ஆல் Claude Code-ஐ Bedrock அல்லது Vertex AI-ல் இயக்குவது
Claude Code-ஐ Amazon Bedrock அல்லது Google Vertex AI உடன் இணைக்க தேவையான environment variables மற்றும் credentials அமைப்புகளை இந்த வழிகாட்டி மூலம் விரிவாக தெரிந்துகொள்ளுங்கள்.
Claude Code உங்கள் சொந்த cloud account-ல் இயங்கும்போது ஏற்படும் மாற்றங்கள்
நீங்கள் Claude Code-ஐ Amazon Bedrock அல்லது Google Vertex AI-ல் இயக்கலாம். இதற்கு இரண்டு அல்லது மூன்று environment variables-ஐ அமைப்பதும், உங்கள் குழு ஏற்கனவே பயன்படுத்தும் cloud credentials-ஐ வழங்குவதும் மட்டுமே போதுமானது. CLI, subagents, hooks, skills, MCP servers மற்றும் உங்கள் CLAUDE.md கோப்புகள் என அனைத்தும் உள்ளூர் அளவில் அதேபோலவே செயல்படும். model அழைப்பு மட்டுமே மாறுகிறது; அதனுடன் நான்கு விஷயங்கள் மாறுகின்றன: கோரிக்கை செல்லும் network, அதற்கான கட்டணத்தைச் செலுத்தும் account, நீங்கள் பயன்படுத்த அனுமதிக்கப்பட்ட Claude models, மற்றும் server-side-ல் கிடைக்கும் அம்சங்கள்.
இது வேலை செய்யுமா என்பது கேள்வியே அல்ல. இது நிச்சயமாக வேலை செய்யும். அந்த நான்கில் எதற்கு நீங்கள் அதிக முக்கியத்துவம் அளிக்கிறீர்கள் என்பதே கேள்வி.
மூன்று வகையான ரூட்டிங் முறைகள் மற்றும் அவற்றின் செலவுகள்
சந்தாவுடன் கூடிய Anthropic நேரடி அணுகல். நீங்கள் Pro, Max, Team அல்லது Enterprise திட்டத்தில் claude.ai கணக்கு மூலம் உள்நுழைகிறீர்கள். கோரிக்கைகள் Anthropic-ன் API-க்குச் செல்கின்றன. நீங்கள் ஒரு பயனர் இடத்திற்கு (seat) கட்டணம் செலுத்துகிறீர்கள், பயன்பாடு டோக்கன் அடிப்படையில் கணக்கிடப்படாமல், திட்டத்தின் வரம்புகளுக்கு உட்பட்டது. Claude Code, மொபைல் ஆப், டெஸ்க்டாப் மற்றும் ரிமோட் கண்ட்ரோல் போன்ற கணக்கின் மேல் கட்டமைக்கப்பட்ட தளங்களை அணுகக்கூடிய ஒரே ரூட்டிங் முறை இதுவாகும். குழுக்களுக்கு, Claude Enterprise திட்டம் கூடுதல் வசதியாக சிங்கிள் சைன்-ஆன் (SSO) மற்றும் நிர்வகிக்கப்பட்ட கொள்கை அமைப்புகளை வழங்குகிறது.
API கீ (key) மூலம் Anthropic நேரடி அணுகல். நீங்கள் Anthropic Console-ல் ஒரு கீ-ஐ உருவாக்கி, டோக்கன் அடிப்படையில் கட்டணம் செலுத்துகிறீர்கள். சந்தா முறைக்கு உள்ள அதே உள்கட்டமைப்பு மற்றும் அதே பிராந்தியங்கள் இதற்கும் பொருந்தும். இதில் பயனர் இடங்கள் (seat) கிடையாது, பயன்பாடு Anthropic-ன் சொந்த டேஷ்போர்டில் காட்டப்படும். இந்த இரண்டில் எது மலிவானது என்பது, ஏஜென்ட் ஒரு நாளில் எத்தனை மணிநேரம் இயங்குகிறது என்பதைப் பொறுத்தது. இதுவே API மற்றும் சந்தா செலவு ஒப்பீடு மற்றும் Claude Code-ன் நடைமுறைச் செலவுகள் ஆகியவற்றின் முக்கியப் பொருளாகும்.
Bedrock அல்லது Vertex-ல் உள்ள மூன்றாம் தரப்பு எண்ட்-பாயிண்ட் (endpoint). உங்கள் சொந்த AWS அல்லது Google Cloud கணக்கு மூலம் மாடல் இயங்குகிறது. இன்பரன்ஸ் (inference) நேரத்தில் Anthropic கோரிக்கை பாதையில் இருப்பதில்லை. டோக்கன்களுக்கான கட்டணம், நீங்கள் ஏற்கனவே பயன்படுத்தும் IAM (identity and access management) கொள்கைகள் மற்றும் தணிக்கை பதிவுகளின் கீழ், உங்கள் வழக்கமான பில்லில் சேர்க்கப்படும். Microsoft Foundry மற்றும் AWS-ல் உள்ள Claude Platform என மேலும் இரண்டு மூன்றாம் தரப்பு விருப்பங்கள் உள்ளன. இவை அனைத்தும் ஒரே மாதிரியானவை: ஒரு என்விரான்மென்ட் வேரியபிள் (environment variable) மூலம் சேவை வழங்குநரைத் தேர்ந்தெடுக்கலாம், உங்கள் கிளவுட் கணக்கின் மூலம் கட்டணம் செலுத்தப்படும்.
