Claude اور VPS کے ساتھ AI agent کیسے بنائیں

Claude کے ساتھ ایجنٹ بنانے کا مطلب

Claude کے ساتھ ایجنٹ بنانے کا مطلب یہ ہے کہ آپ Claude کو reasoning core کے طور پر استعمال کریں جبکہ loop، tools، اور data آپ کے اپنے server پر موجود ہوں۔ Claude فیصلہ کرتا ہے کہ کیا کرنا ہے؛ آپ کا VPS اسے عمل میں لاتا ہے۔ آپ Claude کو task اور current state بھیجتے ہیں، Claude جواب دیتا ہے یا کسی tool کو استعمال کرنے کی درخواست کرتا ہے، آپ کا code tool کو चला کر نتیجہ واپس بھیجتا ہے، اور یہ loop تب تک جاری رہتا ہے جب تک کام مکمل نہ ہو جائے۔ Intelligence ایک service ہے جسے آپ internet کے ذریعے call کرتے ہیں۔ اس کے ارد گرد کی تمام چیزیں آپ کی ہوتی ہیں۔

یہ تقسیم ہی اس کی خاصیت ہے۔ آپ کو model چلائے بغیر frontier-level reasoning ملتی ہے، اور آپ کا agent کن چیزوں کو touch کر سکتا ہے اس پر آپ کا مکمل کنٹرول رہتا ہے، کیونکہ tools اس hardware پر چلتے ہیں جو آپ کا ہے۔ اگر آپ پہلے ہی Claude کا کوئی program بنا چکے ہیں، تو first Claude app on a VPS guide اس بنیاد کو کور کرتا ہے جس پر یہ guide بنی ہے۔

Claude دماغ ہے: Messages API

Claude کے ہر call کے لیے ایک ہی endpoint استعمال ہوتا ہے، Messages API۔ آپ اب تک کی conversation اور tools کی list بھیجتے ہیں جنہیں agent استعمال کر سکتا ہے؛ Claude اپنا اگلا message واپس بھیجتا ہے۔ وہ message یا تو حتمی جواب ہوتا ہے یا کسی tool کو call کرنے کی درخواست۔ build-it-yourself طریقے کے لیے کوئی الگ "agent API" نہیں ہے: tool use اس واحد endpoint کا ایک feature ہے، اور اس کے گرد loop چلانا آپ کا کام ہے۔

Calls کے درمیان Claude stateless ہوتا ہے، جس کا مطلب ہے کہ اسے خود سے کچھ یاد نہیں رہتا۔ ہر request میں پوری conversation شامل ہوتی ہے۔ آپ کا code history رکھتا ہے اور ہر turn پر اسے بھیجتا ہے، اسی وجہ سے why each turn in a long session costs more tokens than the last۔ یہ کوئی limitation نہیں بلکہ ایک design choice ہے: کیونکہ state آپ کے server پر ہوتی ہے، اس لیے آپ خود فیصلہ کرتے ہیں کہ Claude کیا دیکھے گا، اور task کے بارے میں کوئی بھی چیز ایسی جگہ store نہیں ہوتی جہاں آپ کا کنٹرول نہ ہو۔

Tool use ہی agent loop ہے

Claude کے ساتھ agent loop کو بیان کرنا آسان ہے۔ آپ ایک request بھیجتے ہیں جس میں آپ کے tools شامل ہوتے ہیں۔ Claude task پڑھتا ہے اور اگر اسے عمل کرنے کی ضرورت ہو، تو وہ tool-use request کے ساتھ جواب دیتا ہے جس میں tool کا نام اور اس کے inputs ہوتے ہیں۔ آپ کا code اس tool کو चला کر نتیجہ اگلے request میں Claude کو واپس بھیجتا ہے۔ Claude نتیجہ پڑھتا ہے اور یا تو کسی اور tool کے لیے پوچھتا ہے یا اپنا حتمی جواب لکھتا ہے۔ جب وہ tools کے لیے پوچھنا بند کر دیتا ہے، تو task مکمل ہو جاتا ہے۔

