Claude Code کو Bedrock یا Vertex AI پر کیسے چلائیں

آپ کے اپنے cloud account میں Claude Code چلانے پر کیا تبدیل ہوتا ہے

آپ Claude Code کو Amazon Bedrock یا Google Vertex AI پر چلا سکتے ہیں۔ اس کے لیے دو یا تین environment variables اور وہ cloud credentials درکار ہوتی ہیں جو آپ کی ٹیم پہلے ہی استعمال کرتی ہے۔ مقامی طور پر سب کچھ اسی طرح کام کرتا ہے: CLI، subagents، hooks، skills، MCP servers اور آپ کی CLAUDE.md فائلیں۔ صرف model call منتقل ہوتی ہے، اور اس کے ساتھ چار چیزیں بھی بدل جاتی ہیں: درخواست جس network سے گزرتی ہے، اس کی ادائیگی کرنے والا account، وہ Claude models جنہیں آپ invoke کر سکتے ہیں، اور server-side features جو دستیاب ہیں۔

سوال عموماً یہ نہیں ہوتا کہ یہ کام کرتا ہے یا نہیں۔ یہ کام کرتا ہے۔ اصل سوال یہ ہے کہ ان چار چیزوں میں سے آپ کے لیے سب سے زیادہ اہم کون سی ہے۔

تین routing طریقے، اور ہر ایک کی لاگت

Anthropic direct with a subscription۔ آپ Pro، Max، Team یا Enterprise plan پر موجود claude.ai account سے sign in کرتے ہیں۔ Requests، Anthropic کے API کو بھیجی جاتی ہیں۔ آپ فی seat ادائیگی کرتے ہیں، اور usage کو فی token ناپنے کے بجائے plan کی limits محدود کرتی ہیں۔ یہی واحد routing ہے جو account کے اوپر بنائے گئے interfaces تک رسائی دیتی ہے، مثلاً ویب پر Claude Code، mobile app، Desktop اور Remote Control۔ ٹیم کے لیے Claude Enterprise plan اس کے علاوہ single sign-on اور managed policy settings بھی فراہم کرتا ہے۔

Anthropic direct with an API key۔ آپ Anthropic Console میں key بناتے ہیں اور فی token ادائیگی کرتے ہیں۔ Infrastructure اور regions subscription جیسے ہی رہتے ہیں، مگر seat کی ضرورت نہیں ہوتی، اور usage Anthropic کے اپنے dashboard میں دکھائی دیتی ہے۔ ان دونوں میں سے کون سا طریقہ زیادہ سستا ہے، اس کا انحصار اس بات پر ہے کہ agent روزانہ حقیقت میں کتنے گھنٹے چلتا ہے۔ یہی API اور subscription کی لاگت کا تقابل اور عملی طور پر Claude Code کی لاگت کا مکمل موضوع ہے۔

Bedrock یا Vertex پر third-party endpoint۔ آپ کا اپنا AWS یا Google Cloud account model کو serve کرتا ہے۔ inference کے وقت request path میں Anthropic شامل نہیں ہوتا۔ Tokens اس bill میں شامل ہوتے ہیں جو آپ پہلے ہی وصول کرتے ہیں، اور ان پر آپ کی موجودہ IAM (identity and access management) policies اور audit logs لاگو ہوتے ہیں۔ مزید دو third-party options، Microsoft Foundry اور AWS پر Claude Platform، بھی دستیاب ہیں۔ ان کا طریقہ بھی یہی ہے: ایک environment variable provider منتخب کرتا ہے، اور ادائیگی cloud account سے ہوتی ہے۔

نام سے متعلق نوٹ، August 2026 تک: Google نے Vertex AI کا نام بدل کر Google Cloud's Agent Platform رکھ دیا ہے۔ Anthropic کی documentation میں نیا نام استعمال ہوتا ہے، لیکن Claude Code کا login prompt اب بھی Google Vertex AI کہتا ہے، اور environment variables میں اب بھی VERTEX لکھا ہوتا ہے۔