பெயரிடல் குறிப்பு, ஆகஸ்ட் 2026 நிலவரப்படி: Google தனது Vertex AI-ஐ Google Cloud's Agent Platform என மறுபெயரிட்டுள்ளது. Anthropic-ன் ஆவணங்கள் புதிய பெயரைப் பயன்படுத்துகின்றன, ஆனால் Claude Code உள்நுழைவுத் திரையில் இன்னும் Google Vertex AI என்றே உள்ளது, மேலும் என்விரான்மென்ட் வேரியபிள்கள் இன்னும் VERTEX என்றே குறிப்பிடப்படுகின்றன.
Data residency என்பதே இதற்கான உண்மையான காரணம்
Bedrock-ல், நீங்கள் தேர்ந்தெடுக்கும் AWS region-ல் உள்ள உங்கள் சொந்த account-க்குள் இருக்கும் Bedrock endpoint-க்கு கோரிக்கைகள் செல்கின்றன. சேமிப்பில் உள்ள தரவு (Data at rest) AWS-managed keys மூலம் AES-256 தரத்தில் குறியாக்கம் (encrypt) செய்யப்படுகிறது; AWS KMS (key management service) மூலம் உங்கள் சொந்த key-ஐயும் நீங்கள் பயன்படுத்தலாம். Vertex-ல் இதற்கு இணையான Google-managed encryption keys வசதி உள்ளது, மேலும் CMEK (customer-managed encryption keys) வசதியும் கிடைக்கிறது. அணுகல் உரிமைகள் நீங்கள் ஏற்கனவே பயன்படுத்தும் IAM roles மூலம் நிர்வகிக்கப்படுகின்றன, மேலும் இந்த அழைப்புகள் மற்ற API அழைப்புகளைப் போலவே CloudTrail அல்லது Cloud Audit Logs-ல் பதிவாகின்றன. ஒழுங்குமுறைக்கு உட்பட்ட குழுக்களுக்கு, இதுவே முழுமையான வாதமாகும், இது ஒரு வலுவான வாதமும் கூட.
சந்தைப்படுத்தல் கூறுவதை விட, இரண்டு விவரங்கள் இதை முழுமையானதாக இருக்க விடாமல் செய்கின்றன.
ஒரு cross-region inference profile என்பது ஒரே ஒரு region கிடையாது. Bedrock-ல், Claude Code அதன் உள்ளமைக்கப்பட்ட default மாதிரிகளை cross-region inference profile ID-களாக மாற்றுகிறது. அது தேர்ந்தெடுக்கும் region-ஐப் பொறுத்து அதன் முன்னொட்டு (prefix) அமையும்: us. ஒரு us-* region-லும், eu. ஒரு eu-* region-லும், apac. ஒரு ap-* region-லும், மற்றும் us-gov. GovCloud-லும் இருக்கும். ஒரு cross-region profile அந்த புவியியல் எல்லைக்குள் இருக்கும் மற்றொரு region-லிருந்து கோரிக்கையை நிறைவேற்ற முடியும், எனவே உங்களுக்குக் கிடைக்கும் உத்தரவாதம் ஒரு குறிப்பிட்ட நகரத்திற்கு அல்ல, அந்த புவியியல் பகுதிக்கு மட்டுமே. உங்கள் தேவை ஒரு குறிப்பிட்ட region-ஐ மட்டும் குறிப்பதாக இருந்தால், நீங்கள் கட்டுப்படுத்தும் application inference profile வழியாக routing செய்து, ANTHROPIC_MODEL-ஐ அதன் ARN-க்கு அமைக்கவும்.
சில போக்குவரத்து (traffic) இன்னும் Anthropic-க்குச் செல்கிறது, ஆனால் அதில் உங்கள் குறியீடு (code) இருக்காது. Telemetry, error reporting மற்றும் /feedback கட்டளை ஆகியவை Bedrock மற்றும் Vertex இரண்டிலும் இயல்பாகவே (default) முடக்கப்பட்டிருக்கும். மேலும், /feedback எதையும் பதிவேற்றுவதற்குப் பதிலாக, உங்கள் கணினியில் ~/.claude/feedback-bundles/-ன் கீழ் ஒரு காப்பகத்தை (archive) உருவாக்குகிறது. ஒவ்வொரு வழங்குநரிடமும் (provider) இரண்டு விதிவிலக்குகள் உள்ளன. ஒரு URL-ஐப் பெறுவதற்கு முன்பு, WebFetch கருவி hostname-ஐ மட்டும், அதாவது hostname-ஐ மட்டுமே, api.anthropic.com-க்கு அனுப்பி பாதுகாப்பு blocklist-ஐச் சரிபார்க்கும். அமர்வுத் தரக் கணிப்பு (Session quality) ஆய்வுகளும் இன்னும் தோன்றும். உங்கள் settings கோப்பில் skipWebFetchPreflight மூலம் முதல் விருப்பத்தையும், CLAUDE_CODE_DISABLE_FEEDBACK_SURVEY=1 மூலம் இரண்டாவது விருப்பத்தையும் முடக்கலாம், அல்லது CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC மூலம் அவசியமற்ற அனைத்து போக்குவரத்தையும் ஒரே நேரத்தில் முடக்கலாம்.