آپ اس loop کو چند lines میں خود لکھ سکتے ہیں، اور بہت سے لوگ ایسا ہی کرتے ہیں، کیونکہ اسے دیکھنا اور کنٹرول کرنا آسان ہے۔ Official SDKs ایک tool runner بھی فراہم کرتے ہیں جو آپ کے لیے loop چلاتا ہے: آپ tool functions فراہم کرتے ہیں، اور SDK Claude کو call کرنے، آپ کے tools چلانے، اور Claude کے مکمل ہونے تک نتائج واپس بھیجنے کے عمل کو سنبھالتا ہے۔ دونوں صورتوں میں ڈھانچہ ایک ہی ہے۔ Runner صرف آپ کو خود loop لکھنے سے بچاتا ہے۔

بنانے کے تین طریقے، اور VPS کے لیے کون سے موزوں ہیں

Claude agent بنانے کے تین طریقے ہیں، اور وہ اس میں مختلف ہیں کہ آپ کو کتنا machinery چلانی پڑتی ہے۔

پہلا طریقہ آپ کا اپنا code ہے جو آپ کے اپنے tools کے ساتھ Claude API کو call کرتا ہے۔ آپ loop لکھتے ہیں، یا SDK کے tool runner کو استعمال کرتے ہیں، اور آپ یہ سب کچھ اپنے VPS پر host کرتے ہیں۔ یہ ایک عام انتخاب ہے، کیونکہ یہ آپ کو tools، data، اور security پر مکمل کنٹرول دیتا ہے، اور یہ آپ کے server پر ایک عام program کے طور پر چلتا ہے۔ اس guide کا زیادہ تر حصہ اسی راستے پر مبنی ہے۔

دوسرا طریقہ Claude Agent SDK ہے۔ یہ Claude Code ہے، جو ایک coding agent ہے، جسے ایک library کے طور پر پیک کیا گیا ہے جس پر آپ تعمیر کر سکتے ہیں۔ یہ ایک مکمل agent loop اور files پڑھنے، لکھنے، shell commands چلانے، اور search کرنے کے لیے built-in tools فراہم کرتا ہے، تاکہ آپ انہیں شروع سے نہ بنائیں۔ یہ بھی آپ کے اپنے server پر چلتا ہے، جو اسے VPS کے لیے ایک بہترین انتخاب بناتا ہے اگر آپ خود harness بنانے کے بجائے ایک با صلاحیت file-and-shell agent چاہتے ہیں۔ ایک agent جو files پڑھتا ہے اور shell commands چلاتا ہے، اسے خودکار طور پر چلنے سے پہلے containment کی ضرورت ہوتی ہے، اور running Claude Code safely on a server permission system، sandbox، اور isolation options کو کور کرتا ہے۔

تیسرا طریقہ Managed Agents ہے، جہاں Anthropic loop کو چلاتا ہے اور ایک sandbox host کرتا ہے جس میں agent کے tools execute ہوتے ہیں۔ یہ hands-off option ہے: آپ کے لیے چلانے کے لیے بہت کم کام ہوتا ہے، لیکن agent کا workspace آپ کے VPS کے بجائے Anthropic کے infrastructure پر ہوتا ہے۔ اس کا انتخاب تب کریں جب آپ کو کم سے کم operational work چاہیے ہو اور آپ کو tools اپنے machine پر چلانے کی ضرورت نہ ہو۔ باقی دو طریقوں کے لیے، آپ کا server agent کا گھر ہے، جس کے بارے میں یہ guide ہےI۔

MCP کے ساتھ tools کو کنیکٹ کرنا

آپ جو بھی راستہ چنیں، آپ agent کو حقیقی systems سے کنیکٹ کرنا چاہیں گے، اور Model Context Protocol اسے کرنے کا ایک منظم طریقہ ہے۔ MCP tools اور data کو agent کے سامنے پیش کرنے کا ایک open standard ہے۔ ہر service کے لیے الگ سے integration لکھنے کے بجائے، آپ Claude کو ایک MCP server کی طرف اشارہ کرتے ہیں جو پہلے سے ان capabilities کو tools کے طور پر پیش کرتا ہے۔ آپ MCP servers کو اسی VPS پر چھوٹے services کے طور پر چلا سکتے ہیں، جن میں صرف وہی access ہو جس کی انہیں ضرورت ہے، جس کا میں running MCP servers on a VPS میں ذکر کرتا ہوں۔

