VPS वर Aider किंवा Goose coding agent कसा चालवायचा

VPS वर coding agent का चालवावा

coding agent हे terminal मधून तुमचा codebase वाचणारे, त्यात बदल करणारे आणि ते तपासण्यासाठी commands चालवणारे साधन आहे. तुमच्या laptop च्या तुलनेत VPS वर ते चालवण्याचे तीन फायदे आहेत: तुम्ही disconnect झाल्यानंतरही ते काम करत राहते, ते तुमच्या code आणि build tools च्या अगदी जवळ असते आणि तुम्ही स्वतः host केलेल्या model शी ते संवाद साधू शकते. ते tmux session मध्ये सुरू करा. त्यानंतर laptop बंद करून नंतर पुन्हा काम सुरू करता येते. हीच पद्धत tmux वापरून VPS वर Claude Code चालवण्यासारखी आहे.

Terminal-आधारित दोन agents माहिती असणे उपयुक्त आहे. Aider हा terminal-native, git-first पर्याय आहे. तो प्रत्येक बदल sensible message सह auto-commit करतो. त्यामुळे history स्वच्छ राहते आणि प्रत्येक edit पूर्ववत करता येतो. हा सर्वाधिक काळापासून विकसित होत असलेल्या terminal coding agents पैकी एक आहे. मात्र त्याचा release pace मंदावला आहे. Block कडील Goose अधिक व्यापक आहे. हा Apache-2.0 agent असून त्याच्याकडे मोठे extension ecosystem आणि local Ollama models सहित अनेक providers साठी support आहे. आता त्याचा विकास Linux Foundation च्या Agentic AI Foundation (AAIF) अंतर्गत केला जातो. शिस्तबद्ध, git-केंद्रित workflow साठी Aider योग्य आहे. व्यापक plugin set असलेल्या सर्वसाधारण assistant साठी Goose योग्य आहे.

तुम्हाला काय आवश्यक आहे

Aider साठी git, tmux आणि अलीकडील Python असलेला VPS आवश्यक आहे. Goose साठी Goose installer आवश्यक आहे. तसेच एक model आवश्यक आहे: Anthropic किंवा OpenAI सारख्या provider कडील hosted API key, किंवा त्याच VPS वर चालणारे Ollama यांद्वारे उपलब्ध केलेले local model. Self-hosted पर्यायामुळे तुमचा code तुमच्या स्वतःच्या server वरच राहतो आणि प्रत्येक token साठी कोणताही खर्च येत नाही. मात्र सक्षम model चालवण्यासाठी पुरेशी memory आवश्यक असते.

Aider स्थापित करा आणि चालवा

Ubuntu 24.04 मध्ये virtual environment च्या बाहेर plain pip install वापरण्यावर PEP 668 मुळे निर्बंध असल्याने, apt मधून मिळणाऱ्या pipx च्या साहाय्याने Aider वेगळ्या environment मध्ये स्थापित करा. त्यानंतर तुमच्या project मध्ये Aider चालवा. disconnect झाल्यानंतरही प्रक्रिया सुरू राहण्यासाठी ती tmux session मध्ये चालवा:

sudo apt install pipx
pipx ensurepath
pipx install aider-chat
tmux new -s aider
cd ~/my-project
aider

एक version संबंधी नोंद: Ubuntu 24.04 वर ही installation दाखवल्याप्रमाणे कार्य करते. Ubuntu 26.04 वर ती सध्या अयशस्वी होते, कारण Aider च्या pinned dependencies मध्ये जुनी numpy आवृत्ती आहे आणि ती Ubuntu 26.04 मधील Python 3.14 वर build होत नाही. यासाठी Aider ला स्वतःचे Python 3.12 द्या:

pipx install --python 3.12 --fetch-missing-python aider-chat

pipx फक्त Aider साठी स्वतंत्र interpreter डाउनलोड करते आणि installation पूर्ण होते. हे Aider च्या मंदावलेल्या release pace चे लक्षण आहे. यामुळे अडचण होत असल्यास, अधिक सक्रियपणे maintain केला जाणारा पर्याय म्हणून Goose निवडा.