பயிற்சி (training) குறித்து: வணிக ரீதியான விதிமுறைகளின்படி, Claude Code வழியாக அனுப்பப்படும் குறியீடு அல்லது தூண்டுதல்களை (prompts) வைத்து Anthropic மாதிரிகளுக்குப் பயிற்சி அளிப்பதில்லை, மேலும் மூன்றாம் தரப்பு தளப் பயன்பாடு வணிக ரீதியானது. பயிற்சிக்கு அனுமதி அளிக்கும் Development Partner Program, Bedrock அல்லது Vertex பயனர்களுக்கு வழங்கப்படுவதில்லை. இந்த endpoint-களில் தரவு சேமிப்பு (data retention) என்பது AWS அல்லது Google உடனான உங்கள் ஒப்பந்தத்தைப் பொறுத்தது.
Claude Code-ஐ Amazon Bedrock-உடன் இணைத்தல்
ஒவ்வொரு AWS account-க்கும், client configuration-க்கு முன்பாக இரண்டு விஷயங்கள் செய்யப்பட வேண்டும். Amazon Bedrock console-ஐத் திறந்து, model catalog-லிருந்து ஒரு Anthropic model-ஐத் தேர்ந்தெடுத்து, use case படிவத்தைச் சமர்ப்பிக்கவும்: சமர்ப்பித்த உடனேயே access வழங்கப்படும். அதன் பிறகு, Claude Code மேற்கொள்ளும் அழைப்புகளை அனுமதிக்கும் ஒரு IAM policy-ஐ இணைக்கவும்.
bedrock:InvokeModelbedrock:InvokeModelWithResponseStreambedrock:ListInferenceProfilesbedrock:GetInferenceProfile
உங்கள் account எந்தெந்த model-களை உண்மையில் இயக்க முடியும் என்பதை startup-ல் சரிபார்க்க Claude Code-க்கு ListInferenceProfiles உதவுகிறது. GetInferenceProfile, ஒரு application inference profile ARN-ஐ அதன் பின்னணியில் உள்ள foundation model-ஆக மாற்ற உதவுகிறது, இதன் மூலம் சரியான request வடிவம் தேர்ந்தெடுக்கப்படுகிறது. இது இல்லையென்றால், request-கள் வெற்றி பெறும், ஏனெனில் Claude Code மற்ற வடிவத்தைப் பயன்படுத்தி ஒருமுறை மீண்டும் முயற்சிக்கும். இதன் அறிகுறி, பிழை அல்ல, மாறாக ஒவ்வொரு புதிய model-க்கும் ஒரு கூடுதல் round trip ஏற்படுவது மட்டுமே.
Client-க்கான மிக விரைவான வழி wizard-ஐப் பயன்படுத்துவதாகும். claude-ஐ இயக்கவும், 3rd-party platform என்பதைத் தேர்ந்தெடுத்து, பின் Amazon Bedrock என்பதைத் தேர்ந்தெடுக்கவும், அல்லது ஏற்கனவே sign-in செய்துள்ள session-ல் /setup-bedrock என்று தட்டச்சு செய்யவும். இது உங்கள் ~/.aws directory-ல் உள்ள profile-களை வாசித்து, நீங்கள் எந்த model-களை இயக்க முடியும் என்பதைச் சரிபார்த்து, அதன் முடிவை ~/.claude/settings.json-ன் env block-ல் எழுதும், எனவே எதுவும் உங்கள் shell profile-ஐச் சார்ந்திருக்காது.
Scripted rollout-க்கு, variable-களை நீங்களே set செய்யவும்.
export CLAUDE_CODE_USE_BEDROCK=1
export AWS_REGION=us-east-1Credentials, standard AWS SDK credential chain-லிருந்து பெறப்படுகின்றன, எனவே aws CLI-க்கு ஏற்கனவே வேலை செய்யும் எதுவாக இருந்தாலும் அது இங்கும் வேலை செய்யும்: aws configure, ஒரு SSO profile, ஒரு assumed role, அல்லது ஒரு Bedrock API key.
aws sso login --profile=your-profile-name
export AWS_PROFILE=your-profile-nameexport AWS_BEARER_TOKEN_BEDROCK=your-bedrock-api-keyBearer token என்பது எளிமையான விருப்பமாகும், ஆனால் இதைக் கவனமாகக் கையாள வேண்டும், ஏனெனில் இது environment variable-ல் இருக்கும் நீண்ட காலம் செல்லுபடியாகும் secret ஆகும். பகிரப்பட்ட build box-ல், காலாவதியாகும் role-ஐப் பயன்படுத்துவது சிறந்தது. Agent-ஆல் வாசிக்கக்கூடிய மற்ற அனைத்து credential-களுக்கும் இதே தர்க்கமே பொருந்தும், இது AI agent-ன் அணுகலுக்கு வெளியே secrets-ஐ வைத்திருத்தல் என்ற தலைப்பில் விவாதிக்கப்படுகிறது.
Region சிக்கல். Claude Code இந்த வரிசையில் region-ஐத் தீர்மானிக்கிறது: AWS_REGION, பிறகு AWS_DEFAULT_REGION, பிறகு உங்கள் active AWS profile-ல் உள்ள region, இறுதியாக us-east-1. அந்த கடைசி படி ஒரு default அமைப்பே தவிர பிழை அல்ல, எனவே எந்த இடத்திலும் region-ஐ set செய்யாத ஒரு குழு, European routing-ஐ எதிர்பார்த்து, எந்த எச்சரிக்கையும் இன்றி US region-க்கு request-களை அனுப்பக்கூடும். தீர்மானிக்கப்பட்ட region மற்றும் அதன் மூலத்தைப் பார்க்க Claude Code-க்குள் /status-ஐ இயக்கவும். ஒரு region-ல் உங்கள் account எதை அழைக்க முடியும் என்பதை உறுதிப்படுத்த, aws bedrock list-inference-profiles --region your-region-ஐ இயக்கவும்.