Model کا انتخاب کرنا

Claude کئی models میں دستیاب ہے، اور ایک کا انتخاب کرنا capability، speed، اور cost کے درمیان ایک توازن ہے۔ اس تحریر کے وقت تک، عام انتخاب Claude Opus 4.8 (claude-opus-4-8) ہے، جو مشکل reasoning اور طویل agent runs کے لیے ایک با صلاحیت default ہے؛ Claude Sonnet 5 (claude-sonnet-5)، ایک متوازن آپشن جو بہت سے tasks پر Opus کے قریب رہتے ہوئے سستا اور تیز ہے؛ اور Claude Haiku 4.5 (claude-haiku-4-5)، سادہ اور زیادہ volume والے steps کے لیے سب سے تیز اور سستا ہے۔ ان کے اوپر Claude Fable 5 (claude-fable-5) ہے، جو سب سے زیادہ demanding کام کے لیے سب سے با صلاحیت model ہے۔ اپنے code میں exact model identifier استعمال کریں، بغیر کسی date کے۔

ایک عملی طریقہ ان کا مکس استعمال کرنا ہے۔ ایک سستے model کو routine tool calls سنبھالنے دیں اور ایک طاقتور model کو مشکل فیصلوں کے لیے استعمال کریں۔ چونکہ model آپ کی request میں صرف ایک string ہے، اس لیے اسے تبدیل کرنا صرف ایک line کا کام ہے، اس لیے ایک با صلاحیت default سے شروع کریں اور وہاں کمی کریں جہاں speed یا cost کو quality سے زیادہ اہمیت دی جاتی ہے۔

اسے اپنے VPS پر ایک hardened service کے طور پر چلائیں

ایک agent صرف تب مفید ہے اگر وہ چلتا رہے، اور وہ صرف تب محفوظ ہے اگر اسے contain کیا گیا ہو۔ VPS پر یہ دونوں چیزیں agent کو terminal میں ہاتھ سے شروع کیے گئے program کے بجائے ایک hardened system service کے طور پر چلا کر حاصل کی جاتی ہیں۔ ایک service کے طور پر یہ boot پر شروع ہوتا ہے، crash ہونے پر restart ہوتا ہے، اور journal میں log کرتا ہے۔ Hardened ہونے کے ناطے، یہ ایک unprivileged user کے طور پر چلتا ہے جس کے پاس صرف وہی access ہوتا ہے جس کی اسے ضرورت ہے، تاکہ کسی bug یا غلط instruction کا اثر محدود رہے۔

سب سے اہم اصول اپنی Claude API key کو server-side پر رکھنا ہے۔ key ہر call کے لیے ادائیگی اور authorization کرتی ہے، اس لیے یہ ایک ایسی file میں ہونی چاہیے جسے صرف agent کے user کے ذریعے پڑھا جا سکے، اسے service میں environment variable کے طور پر load کیا جائے، اور اسے کبھی بھی code، repository، یا ایسی جگہ نہ رکھیں جہاں browser پہنچ سکے۔ اپنے agent کے لیے ایک مکمل، hardened service unit یہاں سے حاصل کریں:

پھر خود server کو مکمل کریں۔ SSH کو صرف keys پر رکھیں اور اس account کو lock کریں جس سے آپ administer کرتے ہیں، جیسا کہ SSH hardening on a VPS میں بتایا گیا ہے۔ اگر آپ اسے بناتے وقت ایک interactive session سے چلانا چاہتے ہیں، تو running Claude Code on a VPS with tmux ایک اچھا ساتھی ہے۔ اور اگر آپ ان تمام تصورات کے پیچھے کی منطق کو سمجھنا چاہتے ہیں، بغیر کسی خاص model کے، تو building your own AI agent on a VPS پر موجود sister guide بنیاد فراہم کرتی ہے۔

اگر آپ کو terminal coding assistant چاہیے، تو running a coding AI agent on a VPS میں Aider اور Goose کا احاطہ کیا گیا ہے۔