ڈیٹا کی رہائش ہی اصل وجہ ہے کہ ٹیمیں یہ طریقہ اختیار کرتی ہیں

Bedrock پر درخواست آپ کے منتخب کردہ AWS region میں، آپ کے اپنے account کے اندر موجود Bedrock endpoint کو بھیجی جاتی ہے۔ at-rest data کو AWS-managed keys کے تحت AES-256 سے encrypt کیا جاتا ہے، اور آپ AWS KMS (key management service) کے ذریعے اپنی key فراہم کر سکتے ہیں۔ Vertex میں اس کے مساوی طریقہ Google-managed encryption keys ہے، جبکہ CMEK (customer-managed encryption keys) بھی دستیاب ہے۔ Access ان IAM roles کے ذریعے control کیا جاتا ہے جو آپ پہلے ہی استعمال کرتے ہیں، اور یہ calls CloudTrail یا Cloud Audit Logs میں کسی بھی دوسری API call کی طرح ظاہر ہوتی ہیں۔ کسی regulated team کے لیے یہی مکمل جواز ہے، اور یہ مضبوط جواز ہے۔

دو تفصیلات اس دعوے کو marketing مواد کے اشارے سے کم قطعی بناتی ہیں۔

Cross-region inference profile ایک واحد region نہیں ہوتا۔ Bedrock پر Claude Code اپنے built-in default models کو cross-region inference profile IDs میں resolve کرتا ہے، اور یہ جس prefix کو ترجیح دیتا ہے وہ اس region سے آتا ہے جس میں یہ resolve ہوا ہو: us. کسی us-* region میں، eu. کسی eu-* region میں، apac. کسی ap-* region میں، اور us-gov. GovCloud میں۔ Cross-region profile اسی geography کے اندر کسی دوسرے region سے request فراہم کر سکتا ہے، اس لیے آپ کو ملنے والی guarantee ایک geography کی ہوتی ہے، کسی شہر کی نہیں۔ اگر آپ کی requirement میں ایک مخصوص region درج ہے تو اپنے زیرِ انتظام application inference profile کے ذریعے traffic route کریں اور ANTHROPIC_MODEL کو اس کے ARN پر set کریں۔

کچھ traffic پھر بھی Anthropic تک پہنچتا ہے، اور اس میں آپ کا code شامل نہیں ہوتا۔ Telemetry، error reporting اور /feedback command، Bedrock اور Vertex دونوں پر default طور پر بند ہوتے ہیں، جبکہ /feedback آپ کی اپنی machine پر ~/.claude/feedback-bundles/ کے تحت archive لکھتا ہے، کسی چیز کو upload نہیں کرتا۔ ہر provider پر دو exceptions چلتی ہیں۔ URL fetch کرنے سے پہلے WebFetch tool hostname، اور صرف hostname، api.anthropic.com کو بھیجتا ہے تاکہ safety blocklist چیک کی جا سکے۔ Session quality surveys بھی اب تک ظاہر ہوتے ہیں۔ اپنی settings file میں skipWebFetchPreflight استعمال کر کے پہلے کو بند کریں، اور CLAUDE_CODE_DISABLE_FEEDBACK_SURVEY=1 کے ذریعے دوسرے کو بند کریں؛ یا CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC کے ذریعے تمام non-essential traffic کو ایک ہی بار میں disable کریں۔

Training کے بارے میں: commercial terms کے تحت Anthropic، Claude Code کے ذریعے بھیجے گئے code یا prompts پر models کو train نہیں کرتا، اور third-party platform usage commercial ہے۔ Development Partner Program، یعنی وہ opt-in جس سے training کی اجازت ملتی ہے، Bedrock یا Vertex users کے لیے بالکل available نہیں ہے۔ ان endpoints پر zero data retention کا معاملہ AWS یا Google کے ساتھ آپ کے agreement سے طے ہوتا ہے۔