Google Vertex AI-ல் Claude Code-ஐ இயக்குதல்
API-ஐ இயக்கி, credentials-ஐப் பெறவும்.
gcloud config set project YOUR-PROJECT-ID
gcloud services enable aiplatform.googleapis.com
gcloud auth application-default loginModel Garden-ல் உங்களுக்குத் தேவையான Claude models-க்கு அணுகல் கோரவும். அனுமதி உடனடியாகக் கிடைக்காது என்பதால், 24 முதல் 48 மணிநேரம் வரை காத்திருக்கவும். roles/aiplatform.user-க்கு அனுமதி வழங்கவும்; இது model-ஐ அழைப்பதற்கும் (invocation) token-களைக் கணக்கிடுவதற்கும் தேவையான aiplatform.endpoints.predict அனுமதியைக் கொண்டுள்ளது.
பின்பு, provider-ஐத் தேர்ந்தெடுக்கவும்.
export CLAUDE_CODE_USE_VERTEX=1
export CLOUD_ML_REGION=global
export ANTHROPIC_VERTEX_PROJECT_ID=YOUR-PROJECT-IDCLOUD_ML_REGION-க்கு global தேவைப்படுகிறது. இது eu அல்லது us போன்ற multi-region இருப்பிடமாகவோ அல்லது ஒரு குறிப்பிட்ட single region-ஆகவோ இருக்கலாம். Global endpoint சிறந்த availability-ஐ வழங்குகிறது, ஆனால் கோரிக்கை எங்கு கையாளப்படுகிறது என்பதில் குறைந்த கட்டுப்பாட்டையே அளிக்கிறது. எனவே, தரவு இருப்பிடக் கட்டுப்பாடு (residency requirement) இருந்தால், ஒரு குறிப்பிட்ட இடத்தைக் குறிப்பிடுவது அவசியம். மூன்று வடிவங்களிலும் model-களின் இருப்பு மாறுபடும். உங்களுக்குத் தேவையான ஒரு model global endpoint-ல் இல்லை என்றால், அந்த model-ஐ மட்டும் அதன் VERTEX_REGION_CLAUDE_* variable மூலம் ஒரு குறிப்பிட்ட இடத்திற்கு இணைக்கவும் (pin), மற்ற அனைத்தையும் global-ஆக விடவும். காலாவதியான பட்டியல்களை நம்புவதை விட, தற்போதைய Vertex AI locations பக்கத்தைச் சரிபார்க்கவும்.
Project trap. ANTHROPIC_VERTEX_PROJECT_ID என்பது project ID-ஐப் பெறுவதற்கான மிகக் குறைந்த முன்னுரிமை கொண்ட ஆதாரமாகும். GCLOUD_PROJECT, GOOGLE_CLOUD_PROJECT மற்றும் GOOGLE_APPLICATION_CREDENTIALS-ஆல் குறிப்பிடப்படும் credential file ஆகியவை இதற்கு அதிக முன்னுரிமை அளிக்கின்றன. இவற்றில் ஏதேனும் ஒன்று ஏற்கனவே export செய்யப்பட்ட கணினியில், கட்டணங்கள் அந்தப் project-ன் கணக்கில் சேரும்; session-ல் இதைப் பற்றிய எந்தத் தகவலும் இருக்காது.
Provider-ஐ மாற்றிய பின் சரிபார்க்கவும். /status-ஐ இயக்கவும்: API provider வரியில் Google Vertex AI என்று இருக்கும், மேலும் GCP project, Default region மற்றும் Model வரிகள் Claude Code எதை உறுதிப்படுத்தியது என்பதைக் காட்டும். Provider வரி இல்லை என்றால், variables அந்த process-க்குச் சென்றடையவில்லை என்று அர்த்தம்; ஏனெனில் அவை claude-ஐத் தொடங்கிய shell-க்கு வேறான shell-ல் export செய்யப்பட்டிருக்கலாம். அவற்றை settings file-ன் env block-க்குள் நகர்த்தவும்; இதன் மூலம் AWS_PROFILE போன்ற மதிப்புகளை நீங்கள் தொடங்கும் மற்ற அனைத்து process-களிலிருந்தும் தனித்து வைக்க முடியும்.
எந்த மாதிரிகள் உங்களுக்குக் கிடைக்கின்றன மற்றும் அவை எவ்வளவு தாமதமாக வருகின்றன
sonnet மற்றும் opus போன்ற மாற்றுப் பெயர்கள் (aliases) எப்போதும் புதிய மாதிரிகளைக் குறிப்பதில்லை. மூன்றாம் தரப்பு endpoint-களில், இவை அந்த provider-க்கான Claude Code-ன் இயல்புநிலை (default) மாதிரியையே குறிக்கும். இது தற்போதைய release-ஐ விடப் பின்தங்கியிருக்கலாம் அல்லது உங்கள் கணக்கில் செயல்படுத்தப்படாமலும் இருக்கலாம். இயல்புநிலை மாதிரி கிடைக்காதபோது, Claude Code அந்த session-க்கு முந்தைய அல்லது குறைந்த திறன் கொண்ட மாதிரிக்கு மாறிவிட்டு, ஒரு அறிவிப்பை வெளியிடும். இந்த மாற்றம் சேமிக்கப்படாது என்பதால், அடுத்த session-ல் மீண்டும் முயற்சி செய்து அதே அறிவிப்பு காட்டப்படும்.
