयोगी ठरेल.

Agent प्रत्यक्ष काम करत असताना capture करा. Session सुरू करा, त्याला file वाचायला द्या, command चालवायला द्या आणि एखाद्या टप्प्यावर ते fail होऊ द्या. Startup वेळी एकदाच होणारा किंवा exception आल्यावरच होणारा traffic idle capture मध्ये कधीच दिसणार नाही. Audit मधून चुकीचा पण समाधानकारक निष्कर्ष निघण्याची सर्वात सामान्य पद्धत म्हणजे idle capture करणे.

पायरी 4: विनंत्यांमध्ये काय आहे?

Hostname मुळे कोणाशी कनेक्शन आहे हे समजते. विनंतीमध्ये काय आहे हे पाहण्यासाठी agent च्या पुढे तुमच्या नियंत्रणाखालील proxy ठेवा आणि त्या runtime साठीच त्याची certificate authority (CA) विश्वसनीय ठरवा. यासाठी mitmproxy हे नेहमी वापरले जाणारे साधन आहे. प्रकल्प mitmproxy.org वरील standalone binaries वापरण्याची शिफारस करतो आणि Python package मार्गाचे दस्तऐवजीकरण uv tool install mitmproxy मध्ये करतो.

mitmdump -w /tmp/agent-flows.mitm

पहिल्या run मध्ये ~/.mitmproxy/ येथे CA लिहिली जाते. mitmproxy-ca-cert.pem ही फक्त त्या प्रमाणपत्राची स्वतंत्र फाइल आहे. तुम्ही agent ज्या shell मधून सुरू करणार आहात, त्या shell मध्ये client ला proxy आणि त्या प्रमाणपत्राकडे निर्देशित करा.

export HTTP_PROXY=http://127.0.0.1:8080
export HTTPS_PROXY=http://127.0.0.1:8080
export NODE_EXTRA_CA_CERTS="$HOME/.mitmproxy/mitmproxy-ca-cert.pem"
export REQUESTS_CA_BUNDLE="$HOME/.mitmproxy/mitmproxy-ca-cert.pem"
export SSL_CERT_FILE="$HOME/.mitmproxy/mitmproxy-ca-cert.pem"

अनेक agent CLI हे Node programs असतात. प्रक्रिया सुरू होताना Node NODE_EXTRA_CA_CERTS वाचतो. त्यामुळे agent सुरू करण्यापूर्वी ते export करा; नंतर दुसऱ्या terminal मध्ये करू नका. Python clients REQUESTS_CA_BUNDLE किंवा SSL_CERT_FILE वाचतात. standard library वापरणारा Go binary Linux वर SSL_CERT_FILE वाचतो. Agent ला दोष देण्यापूर्वी curl वापरून हा path कार्यरत आहे हे सिद्ध करा.

curl -sS -o /dev/null -w '%{http_code}\n' https://example.com

Proxy कार्यरत असल्यास 200 छापले जाते आणि विनंती mitmdump च्या output मध्ये दिसते. अविश्वसनीय CA मुळे curl: (60) SSL certificate problem: self-signed certificate in certificate chain मिळते. Node agent मध्ये याच्याशी समतुल्य त्रुटीमध्ये SELF_SIGNED_CERT_IN_CHAIN code असतो. नंतर जतन केलेले flows console viewer मधून वाचा. त्यात एक विनंती उघडून तिचे headers आणि body वाचता येतात.

mitmproxy -r /tmp/agent-flows.mitm

चार परिणाम महत्त्वाचे आहेत. विनंत्या दिसल्यास त्या वाचा आणि निर्णय घ्या. Certificate error मुळे agent सुरू होण्यास नकार देत असल्यास, ही त्या runtime मधील trust समस्या आहे; vendor विषयीचा निष्कर्ष नाही. फक्त model API दिसत असल्यास, इतर categories बंद आहेत किंवा तुम्ही trigger न केलेल्या event वर त्या कार्यरत होतात. Agent स्पष्टपणे कार्यरत असूनही काहीच दिसत नसल्यास, client proxy environment variables दुर्लक्षित करतो किंवा certificates pin करतो. अशा वेळी application setting वर सत्य सांगण्यासाठी विश्वास ठेवता येत नाही. शेवटचा परिणाम सर्वात महत्त्वाचा आहे. तो तुम्हाला पायरी 3 कडे परत पाठवतो, कारण connection दिसत असल्याचे packet capture ला नाकारता येत नाही.

कमजोर ते मजबूत नियंत्रण

नकाराधिकार सेटिंग्ज. हा सर्वात स्वस्त आणि सर्वात कमजोर पर्याय आहे, कारण तो vendor ने त्या सेटिंग्ज पाळण्यावर आणि आधीपासून अस्तित्वात असलेल्या श्रेणीला झाकण्यावर अवलंबून असतो. Reboot आणि नवीन terminal नंतरही त्या लागू राहतील अशा ठिकाणी त्या सेट करा: user settings file किंवा shell profile मध्ये. तेथेच DO_NOT_TRACK=1 जोडा. अनेक command line tools, त्यात काही agents देखील, या convention चे पालन करतात आणि त्यासाठी कोणताही खर्च येत नाही. पुढील update नंतर step 3 पुन्हा चालवा, कारण त्याच वेळी coverage बदलते.