Amazon Bedrock کے لیے Claude Code کو configure کریں

کسی بھی client configuration سے پہلے ہر AWS account کے لیے دو کام کرنے ہوتے ہیں۔ Amazon Bedrock console کھولیں، model catalog سے Anthropic model منتخب کریں، اور use case form جمع کریں۔ Form جمع ہوتے ہی access مل جاتا ہے۔ اس کے بعد ایسی IAM policy attach کریں جو Claude Code کی جانب سے کی جانے والی calls کی اجازت دے۔

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

ListInferenceProfiles کی مدد سے Claude Code startup کے وقت جانچتا ہے کہ آپ کا account حقیقت میں کن models کو invoke کر سکتا ہے۔ GetInferenceProfile application inference profile ARN کو اس کے پیچھے موجود foundation model سے دوبارہ resolve کرنے دیتا ہے، تاکہ یہ درست request shape منتخب کر سکے۔ اس کے بغیر بھی requests کامیاب رہتی ہیں، کیونکہ Claude Code دوسری shape کے ساتھ ایک بار دوبارہ کوشش کرتا ہے۔ اس کی علامت error نہیں بلکہ ہر نئے model کے لیے ایک اضافی round trip ہے۔

Client configure کرنے کا تیز ترین طریقہ wizard ہے۔ claude چلائیں، 3rd-party platform اور پھر Amazon Bedrock منتخب کریں، یا پہلے سے signed-in session میں /setup-bedrock درج کریں۔ یہ آپ کی ~/.aws directory میں موجود profiles پڑھتا ہے، تصدیق کرتا ہے کہ آپ کن models کو invoke کر سکتے ہیں، اور نتیجہ ~/.claude/settings.json کے env block میں لکھ دیتا ہے۔ اس طرح کوئی چیز آپ کے shell profile پر منحصر نہیں رہتی۔

Script کے ذریعے rollout کے لیے variables خود set کریں۔

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

Credentials standard AWS SDK credential chain سے حاصل ہوتے ہیں۔ اس لیے aws CLI کے لیے جو طریقہ پہلے سے کام کرتا ہے، وہ یہاں بھی کام کرے گا: aws configure، SSO profile، assumed role، یا 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 سب سے آسان option ہے، لیکن اسے احتیاط سے handle کریں، کیونکہ یہ environment variable میں موجود ایک طویل مدت تک مؤثر secret ہوتا ہے۔ Shared build box پر ختم ہونے والی مدت والے role کو ترجیح دیں۔ یہی اصول ہر دوسرے credential پر بھی لاگو ہوتا ہے جسے agent پڑھ سکتا ہے۔ اسی موضوع کی وضاحت secrets کو AI agent کی رسائی سے باہر رکھنا میں کی گئی ہے۔

Region کا مسئلہ۔ Claude Code region کو اس ترتیب سے resolve کرتا ہے: AWS_REGION، پھر AWS_DEFAULT_REGION، پھر آپ کے active AWS profile میں موجود region، اور آخر میں us-east-1۔ آخری مرحلہ default ہے، error نہیں۔ اس لیے اگر کسی team نے کہیں بھی region set نہ کیا ہو اور European routing فرض کی ہو، تو requests بغیر کسی warning کے US region کو بھیجی جائیں گی۔ Resolved region اور اس کے source کو دیکھنے کے لیے Claude Code کے اندر /status چلائیں۔ کسی region میں آپ کا account کن calls کو انجام دے سکتا ہے، اس کی تصدیق کے لیے aws bedrock list-inference-profiles --region your-region چلائیں۔

Google Vertex AI پر Claude Code چلائیں

API فعال کریں اور credentials حاصل کریں۔

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

Model Garden میں مطلوبہ Claude models کے لیے access طلب کریں۔ منظوری فوری نہیں ہوتی، اس لیے 24 سے 48 گھنٹے کا وقت دیں۔ roles/aiplatform.user کو grant کریں، کیونکہ اس میں aiplatform.endpoints.predict permission شامل ہے، جو model invocation اور token counting دونوں کے لیے استعمال ہوتی ہے۔