ஒரு குழுவிற்கு rollout செய்யும்போது, குறிப்பிட்ட version-களை pin செய்யவும்.
# 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 மற்றும் உங்கள் provider-ன் catalog-லிருந்து ID-களைப் பெறவும், ஏனெனில் provider-க்கு ஏற்ப வடிவம் மாறுபடும்: Bedrock ஒரு inference profile ID அல்லது ARN-ஐ எதிர்பார்க்கிறது, Vertex ஒரு சாதாரண மாதிரிப் பெயரை எதிர்பார்க்கிறது. இந்தக் கட்டுரை உட்பட எந்தக் கட்டுரைகளிலிருந்தும் அவற்றை நகலெடுக்க வேண்டாம். மாதிரியை pin செய்வது செலவைக் கட்டுப்படுத்தவும் உதவும், ஏனெனில் இயல்புநிலை முதன்மை மாதிரி Opus-வகுப்பைச் சேர்ந்தது. Sonnet-ஐ விட Opus-க்கு token-க்கு அதிக செலவாகும் என்பதால், எதையும் pin செய்யாத deployment அதிக கட்டணத்தில் வசூலிக்கப்படும். ஒரு குறிப்பிட்ட மாதிரியை session-ன் இயல்புநிலையாக மாற்ற, ANTHROPIC_MODEL-ல் அதன் முழுமையான ID-ஐ அமைக்கவும்.
இந்த ஒப்பீட்டில் மாதிரி கிடைப்பதில் உள்ள தாமதமே மிக முக்கியமான காரணியாகும். Anthropic-ன் சொந்த API-ல் ஒரு மாதிரி வெளியிடப்பட்ட அன்றே செயல்படும். Bedrock மற்றும் Vertex-ல், உங்கள் cloud provider அதை உங்கள் region-ல் செயல்படுத்தி, உங்கள் கணக்கிற்கு அனுமதி வழங்கிய பின்னரே அது செயல்படும். இது சிறந்த சூழலில் சில நாட்கள் தாமதமாகும், சில நேரங்களில் அதைவிட அதிக காலம் ஆகலாம். ஏதேனும் பணி புதிய மாதிரியில் இயங்க வேண்டும் என்றால், அதை அணுகக்கூடிய ஒரு routing-ஐ வைத்திருக்கவும். வெவ்வேறு பணிகளுக்கு வெவ்வேறு மாதிரிகளை routing செய்வது இதற்கான நடைமுறைத் தீர்வாகும்.
Bedrock மற்றும் Vertex-ல் நீங்கள் இழப்பவை
உள்ளூர் அளவில் இயங்கும் அனைத்தும் அனைத்து provider-களிலும் வேலை செய்யும்: subagents, hooks, slash commands, skills, plugins, checkpoints, sandboxing, நிர்வகிக்கப்படும் settings file மற்றும் OpenTelemetry metrics. குறைபாடுகள் அனைத்தும் server-side-ல் மட்டுமே உள்ளன.
இரண்டு endpoints-லும் கிடைக்காதவை: fast mode, Advisor, Channels, cross-session messaging, analytics dashboard மற்றும் server-managed settings. claude.ai கணக்கு தேவைப்படும் எவையும் கிடைக்காது; இதில் web-ல் உள்ள Claude Code, mobile app, Desktop, Remote Control, routines மற்றும் artifacts ஆகியவை அடங்கும்.
Bedrock-ல் மட்டும்: WebSearch tool அங்கு இல்லை, எனவே Bedrock-க்கு அனுப்பப்படும் session-ல் Claude-ஆல் தேடலை இயக்க முடியாது. நீங்கள் URL-ஐ வழங்கினால், WebFetch மூலம் ஒரு பக்கத்தை அதனால் படிக்க முடியும். Vertex-ல் web search வேலை செய்யும், இது Claude 4 generation models மற்றும் அதற்குப் பிந்தையவற்றுக்கு பொருந்தும்.
இரண்டிலும் பகுதி அளவு கிடைப்பவை: auto mode புதிய மாடல்களின் குறிப்பிட்ட தொகுப்பில் மட்டுமே இயங்கும், மேலும் /loop-க்கு ஒரு குறிப்பிட்ட interval தேவைப்படுகிறது, ஏனெனில் அது தானாகவே ஒன்றைத் தேர்ந்தெடுக்க முடியாது. உங்கள் குழுவிடம் ஒரு வசதியை உறுதிப்படுத்தும் முன் Anthropic-ன் feature availability பக்கத்தைச் சரிபார்க்கவும், ஏனெனில் இந்த பட்டியல் அவ்வப்போது மாறக்கூடியது.
கட்டணம் யாருடைய கணக்கில் சேரும்
Subscription மற்றும் third-party endpoint ஆகிய இரண்டும் தனித்தனி கொள்முதல்கள் ஆகும். ஒன்று மற்றொன்றுக்கு மாற்றாகாது.