Egress restriction. येथे विनंती करणे थांबवून अंमलबजावणी सुरू करता. Agent स्वतःच्या user म्हणून चालवा. त्या user साठी loopback आणि DNS ला परवानगी द्या आणि उर्वरित traffic drop करा. यासाठी स्वतंत्र table तयार होते. त्यामुळे विद्यमान firewall rules मध्ये बदल होत नाही.

table inet agentegress {
  chain output {
    type filter hook output priority filter; policy accept;
    meta skuid "agent" ip daddr 127.0.0.0/8 accept
    meta skuid "agent" udp dport 53 accept
    meta skuid "agent" counter log prefix "agent-egress-drop " drop
  }
}

ते sudo nft -f /etc/nftables.d/agent.nft वापरून लागू करा, sudo nft list table inet agentegress वापरून counter वर लक्ष ठेवा आणि sudo journalctl -k -g agent-egress-drop वापरून drops वाचा. अपेक्षित नसलेल्या hostname साठी drop counter वाढणे, हाच या उपायाचा मुख्य उद्देश आहे. दोन महत्त्वाच्या मर्यादा आहेत. meta skuid socket च्या मालकीच्या user शी जुळते. त्यामुळे त्या account मधून दुसरा user होता येत नसेल तेव्हाच हा नियम प्रभावी राहतो. Agent साठी passwordless sudo उपलब्ध असल्यास हा नियम केवळ सूचनाच ठरतो. तसेच कोणत्याही server साठी UDP 53 खुला ठेवला, तर query names मध्ये data बाहेर पाठवता येणारा channel उरतो. तुमच्या threat model नुसार आवश्यक असल्यास तोही बंद करा. त्यासाठी agent चा resolver तुम्ही चालवत असलेल्या host कडे निर्देशित करा. Hostname allowlists nftables ऐवजी proxy मध्ये ठेवणे योग्य आहे, कारण API endpoints अशा content delivery networks च्या मागे असतात ज्यांचे IP addresses तुमच्या नियंत्रणाबाहेर बदलत राहतात. या नियंत्रणाची किंमत म्हणजे breakage आणि upkeep. Package installs, SSH वरील git आणि agent ची स्वतःची update check, त्यांना परवानगी देईपर्यंत अपयशी ठरतील. आता ती यादी सांभाळण्याची जबाबदारी तुमची असेल. Laptop ऐवजी server वर हे सेट करत असल्यास, हीच account आणि firewall रचना VPS वर Claude Code सुरक्षितपणे चालवणे याची पायाभूत रचना आहे.

विल्हेवाट लावता येणारे machine. Agent साठी अशी virtual machine (VM) द्या ज्यात तुम्हाला महत्त्वाची कोणतीही credentials नसतील आणि task संपल्यावर ती नष्ट केली जाईल. यामुळे agent काय पाठवतो ते कमी होत नाही. Agent ला पाठवता येणाऱ्या सामग्रीपर्यंतचा access कमी होतो. सामान्यतः तुम्हाला महत्त्वाचा असलेला धोका हाच असतो. वरील egress rules सोबत हा उपाय वापरा, कारण unrestricted internet access असलेली नवीन VM देखील तुमच्या capture मधील प्रत्येक host पर्यंत पोहोचू शकते. ही पद्धत आणि प्रत्येक वेळी पुन्हा तयार करावी लागणारी state विल्हेवाट लावता येणाऱ्या VM मध्ये coding agents चालवणे येथे स्पष्ट केली आहे. Sizing चा प्रश्न VPS वर coding agent चालवणे येथे पाहा.

Model स्वतः host करणे. हा एकमेव असा नियंत्रण उपाय आहे जो inference flow काढून टाकतो, कारण prompt तुमच्या hardware च्या बाहेर जात नाही. याची किंमत वास्तविक आहे. Closed model स्वतः host करता येत नाही. त्यामुळे open weights निवडावे लागतात, कठीण tasks साठी capability gap स्वीकारावी लागते आणि ती models serve करण्यासाठी आवश्यक hardware द्यावे लागते. हा trade-off तुम्ही Claude स्वतः host करू शकता का येथे स्पष्ट केला आहे. मुख्य agents मधील capability differences Claude Code, Cursor, Codex आणि Copilot यांच्यातील फरक येथे दिले आहेत.

या चारपैकी कोणतेही नियंत्रण agent ला disk वर काय वाचण्याची परवानगी आहे ते बदलत नाही. Inference traffic मध्ये agent ने वाचलेली कोणतीही सामग्री असते. Working directory मध्ये .env file असल्यास, agent ने variable name साठी grep करताच ती model कडे पाठवली जाते. अशी सामग्री agent च्या access च्या बाहेर ठेवणे हे स्वतंत्र काम आहे. ते AI agent च्या context मधून secrets बाहेर ठेवणे येथे स्पष्ट केले आहे.