پھر provider منتخب کریں۔

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

CLOUD_ML_REGION میں global، eu یا us جیسی multi-region location، یا single region استعمال کی جا سکتی ہے۔ global endpoint بہترین availability فراہم کرتا ہے، لیکن request کس location پر serve کی جائے گی اس پر کم control دیتا ہے۔ اس لیے residency requirement کی صورت میں عموماً کسی location کا نام دینا بہتر ہوتا ہے۔ ان تینوں forms میں model coverage مختلف ہوتی ہے۔ جب مطلوبہ کوئی model global endpoint پر دستیاب نہ ہو تو صرف اسی model کو اس کے VERTEX_REGION_CLAUDE_* variable کے ذریعے کسی location پر pin کریں، اور باقی سب کو global رہنے دیں۔ ایسی فہرست پر بھروسا کرنے کے بجائے موجودہ Vertex AI locations page دیکھیں جو وقت کے ساتھ پرانی ہو سکتی ہے۔

project کا مسئلہ۔ ANTHROPIC_VERTEX_PROJECT_ID project ID کا سب سے کم ترجیح والا source ہے۔ GCLOUD_PROJECT، GOOGLE_CLOUD_PROJECT اور GOOGLE_APPLICATION_CREDENTIALS کے ذریعے نامزد credential file، سب اس پر ترجیح رکھتے ہیں۔ جس machine پر ان میں سے کوئی پہلے ہی export ہو، وہاں charges اس دوسرے project پر لگتے ہیں، اور session میں اس کا کوئی واضح اشارہ نہیں ملتا۔

Provider میں کسی بھی تبدیلی کے بعد تصدیق کریں۔ /status چلائیں: API provider line میں Google Vertex AI درج ہوتا ہے، جبکہ GCP project، Default region اور Model lines دکھاتی ہیں کہ Claude Code نے حقیقت میں کیا resolve کیا۔ اگر provider line موجود نہ ہو تو variables process تک نہیں پہنچ رہے، کیونکہ انہیں اس shell کے بجائے کسی دوسرے shell میں export کیا گیا تھا جس نے claude شروع کیا۔ انہیں settings file کے env block میں منتقل کریں۔ اسی طرح AWS_PROFILE جیسی value آپ کے شروع کیے گئے ہر دوسرے process سے الگ رکھی جا سکتی ہے۔

آپ کو کون سے models ملتے ہیں، اور وہ کتنی تاخیر سے دستیاب ہوتے ہیں

sonnet اور opus جیسے aliases کا مطلب newest نہیں ہوتا۔ کسی third-party endpoint پر یہ aliases اس provider کے لیے Claude Code کے built-in default model پر resolve ہوتے ہیں۔ یہ model موجودہ release سے پیچھے ہو سکتا ہے اور ممکن ہے کہ آپ کے account میں بالکل enabled نہ ہو۔ جب default دستیاب نہ ہو تو Claude Code اسی session کے لیے پہلے کا یا lower-tier model استعمال کرتا ہے اور ایک notice دکھاتا ہے۔ یہ fallback محفوظ نہیں ہوتا، اس لیے اگلا session دوبارہ کوشش کرتا ہے اور notice پھر دکھاتا ہے۔

Team میں rollout کے لیے versions کو pin کریں۔

# 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>'

IDs models overview اور اپنے provider کے catalog سے حاصل کریں، کیونکہ format ہر provider میں مختلف ہوتا ہے: Bedrock کو inference profile ID یا ARN درکار ہوتا ہے، جبکہ Vertex کو سادہ model name درکار ہوتا ہے۔ انہیں کسی article، حتیٰ کہ اس article، سے copy نہ کریں۔ Pinning لاگت کو بھی کنٹرول کرتی ہے، کیونکہ default primary model ایک Opus-class model ہوتا ہے اور Opus کی فی token لاگت Sonnet سے زیادہ ہے۔ اس لیے جو deployment کوئی model pin نہیں کرتا، اس پر زیادہ rate کے مطابق billing ہوتی ہے۔ اگر ایک model کو session default کے طور پر مقرر کرنا ہو تو ANTHROPIC_MODEL کو اس کی مکمل ID پر set کریں۔