இதை தெளிவாகக் குறிப்பிடுவது அவசியம், ஏனெனில் இந்தத் தவறு அமைதியாக நடக்கும். நீங்கள் Max seat-ல் உள்நுழைந்திருக்கும் ஒரு கணினியில் CLAUDE_CODE_USE_BEDROCK=1-ஐ அமைத்தால், ஒவ்வொரு token-க்கும் AWS, Bedrock-ன் கட்டண விகிதங்களின்படி கட்டணம் வசூலிக்கும். அந்த seat-க்கான மாதாந்திரக் கட்டணம் தொடர்ந்து வசூலிக்கப்படும், ஆனால் அது அந்த network traffic-க்கு எந்தப் பங்களிப்பையும் வழங்காது. இதில் ஒருங்கிணைந்த பார்வை (combined view) எதுவும் இல்லை: செலவுகள் AWS Cost Explorer அல்லது Google Cloud Billing-க்குச் சென்றுவிடும், மேலும் Anthropic analytics dashboard எந்த provider-இடமும் கிடைக்காது. /logout கட்டளையும் மறைந்துவிடும், ஏனெனில் முடிப்பதற்கு அங்கே Anthropic session எதுவும் இருக்காது. அந்த credential-தான் cloud credential ஆகும்.
கட்டண விகிதங்கள் அந்தந்த provider-ன் பக்கத்திலேயே இருக்கும் மற்றும் அவை மாறக்கூடியவை, எனவே ஏதேனும் கட்டுரையில் உள்ள எண்களை நம்புவதை விட Amazon Bedrock pricing அல்லது Vertex AI pricing-ஐப் பார்க்கவும். ஒரு கட்டமைப்பு அம்சம் மாறாது: இந்த endpoint-களில் நீங்கள் per-token inference-க்குத்தான் பணம் செலுத்துகிறீர்கள், எனவே நாள் முழுவதும் இயங்கும் ஒரு agent-க்கு எவ்வளவு செலவாகுமோ அவ்வளவுதான் வசூலிக்கப்படும், அதைத் தடுக்க எந்தவொரு plan cap-உம் கிடையாது.
ஒவ்வொரு routing முறையிலும் Rate limits மற்றும் quotas மாறுபடுகின்றன
Subscription முறையில், வரம்புகள் கணக்கிற்கு உரியவை, குறிப்பிட்ட கால இடைவெளியில் அவை reset செய்யப்படும், வரம்பை எட்டினால் காத்திருக்க வேண்டும். இந்த செயல்பாடு usage limits எவ்வாறு செயல்படுகின்றன என்பதில் விளக்கப்பட்டுள்ளது.
Anthropic API key முறையில், வரம்புகள் நிறுவனத்திற்கு உரியவை, இவை நிமிடத்திற்கு எத்தனை requests மற்றும் tokens என்பதைப் பொறுத்து அமையும், மேலும் உங்கள் பயன்பாட்டு நிலையைப் (usage tier) பொறுத்து இவை அதிகரிக்கும்.
Bedrock மற்றும் Vertex ஆகியவற்றில், வரம்புகள் என்பவை cloud quotas ஆகும். இவை ஒவ்வொரு கணக்கு அல்லது project, ஒவ்வொரு model மற்றும் ஒவ்வொரு region ஆகியவற்றிற்கு உட்பட்டவை; இவை எந்தவொரு Anthropic திட்டத்துடனும் தொடர்புடையவை அல்ல. 429 error என்பது அந்த region-ல் உள்ள குறிப்பிட்ட model-க்கான ஒதுக்கீட்டை (quota) உங்கள் கணக்கு எட்டிவிட்டது என்று பொருள். எனவே, இதற்கு அந்தந்த provider-ன் console-ல் தான் தீர்வு காண வேண்டும்: ஒதுக்கீட்டை அதிகரிக்கக் கோரவும் அல்லது கூடுதல் வசதி உள்ள இடத்திற்கு மாறவும். Bedrock, flat request count-க்கு பதிலாக token burndown விதியின் அடிப்படையில் ஒதுக்கீட்டைக் கணக்கிடுகிறது, மேலும் reserved capacity என்பது provisioned throughput ஆக வாங்கப்படுகிறது. Vertex-ல், 429 error என்பது பெரும்பாலும் உங்கள் single-region endpoint-ஆல் primary model மற்றும் சிறிய fast model ஆகிய இரண்டையும் ஒரே நேரத்தில் கையாள முடியவில்லை என்பதைக் குறிக்கிறது, இதனால்தான் CLOUD_ML_REGION=global என்பது ஆவணப்படுத்தப்பட்ட தொடக்கப் புள்ளியாக உள்ளது. Google-ன் quotas பக்கம் ஒதுக்கீடு அதிகரிப்பு கோரிக்கையைப் பற்றி விளக்குகிறது.
தோல்வி முறைகள் மற்றும் நீங்கள் காணும் செய்திகள்
Could not load the default credentials, Vertex-ல். Application Default Credentials விடுபட்டுள்ளன அல்லது காலாவதியாகிவிட்டன. gcloud auth application-default login-ஐ இயக்கவும், அல்லது GOOGLE_APPLICATION_CREDENTIALS-ஐ ஒரு service account key கோப்பிற்குச் சுட்டிக்காட்டவும்.
Vertex-ல், மாதிரியின் பெயரைத் தெரிவிக்கும் 404 பிழை. அந்தத் திட்டத்திற்கு Model Garden-ல் மாதிரி (model) செயல்படுத்தப்படவில்லை, அல்லது நீங்கள் அமைத்த இடத்தில் அது வழங்கப்படவில்லை. சில மாதிரிகள் global endpoint-ல் அல்லது eu போன்ற multi-region இடங்களில் மட்டுமே வழங்கப்படும், குறிப்பிட்ட பிராந்தியத்தில் வழங்கப்படாது.
on-demand throughput isn't supported, Bedrock-ல். inference profile மூலம் மட்டுமே வழங்கப்படும் ஒரு மாதிரிக்கு, நீங்கள் வெறும் foundation model ID-ஐ வழங்கியுள்ளீர்கள். அதற்குப் பதிலாக inference profile ID-ஐப் பயன்படுத்தவும்.