प्रत्येक update नंतर काय तपासावे

  1. विक्रेत्याच्या settings आणि data usage पृष्ठांची तुम्ही मागील वेळी नोंद केलेल्या माहितीशी तुलना करा. नवीन switches आणि नावाने नमूद केलेल्या services शोधा.
  2. /proc/<pid>/environ मधून process environment पुन्हा वाचा. चालू process वर तुमच्या opt-outs अजूनही लागू आहेत याची खात्री करा.
  3. project settings files पुन्हा print करा. git pull मुळे सहकाऱ्याने बदललेली config file समाविष्ट होऊ शकते.
  4. प्रत्यक्ष कामाच्या एका पूर्ण session साठी SNI capture चालवा. hostname list ची मागील list शी तुलना करा.
  5. firewall drop counter तपासा. नवीन destination इतर कुठेही लक्षात येण्यापूर्वी सहसा तिथे दिसतो.

यासाठी सुमारे दहा मिनिटे लागतात. प्रक्रियेतील कालबाह्य न होणारा हा एकमेव भाग आहे. October 2026 मध्ये पडताळलेला default हा October 2026 मधील परिस्थितीविषयीचा तथ्य असतो. capture मात्र आजच्या परिस्थितीविषयीचा तथ्य असतो.

FAQ

माझा coding agent माझा code model कडे पाठवणे थांबवू शकतो का?

नाही. तसे करण्याचा दावा करणारी कोणतीही setting वेगळ्या गोष्टीचे वर्णन करत असते. तुमचा prompt, agent ने वाचलेल्या files आणि त्याने चालवलेल्या commands चे output model endpoint कडे पाठवणे हे inference कसे कार्य करते याचाच भाग आहे. त्यामुळे बदलता येणारी एकमेव गोष्ट म्हणजे ते कोणाला प्राप्त होते. Agent ला company cloud account किंवा तुम्ही स्वतः host केलेल्या model कडे निर्देश करून receiver बदलता येतो. Agent ला कोणत्या files वाचण्याची परवानगी आहे हे मर्यादित करून पाठवला जाणारा data कमी करता येतो. Analytics आणि error reporting बंद केल्याने या flow वर कोणताही परिणाम होत नाही.

माझा coding agent कोणत्या hosts शी connect होतो हे कसे पाहू?

Agent स्वतंत्र Linux user म्हणून चालवा. त्यानंतर agent वापरत असताना प्रत्येक नवीन connection चे TLS ClientHello capture करा: sudo tshark -i any -f 'tcp port 443' -Y 'tls.handshake.type == 1' -T fields -e ip.dst -e tls.handshake.extensions_server_name. प्रत्येक connection साठी एक ओळ दिसते. त्यात destination address आणि मागवलेले hostname असते. sudo tcpdump -ni any 'udp port 53' वापरून names पडताळा. Capture any वर करा, कारण 127.0.0.53 वरील local resolver stub आधी query हाताळतो. Agent प्रत्यक्ष काम करत असताना capture करा. Startup pings आणि crash reports idle capture मध्ये कधीही दिसत नाहीत.

Agent कार्यरत असताना माझ्या proxy मध्ये कोणताही traffic दिसत नाही. काय चुकले?

एकतर client HTTP_PROXY आणि HTTPS_PROXY दुर्लक्षित करतो, किंवा तो certificates pin करतो आणि तुमचा CA नाकारतो. प्रथम curl वापरून path ची चाचणी करा. curl proxy मार्फत internet पर्यंत पोहोचत असेल आणि agent flow list मध्ये दिसत नसेल, तर agent proxy environment variables वापरत नाही. काही runtimes मध्ये CA विशिष्ट पद्धतीने द्यावा लागतो. विशेषतः Node NODE_EXTRA_CA_CERTS फक्त process सुरू होताना वाचतो. त्यामुळे agent सुरू केल्यानंतर ते export केल्याने काहीही परिणाम होत नाही. Proxy ला traffic दिसत नसेल, तर packet capture वापरा. कोणतीही application setting हा capture bypass करू शकत नाही.

Telemetry बंद केल्याने माझा code training साठी वापरला जाणे थांबते का?

नाही. Analytics आणि crash reporting हा inference पेक्षा वेगळा flow आहे. त्यामुळे ते बंद केल्याने usage counters आणि stack traces काढले जातात; मात्र प्रत्येक prompt पूर्वीप्रमाणेच model कडे जातो. हे prompts साठवले जातील का आणि त्यांचा वापर भविष्यातील model train करण्यासाठी केला जाईल का, हे तुमच्या plan च्या terms वर अवलंबून असते. Consumer plans आणि commercial plans यांमध्ये साधारणपणे फरक असतो. हा packet capture करण्याचा विषय नसून वाचण्यासारखा contract आहे. त्यामुळे तुमच्या plan साठी data usage page तपासा. जिथे आवश्यक असेल, तिथे पहिल्या session पूर्वी commercial किंवा zero-retention agreement निश्चित करा.

हा लेख उपयुक्त होता का?

#telemetry#privacy#coding-agents#secrets#auditing