Model کی دستیابی اس comparison میں سب سے واضح فرق ہے۔ Anthropic کے اپنے API پر model launch ہونے کے دن ہی کام کرتا ہے۔ Bedrock اور Vertex پر یہ تب کام کرتا ہے جب آپ کے cloud provider نے اسے آپ کے region میں enabled کر دیا ہو اور آپ کے account کو access دے دیا ہو۔ بہترین صورت میں اس میں کئی دن لگتے ہیں، اور بعض اوقات اس سے کہیں زیادہ وقت لگتا ہے۔ اگر کچھ کام newest model پر چلانا ضروری ہو تو ایسی routing برقرار رکھیں جو اس تک پہنچ سکے۔ یہی مختلف jobs کے لیے مختلف models کی routing رکھنے کی عملی وجہ ہے۔

Bedrock اور Vertex میں آپ کن چیزوں سے محروم رہتے ہیں

تمام local features ہر provider پر کام کرتے ہیں: subagents، hooks، slash commands، skills، plugins، checkpoints، sandboxing، managed settings file اور OpenTelemetry metrics۔ کمی صرف server-side features میں ہے۔

دونوں endpoints پر یہ features دستیاب نہیں ہیں: fast mode، Advisor، Channels، cross-session messaging، analytics dashboard اور server-managed settings۔ وہ تمام features بھی دستیاب نہیں ہیں جن کے لیے claude.ai account درکار ہوتا ہے۔ ان میں Claude Code on the web، mobile app، Desktop، Remote Control، routines اور artifacts شامل ہیں۔

صرف Bedrock پر: وہاں WebSearch tool موجود نہیں ہے، اس لیے Bedrock کو route کیے گئے session سے Claude search نہیں چلا سکتا۔ تاہم، جب آپ اسے URL دیں تو یہ WebFetch کے ذریعے صفحہ پڑھ سکتا ہے۔ Vertex پر web search کام کرتا ہے، لیکن صرف Claude 4 generation models اور اس کے بعد کے models کے لیے۔

دونوں پر جزوی دستیابی: auto mode صرف نئے models کے محدود مجموعے پر چلتا ہے، اور /loop کے لیے interval واضح طور پر دینا پڑتا ہے کیونکہ یہ خود interval منتخب نہیں کر سکتا۔ اپنی team سے کسی feature کا وعدہ کرنے سے پہلے Anthropic کا feature availability صفحہ دیکھیں، کیونکہ یہ فہرست تبدیل ہوتی رہتی ہے۔

یہ بل کس کے ذمے آتا ہے؟

Subscription اور third-party endpoint الگ الگ خریداری ہیں۔ ان میں سے کوئی بھی دوسرے کا متبادل نہیں ہے۔

اس بات کو واضح طور پر کہنا ضروری ہے، کیونکہ یہ غلطی خاموشی سے ہوتی ہے۔ کسی ایسی مشین پر CLAUDE_CODE_USE_BEDROCK=1 ترتیب دیں جہاں آپ Max seat کے ساتھ بھی signed in ہوں، تو ہر token کی metering AWS کی طرف سے Bedrock کی rates کے مطابق ہوگی۔ Seat کی ماہانہ فیس بدستور وصول ہوتی رہے گی، لیکن اس traffic میں اس کا کوئی حصہ نہیں ہوگا۔ مشترکہ view بھی دستیاب نہیں ہوتا: خرچ AWS Cost Explorer یا Google Cloud Billing میں نظر آتا ہے، جبکہ Anthropic analytics dashboard کسی بھی provider پر دستیاب نہیں ہے۔ /logout command بھی غائب ہو جاتی ہے، کیونکہ ختم کرنے کے لیے کوئی Anthropic session موجود نہیں ہوتا۔ Credential دراصل cloud credential ہوتی ہے۔