AWS default-chain credential resolve timed out. AWS credential சங்கிலியில் ஒரு படி தடைபட்டுள்ளது, பெரும்பாலும் இது ஒரு credential_process helper, தனக்குக் கிடைக்காத உள்ளீட்டிற்காகக் காத்திருப்பதால் நிகழ்கிறது. சங்கிலியின் ஒவ்வொரு தீர்வும் 60 வினாடிகளுக்குப் பிறகு காலாவதியாகிவிடும். உங்கள் சங்கிலிக்கு நீண்ட நேரம் தேவைப்பட்டால், உதாரணமாக MFA (multi-factor authentication) கொண்ட browser SSO flow, CLAUDE_CODE_AWS_CHAIN_RESOLVE_TIMEOUT_MS மூலம் மில்லி விநாடிகளில் கால வரம்பை அதிகரிக்கவும்.
Bedrock streaming response has content-type தொடங்குவதில் பிழை. Claude Code மற்றும் Bedrock-க்கு இடையில் ஏதோ ஒன்று stream-ஐ மாற்றியமைக்கிறது. Bedrock, application/vnd.amazon.eventstream என்ற content type கொண்ட binary event-stream வடிவில் தரவை அனுப்புகிறது. எனவே, அதை server-sent events-ஆக மீண்டும் அனுப்பும் ஒரு gateway, Claude Code-ஆல் புரிந்துகொள்ள முடியாத ஒரு body-ஐத் திருப்பித் தருகிறது. அந்த gateway, response body மற்றும் அதன் Content-Type header-ஐ மாற்றாமல் கடந்து செல்லுமாறு சரிசெய்யவும்.
AWS SSO-வின் போது browser tabs சுழற்சியில் திறத்தல். ஒரு corporate VPN அல்லது TLS-inspecting proxy உள்நுழைவைத் தடுக்கிறது. Claude Code இந்தத் துண்டிக்கப்பட்ட இணைப்பை authentication தோல்வியாகக் கருதி, awsAuthRefresh கட்டளையை மீண்டும் மீண்டும் இயக்குகிறது. உங்கள் settings கோப்பிலிருந்து awsAuthRefresh-ஐ நீக்கிவிட்டு, Claude Code-ஐத் தொடங்குவதற்கு முன் aws sso login-ஐ நீங்களே கைமுறையாக இயக்கவும்.
Routing-ஐத் தேர்ந்தெடுத்தல்
புதிய மாடல்கள் அறிமுகமாகும் நாளிலேயே அவற்றைப் பயன்படுத்தவும், முழுமையான அம்சங்களைப் பெறவும் விரும்பினால் Anthropic direct-ஐத் தேர்ந்தெடுக்கவும். இடங்களை (seats) வாங்காமல், பயன்படுத்தும் token-களுக்கு மட்டும் கட்டணம் செலுத்த விரும்பினால் API key-ஐத் தேர்ந்தெடுக்கவும். ஏற்கனவே நீங்கள் நிர்வகிக்கும் cloud account-க்குள்ளேயே inference நடைபெற வேண்டும் என்று தேவைப்பட்டால், Bedrock அல்லது Vertex-ஐத் தேர்ந்தெடுக்கவும்; இதற்காக மாடல் pipeline மெதுவாக இருப்பதையும், அம்சங்கள் குறைவாக இருப்பதையும் நீங்கள் ஏற்றுக்கொள்ள வேண்டும். Amazon Bedrock மற்றும் Google Vertex AI ஆகியவற்றிற்கான Anthropic-ன் சொந்த setup பக்கங்களை bookmark செய்து வைத்துக்கொள்வது பயனுள்ளது. மேலும், AWS-ன் models by region பட்டியலையும் சரிபார்க்கவும்.
இந்த மூன்றில் எதைத் தேர்ந்தெடுத்தாலும், agent எங்கு இயங்குகிறது என்பதில் மாற்றம் இருக்காது. Claude Code என்பது உங்கள் கோப்புகளை வாசித்து, கட்டளைகளை இயக்கும் ஒரு local process ஆகும்; எந்த endpoint பதிலளித்தாலும் இதுவே நடக்கும். இதனால்தான், லேப்டாப்பிற்குப் பதிலாக வேறு எங்காவது இதை இயக்க விரும்பும் குழுக்கள், coding agent-ஐ ஒரு VPS-ல் நிறுவி, அதே variables-ஐ அங்கு export செய்கிறார்கள்.
FAQ
எனது Claude சந்தா, Bedrock அல்லது Vertex-ல் Claude Code-க்கான கட்டணத்தை உள்ளடக்குமா?