Aider चालू झाल्यानंतर Ctrl-b आणि त्यानंतर d दाबून session पासून detach करा. तुमचा laptop बंद असला तरी agent काम सुरू ठेवेल. नंतर tmux attach -t aider वापरून पुन्हा attach करा आणि त्याने केलेले बदल पाहा. दुसऱ्या agent साठी स्वतंत्र tmux window उघडी ठेवण्यास कोणतीही अडचण नाही. दोन्ही agent Claude Code असतील, तर दोन्ही session एकमेकांना काम सोपवू शकतात आणि तुम्हाला ते हाताने relay करण्याची गरज राहत नाही. Aider तुमचे repository वाचतो, बदल सुचवतो, ते लागू करतो आणि प्रत्येक बदल commit करतो. एखादा बदल अनेक files मध्ये पसरलेला असल्यास, context साठी तो अतिरिक्त files देखील समाविष्ट करू शकतो. प्रत्येक बदल हा commit असल्याने agent ने केलेला बदल पूर्ववत करण्यासाठी साधा git revert पुरेसा असतो. त्यामुळे Aider वापरणे सुरक्षित वाटते. Goose त्याच्या documented one-line script ने स्थापित होते आणि terminal मधून त्याचप्रमाणे चालते. ते extensions द्वारे tasks हाताळते:

curl -fsSL https://github.com/aaif-goose/goose/releases/download/stable/download_cli.sh | bash

Hosted model किंवा self-hosted model

Hosted model सर्वोत्तम गुणवत्ता देतो आणि स्थानिक hardware ची गरज नसते. मात्र प्रत्येक token साठी शुल्क आकारले जाते आणि तुमचा code provider कडे पाठवला जातो. प्रत्येक turn वेळी agent संपूर्ण conversation पुन्हा पाठवतो. त्यामुळे प्रति-token खर्च बहुतेकांच्या अपेक्षेपेक्षा जलद वाढतो. लांब agent session मध्ये token वर प्रत्यक्ष किती खर्च होतो याचे Claude Code मधील विश्लेषण येथेही लागू होते, कारण Aider आणि Goose यांच्याकडूनही याच पद्धतीने शुल्क आकारले जाते. Ollama द्वारे self-hosted model वापरल्यास सर्वकाही तुमच्या server वरच राहते. Hardware ची किंमत भरल्यानंतर तो चालवण्याचा अतिरिक्त खर्च नसतो. मात्र उपयोगी ठरेल इतका चांगला coding model चालवण्यासाठी पुरेशी memory आवश्यक असते. त्यामुळे गुणवत्ता आणि सोय यांची तुलना privacy आणि खर्चाशी करावी लागते.

Self-hosted पद्धत निवडल्यास, तुमच्या server साठी कोणता model योग्य आहे हा व्यावहारिक प्रश्न असतो. त्याच वेळी context window कडे लक्ष द्या. Ollama मध्ये ती default म्हणून लहान असते आणि त्यापेक्षा मोठा मजकूर शांतपणे truncate केला जातो. Coding agent साठी याचा अर्थ त्याने नुकत्याच वाचलेल्या files prompt मधून बाहेर पडतात. num_ctx वाढवणे ही समस्या सोडवते. त्यासाठी आवश्यक असलेला मोठा KV cache देखील तुम्ही नियोजित करणार असलेल्या memory चा भाग आहे. आठ-gigabyte model अशा box वर download करण्यापूर्वी आकारमान तपासा, जो तो model धारण करू शकत नाही:

सुरक्षा: फाइल्स संपादित केल्या जातात आणि commands चालवल्या जातात

Coding agent निष्क्रिय नसतो. तो files पुन्हा लिहू शकतो आणि build व test commands चालवू शकतो. त्यामुळे तुमच्या system मध्ये बदल करू शकणाऱ्या कोणत्याही process प्रमाणे त्याच्याबाबतही काळजी घ्या. बहुतेक धोके कमी करण्यासाठी तीन सवयी पुरेशा आहेत. git repository मध्ये काम करा, जेणेकरून प्रत्येक बदलाचा मागोवा ठेवता येईल आणि तो पूर्ववत करता येईल; Aider हे तुमच्यासाठी आपोआप करतो. Agent नेहमी तुमचा सामान्य unprivileged user म्हणून चालवा, root म्हणून कधीही नाही. किमान विशेषाधिकार असलेले users हे तत्त्व पाळल्यास चुकीच्या command मुळे संपूर्ण system ला स्पर्श करता येणार नाही. तसेच स्वतःचा box hardened ठेवा, कारण coding VPS हा देखील public server असतो: key-only SSH, default-deny firewall आणि इतर आवश्यक उपाय लागू करा. OpenClaw hardening guide अधिक autonomous agent साठी हाच दृष्टिकोन वापरते. ही तत्त्वे इतर agent वरही लागू होतात.

Coding agent ला तुमच्या workflow मध्ये जोडण्यासाठी, Claude वापरून AI agent तयार करणे यात एक model तुमची tools कशी चालवतो हे दाखवले आहे. VPS वर Google's Gemini CLI चालवणे हा आणखी एक terminal पर्याय आहे. OpenHands self-host करणे हा अधिक autonomous पर्याय आहे. या क्षेत्रातील सर्वाधिक starred open project साठी आता स्वतंत्र guide उपलब्ध आहे: VPS वर OpenCode चालवणे त्याची मांडणी त्याच tmux आणि unprivileged-user pattern सह करते.

FAQ

मी सशुल्क API ऐवजी स्थानिक model वापरून coding agent चालवू शकतो का?

होय. Aider आणि Goose दोन्ही Ollama द्वारे serve केलेल्या local models सोबत काम करतात. त्यामुळे per-token खर्च न करता आणि code तुमच्या server बाहेर न पाठवता coding agent पूर्णपणे self-hosted पद्धतीने चालवता येतो. मात्र memory ही महत्त्वाची अट आहे. उपयुक्त code लिहिण्यास सक्षम model ला पुरेशी RAM किंवा VRAM लागते. त्यामुळे अंतिम निवड करण्यापूर्वी machine ची क्षमता model च्या आवश्यकतेनुसार ठरवा.

Aider किंवा Goose, मी कोणते वापरावे?

तुमचा workflow terminal- आणि git-केंद्रित असेल आणि सर्वात mature, कमी overhead असलेला पर्याय हवा असेल, तर Aider निवडा. तो प्रत्येक बदल auto-commit करतो, त्यामुळे तुमचा history पुन्हा पूर्ववत करता येतो. विस्तृत assistant, मोठे extension ecosystem आणि अनेक providers साठी support हवे असेल, तर Goose निवडा. दोन्ही terminal मधून चालतात आणि दोन्ही Ollama सोबत काम करतात. त्यामुळे VPS साठी दोन्हीपैकी कोणताही योग्य आहे.

self-hosted coding model साठी मला किती memory आवश्यक आहे?

हे model चा size आणि ते किती quantized आहे यावर अवलंबून असते. लहान quantized model काही gigabytes वर चालू शकतो. अधिक सक्षम model ला त्यापेक्षा खूप जास्त memory लागते. Long context windows मुळे ही गरज आणखी वाढते. एखादा model download करण्यापूर्वी, दिलेल्या model आणि context length साठी आवश्यक memory चा अंदाज घेण्यासाठी वरील sizing tool वापरा.

AI agent ला माझा code edit करून commands चालवू देणे सुरक्षित आहे का?

योग्य पद्धती वापरल्यास हे व्यवस्थापित करता येते. तुमचे काम git repository मध्ये ठेवा, जेणेकरून प्रत्येक edit reversible commit म्हणून उपलब्ध राहील. Agent root ऐवजी unprivileged user म्हणून चालवा आणि कोणताही public server harden करता तसे VPS harden करा. Agent ने केलेल्या commits मधील बदल अंधपणे स्वीकारू नका; त्यांचे review करा. विशेषतः agent तुमच्या system वर चालवू इच्छित असलेल्या प्रत्येक command चे परीक्षण करा.