Rates provider کے اپنے page پر موجود ہوتی ہیں اور تبدیل ہو سکتی ہیں، اس لیے مضمون میں دی گئی کسی بھی figure کے بجائے Amazon Bedrock pricing یا Vertex AI pricing پڑھیں۔ ایک بنیادی بات تبدیل نہیں ہوتی: ان endpoints پر آپ per-token inference خریدتے ہیں، اس لیے سارا دن چلنے والا agent اتنی ہی لاگت پیدا کرے گا جتنی اس کی actual usage ہوگی؛ اسے روکنے کے لیے plan cap موجود نہیں ہوتا۔

ہر routing پر rate limits اور quotas مختلف طریقے سے کام کرتے ہیں

Subscription میں limits account سے وابستہ ہوتی ہیں، ایک مقررہ schedule کے مطابق reset ہوتی ہیں، اور کسی limit تک پہنچنے کا مطلب انتظار کرنا ہوتا ہے۔ اس رویے کی وضاحت usage limits کیسے کام کرتی ہیں میں کی گئی ہے۔

Anthropic API key میں limits organization سے وابستہ ہوتی ہیں، requests اور tokens per minute کے طور پر بیان کی جاتی ہیں، اور آپ کے usage tier کے بڑھنے کے ساتھ ان میں اضافہ ہوتا ہے۔

Bedrock اور Vertex میں limits cloud quotas ہوتی ہیں۔ یہ account یا project، model اور region کے لحاظ سے scoped ہوتی ہیں، اور ان کا کسی Anthropic plan سے تعلق نہیں ہوتا۔ 429 کا مطلب ہے کہ اس region میں اس model کے لیے account کی quota پوری ہو گئی ہے۔ اس لیے حل provider کے console میں ہوتا ہے: increase کی درخواست کریں، یا ایسی location استعمال کریں جہاں گنجائش موجود ہو۔ Bedrock quota کو flat request count کے بجائے token burndown rule کے مطابق charge کرتا ہے، جبکہ reserved capacity کو provisioned throughput کے طور پر خریدا جاتا ہے۔ Vertex پر 429s کا اکثر مطلب ہوتا ہے کہ آپ کا single-region endpoint primary model اور small fast model دونوں کو serve نہیں کرتا۔ اسی لیے CLOUD_ML_REGION=global دستاویزی طور پر ابتدائی نقطۂ آغاز ہے۔ Google کا quotas صفحہ increase request کے طریقے کی وضاحت کرتا ہے۔

خرابی کی صورتیں، اور نظر آنے والے پیغامات

Could not load the default credentials، Vertex پر۔ Application Default Credentials موجود نہیں ہیں یا ان کی میعاد ختم ہو چکی ہے۔ gcloud auth application-default login چلائیں، یا GOOGLE_APPLICATION_CREDENTIALS کو service account key file کی طرف point کریں۔

Vertex پر model کا نام دینے والا 404۔ اس project کے لیے Model Garden میں model enabled نہیں ہے، یا یہ آپ کی مقررہ location میں دستیاب نہیں ہے۔ کچھ models صرف global endpoint یا eu جیسی multi-region location پر serve ہوتے ہیں، کسی مخصوص region میں نہیں۔

on-demand throughput isn't supported، Bedrock پر۔ آپ نے ایسے model کے لیے bare foundation model ID دیا ہے جو صرف inference profile کے ذریعے serve ہوتا ہے۔ اس کے بجائے inference profile ID استعمال کریں۔