இல்லை. Pro, Max, Team அல்லது Enterprise சந்தா மற்றும் மூன்றாம் தரப்பு endpoint ஆகிய இரண்டும் தனித்தனி கொள்முதல்கள்; ஒன்று மற்றொன்றை ஈடுசெய்யாது. CLAUDE_CODE_USE_BEDROCK=1 அல்லது CLAUDE_CODE_USE_VERTEX=1 அமைக்கப்பட்டிருக்கும்போது, ஒவ்வொரு token-ம் AWS அல்லது Google Cloud மூலம் அவற்றின் கட்டண விகிதத்தில் கணக்கிடப்பட்டு அந்த cloud bill-ல் சேர்க்கப்படும். அதே நேரத்தில், சந்தாவுக்கான மாதாந்திரக் கட்டணம் அது உள்ளடக்கும் சேவைகளுக்காகத் தொடர்ந்து வசூலிக்கப்படும். Anthropic analytics dashboard இந்த providers-ல் கிடைக்காது என்பதால், செலவு கண்காணிப்பு AWS Cost Explorer அல்லது Google Cloud Billing-க்கு மாறிவிடும்.
Amazon Bedrock-ல் Claude Code எனது கோரிக்கைகளை எந்த region-க்கு அனுப்புகிறது?
அது தீர்மானித்த region-க்கு அனுப்பும்; இதை /status மூலம் நீங்கள் பார்க்கலாம். Claude Code முதலில் AWS_REGION-ஐச் சரிபார்க்கும், பிறகு AWS_DEFAULT_REGION, அதன் பின் உங்கள் active AWS profile-ல் உள்ள region-ஐச் சரிபார்க்கும். இவை எதுவும் அமைக்கப்படவில்லை எனில், us-east-1-க்குத் திரும்பும். அதன் உள்ளமைக்கப்பட்ட default மாதிரிகள், அந்த region-ன் prefix-ஐப் பின்பற்றும் cross-region inference profiles-க்குத் தீர்மானிக்கப்படும் (உதாரணமாக us. அல்லது eu.). ஒரு cross-region profile, அதே புவியியல் எல்லைக்குள் இருக்கும் மற்றொரு region-லிருந்து கோரிக்கையை நிறைவேற்ற முடியும். ஒரு குறிப்பிட்ட region கட்டாயம் தேவை எனில், நீங்கள் நிர்வகிக்கும் application inference profile-ஐப் பயன்படுத்தி, ANTHROPIC_MODEL-ல் அதன் ARN-ஐ அமைக்கவும்.
எனது Bedrock அல்லது Vertex கணக்கில் ஏன் புதிய Claude மாதிரி இல்லை?
ஒவ்வொரு cloud provider-ம் அதன் சொந்த கால அட்டவணைப்படி மாதிரிகளை இயக்குவதே இதற்குக் காரணம்; அதற்கும் மேலாக உங்கள் கணக்கிற்கு அனுமதி வழங்கப்பட வேண்டும். Vertex-ல் நீங்கள் Model Garden மூலம் அணுகல் கோர வேண்டும், இதற்கு ஒப்புதல் கிடைக்க 24 முதல் 48 மணிநேரம் ஆகலாம். அதுவரை, sonnet மற்றும் opus போன்ற aliases அந்த provider-க்கான Claude Code-ன் default மாதிரிக்குத் தீர்மானிக்கப்படும். அந்த default மாதிரி உங்கள் கணக்கில் இல்லை எனில், Claude Code அந்த session-க்கு முந்தைய அல்லது குறைந்த திறன் கொண்ட மாதிரிக்குத் திரும்பி, ஒரு அறிவிப்பைக் காட்டும். ANTHROPIC_DEFAULT_SONNET_MODEL மற்றும் அதன் தொடர்புடையவற்றை, நீங்கள் உறுதிப்படுத்திய enabled IDs-க்கு மாற்றவும்.
Amazon Bedrock-ல் Claude Code-ல் இணையத் தேடல் (web search) வசதி உள்ளதா?
இல்லை. WebSearch கருவி Bedrock-ல் கிடைக்காது, எனவே அங்கு இயங்கும் session-ல் Claude-ஆல் தேடலை நடத்த முடியாது. நீங்கள் URL-ஐ வழங்கினால், WebFetch மூலம் ஒரு குறிப்பிட்ட பக்கத்தை அதனால் படிக்க முடியும். Google Vertex AI-ல் இணையத் தேடல் வேலை செய்யும் (Claude 4 generation மாதிரிகள் மற்றும் அதற்குப் பிந்தையவற்றுக்கு). இது Vertex-க்கு சாதகமான சில செயல்பாட்டு வேறுபாடுகளில் ஒன்றாகும்.
Bedrock அல்லது Vertex-ல் Claude Code-ஐ இயக்க எனக்கு Anthropic கணக்கு தேவையா?
இல்லை. உங்கள் AWS அல்லது Google Cloud credential-தான் அங்கீகாரம் (authentication). இதனால்தான் /logout இந்த இரண்டு providers-லும் கிடைக்காது. நீங்கள் எந்த provider-ஐப் பயன்படுத்தினாலும், Anthropic-டனான ஒரு தொடர்பு மட்டும் தொடரும்: ஒரு URL-ஐப் பெறுவதற்கு முன்பு, WebFetch கருவி அந்த hostname-ஐ மட்டும் api.anthropic.com-க்கு அனுப்பி, அது பாதுகாப்புத் தடைப் பட்டியலில் (safety blocklist) உள்ளதா என்று சரிபார்க்கும். இதை முடக்க உங்கள் settings file-ல் skipWebFetchPreflight-ஐ அமைக்கவும். Claude எந்தெந்த domains-ஐ அணுகலாம் என்பதைக் கட்டுப்படுத்த விரும்பினால், அதை WebFetch அனுமதி விதிகளுடன் (permission rules) இணைக்கவும்.