FAQ

مجھے agent بنانے کے لیے کون سا Claude model استعمال کرنا چاہیے؟

Claude Opus 4.8 (claude-opus-4-8) سے شروع کریں، جو با صلاحیت default ہے، اور وہاں سے ایڈجسٹ کریں۔ Claude Sonnet 5 (claude-sonnet-5) زیادہ تر کام کے لیے سستا اور تیز ہے، Claude Haiku 4.5 (claude-haiku-4-5) سادہ high-volume steps کے لیے بہترین ہے، اور Claude Fable 5 (claude-fable-5) مشکل ترین tasks کے لیے سب سے زیادہ با صلاحیت ہے۔ ایک عام طریقہ یہ ہے کہ routine steps کے لیے سستا model اور مشکل فیصلوں کے لیے طاقتور model استعمال کیا جائے، کیونکہ اسے تبدیل کرنا صرف ایک line کا کام ہے۔

کیا میں پورا agent اپنے VPS پر چلاتا ہوں، یا Anthropic؟

یہ آپ کے طریقہ کار پر منحصر ہے۔ اگر آپ Claude API کے خلاف اپنا loop لکھتے ہیں، یا Claude Agent SDK استعمال کرتے ہیں، تو agent مکمل طور پر آپ کے VPS پر چلتا ہے اور صرف model calls Anthropic کو جاتی ہیں۔ اگر آپ Managed Agents استعمال کرتے ہیں، تو Anthropic loop کو چلاتا ہے اور اس sandbox کو host کرتا ہے جہاں tools execute ہوتے ہیں، اس لیے اس کا کم حصہ آپ کے server پر ہوتا ہے۔ اپنے machine پر چلنے والے agent کے لیے، پہلے دو میں سے ایک کا استعمال کریں۔

Claude API اور Claude Agent SDK میں کیا فرق ہے؟

Claude API اصل Messages endpoint ہے: آپ ایک conversation اور tools بھیجتے ہیں، اور آپ اس کے گرد agent loop لکھتے ہیں، یا اسے چلانے کے لیے SDK کے tool runner کو استعمال کرتے ہیں۔ Claude Agent SDK ایک higher-level library ہے، جو Claude Code ہے جسے بنانے کے لیے پیک کیا گیا ہے، اور یہ ایک مکمل loop اور built-in file, shell, اور search tools کے ساتھ آتا ہے۔ API کا استعمال تب کریں جب آپ ہر چیز خود define کرنا چاہتے ہوں، اور Agent SDK کا استعمال تب کریں جب آپ بغیر کسی harness کے ایک با صلاحیت agent چاہتے ہوں۔

میں server پر اپنی Claude API key کو محفوظ کیسے رکھ سکتا ہوں؟

اسے server-side پر رکھیں اور اپنے code سے دور رکھیں۔ اسے ایک ایسی file میں store کریں جسے صرف اس account کے ذریعے پڑھا جا سکے جس کے طور پر agent چلتا ہے، اسے service میں environment variable کے طور پر load کریں، اور اسے کبھی بھی repository میں commit نہ کریں اور نہ ہی browser کے سامنے ظاہر کریں۔ چونکہ Claude کو ہر request آپ کے server سے جاتی ہے، اس لیے key کو کبھی بھی صارف کے device تک پہنچنے کی ضرورت نہیں ہوتی، جو اسے client app میں embedded agent کے مقابلے میں زیادہ محفوظ بناتا ہے۔

کیا مجھے Claude کے ساتھ agent بنانے کے لیے model کو self-host کرنے کی ضرورت ہے؟

نہیں۔ Claude کے ساتھ model ایک hosted service ہے جسے آپ API کے ذریعے call کرتے ہیں، اس لیے GPU پر چلانے کے لیے کچھ بھی نہیں ہے۔ آپ کا VPS agent loop، tools، اور data کو چلاتا ہے، اور reasoning Anthropic کی طرف سے ہوتی ہے۔ یہی وجہ ہے کہ ایک معمولی server ایک با صلاحیت agent چلا سکتا ہے۔ اگر آپ اس کے بجائے مکمل local model چاہتے ہیں، تو وہ self-hosted راستہ ہے جس کا ذکر AI agent بنانے کے companion guide میں کیا گیا ہے۔