AWS default-chain credential resolve timed out۔ AWS credential chain کا کوئی step رک گیا ہے۔ عموماً credential_process helper ایسے input کا انتظار کر رہا ہوتا ہے جو اسے کبھی نہیں مل سکتا۔ chain کے ہر resolve میں 60 seconds کے بعد timeout ہو جاتا ہے۔ اگر آپ کی chain کو واقعی زیادہ وقت درکار ہے، مثلاً wrapper کے پیچھے MFA (multi-factor authentication) والا browser SSO flow، تو حد milliseconds میں CLAUDE_CODE_AWS_CHAIN_RESOLVE_TIMEOUT_MS کے ذریعے بڑھائیں۔

Bedrock streaming response has content-type شروع کرتے وقت ایک error۔ Claude Code اور Bedrock کے درمیان کوئی جزو stream کو دوبارہ لکھ رہا ہے۔ Bedrock binary event-stream format میں stream کرتا ہے، جس کا content type application/vnd.amazon.eventstream ہے۔ اس لیے اگر کوئی gateway اسے server-sent events کے طور پر دوبارہ جاری کرے تو ایسا body واپس ملتا ہے جسے Claude Code decode نہیں کر سکتا۔ gateway کو درست کریں تاکہ response body اور اس کا Content-Type header بغیر تبدیلی کے آگے منتقل ہوں۔

AWS SSO کے دوران browser tabs کا loop میں کھلنا۔ Corporate VPN یا TLS-inspecting proxy sign-in میں خلل ڈال رہا ہے۔ Claude Code اس خراب connection کو authentication failure سمجھتا ہے، awsAuthRefresh command دوبارہ چلاتا ہے، اور یہ عمل ہمیشہ جاری رہتا ہے۔ اپنی settings file سے awsAuthRefresh ہٹائیں اور Claude Code شروع کرنے سے پہلے aws sso login دستی طور پر چلائیں۔

روٹنگ کا انتخاب

اگر آپ launch day پر نئے models اور مکمل feature set چاہتے ہیں تو Anthropic direct منتخب کریں۔ اگر آپ seats خریدے بغیر فی token billing چاہتے ہیں تو API key منتخب کریں۔ اگر شرط یہ ہے کہ inference ایسے cloud account کے اندر ہو جس کا انتظام آپ پہلے سے کرتے ہیں، اور آپ اس کے بدلے سست model pipeline اور مختصر feature list قبول کرتے ہیں، تو Bedrock یا Vertex منتخب کریں۔ Bookmark کرنے کے قابل setup pages Anthropic کے اپنے صفحات ہیں: Amazon Bedrock اور Google Vertex AI کے لیے، نیز AWS کی models by region فہرست۔

ان تینوں میں سے کوئی بھی یہ نہیں بدلتا کہ agent خود کہاں execute ہوتا ہے۔ Claude Code ایک local process ہے جو آپ کی files پڑھتا اور آپ کے commands چلاتا ہے، چاہے اسے جواب دینے والا endpoint کوئی بھی ہو۔ اسی لیے جو teams اسے laptop کے علاوہ کہیں اور چلانا چاہتی ہیں، وہ coding agent کو VPS پر رکھتی ہیں اور وہی variables وہاں export کرتی ہیں۔

FAQ

کیا میری Claude subscription، Bedrock یا Vertex پر Claude Code کی ادائیگی کرتی ہے؟

نہیں۔ Pro، Max، Team یا Enterprise seat اور third-party endpoint الگ الگ خریداری ہیں، اور ان میں سے کوئی بھی دوسرے کی لاگت پوری نہیں کرتا۔ CLAUDE_CODE_USE_BEDROCK=1 یا CLAUDE_CODE_USE_VERTEX=1 set ہونے کی صورت میں ہر token کی billing AWS یا Google Cloud اپنی rates کے مطابق کرتا ہے اور رقم اسی cloud bill میں شامل ہوتی ہے، جبکہ seat ان surfaces کے لیے ماہانہ چارج ہوتی رہتی ہے جن کا وہ احاطہ کرتی ہے۔ خرچ کی tracking بھی اسی provider پر منتقل ہو جاتی ہے، یعنی AWS Cost Explorer یا Google Cloud Billing میں، کیونکہ Anthropic analytics dashboard دونوں providers پر دستیاب نہیں ہے۔

Amazon Bedrock پر Claude Code میری requests کس region کو بھیجتا ہے؟

وہی region جسے اس نے resolve کیا ہو، اور /status آپ کو یہی دکھائے گا۔ Claude Code پہلے AWS_REGION، پھر AWS_DEFAULT_REGION، اور پھر آپ کے active AWS profile میں موجود region کو check کرتا ہے۔ اگر ان میں سے کچھ بھی set نہ ہو تو یہ us-east-1 پر fallback کرتا ہے۔ اس کے built-in default models پھر cross-region inference profiles کو resolve کرتے ہیں، جن کا prefix اس region کے مطابق ہوتا ہے، جیسے us. یا eu.۔ Cross-region profile اسی geography کے اندر کسی دوسرے region سے request serve کر سکتا ہے۔ اگر کسی ایک مخصوص region کا استعمال لازمی ہو تو اپنے کنٹرول میں application inference profile استعمال کریں اور ANTHROPIC_MODEL کو اس کے ARN پر set کریں۔

میرے Bedrock یا Vertex account میں جدید ترین Claude model کیوں موجود نہیں ہے؟

کیونکہ ہر cloud provider models کو اپنے شیڈول کے مطابق enable کرتا ہے، اور اس کے علاوہ آپ کے account کو access بھی دینا ہوتا ہے۔ Vertex پر آپ Model Garden میں access کی request کرتے ہیں، اور منظوری میں 24 سے 48 hours لگ سکتے ہیں۔ اس وقت تک sonnet اور opus جیسے aliases اس provider کے لیے Claude Code کے built-in default کو resolve کرتے ہیں۔ اگر وہ default آپ کے account میں دستیاب نہ ہو تو Claude Code اس session کے لیے پہلے کا یا کم درجے کا model استعمال کرتا ہے اور notice دکھاتا ہے۔ ANTHROPIC_DEFAULT_SONNET_MODEL اور اس کے متعلقہ aliases کو ان IDs پر pin کریں جن کے enabled ہونے کی آپ نے تصدیق کر لی ہے۔

کیا Amazon Bedrock پر Claude Code میں web search دستیاب ہے؟

نہیں۔ WebSearch tool Bedrock پر دستیاب نہیں ہے، اس لیے وہاں route کیے گئے session سے Claude search نہیں چلا سکتا۔ تاہم، جب آپ URL فراہم کریں تو یہ WebFetch کے ذریعے مخصوص page پڑھ سکتا ہے۔ Google Vertex AI پر web search دستیاب ہے، Claude 4 generation models اور بعد کے models کے لیے، جو Vertex کے حق میں capability کے چند نمایاں فرقوں میں سے ایک ہے۔

کیا Bedrock یا Vertex پر Claude Code چلانے کے لیے Anthropic account ضروری ہے؟

نہیں۔ Authentication کے لیے آپ کی AWS یا Google Cloud credential استعمال ہوتی ہے، اسی لیے /logout دونوں providers پر دستیاب نہیں ہے۔ آپ جو بھی provider استعمال کریں، Anthropic سے ایک connection برقرار رہتا ہے: URL fetch کرنے سے پہلے WebFetch tool hostname، اور صرف hostname، api.anthropic.com کو بھیجتا ہے تاکہ اسے safety blocklist کے خلاف check کیا جا سکے۔ اسے بند کرنے کے لیے اپنی settings file میں skipWebFetchPreflight set کریں۔ اگر آپ پھر بھی ان domains کو محدود رکھنا چاہتے ہیں جن تک Claude رسائی حاصل کر سکتا ہے تو اسے WebFetch permission rules کے ساتھ استعمال کریں۔