Claude Code এখন AWS Bedrock-এর মাধ্যমে চালানো সম্ভব, যা ডেভেলপারদের Anthropic-কে দেওয়া সাধারণ খরচের তুলনায় অনেক কম। একজন ডেভেলপার একটি সেলফ-হোস্টেড LiteLLM প্রক্সি তৈরি করেছেন যা Claude Code CLI-কে এমনভাবে কাজ করতে সাহায্য করে যেন এটি Anthropic-এর সাথে কথা বলছে, কিন্তু আসলে রিকোয়েস্টগুলো Bedrock-এ থাকা Amazon-এর Nova মডেলে পাঠানো হয়। এর ফলে শেখার ধাপের (learning-phase) খরচ ২০%–৩৫% কমে যায়।
কেন এই প্রক্সিটি গুরুত্বপূর্ণ
Claude Code দিয়ে “agentic” কোড লেখা শিখতে গেলে Anthropic API ক্রেডিট খুব দ্রুত শেষ হয়ে যায়—প্রতিটি ভুল প্রম্পট বা দীর্ঘ ডিবাগিং সেশন খরচ বাড়িয়ে দেয়। যারা agent loops, tool calling এবং context management নিয়ে পরীক্ষা-নিরীক্ষা করছেন, তাদের জন্য এই খরচ কাজের অগ্রগতি থামিয়ে দিতে পারে। এই প্রক্সিটি আপনাকে একই কাজের ধারা (workflow) বজায় রাখতে সাহায্য করে, কিন্তু আপনি পেমেন্ট করবেন AWS ক্রেডিট দিয়ে, যা সাধারণত প্রতি টোকেনের হিসেবে সস্তা হয়।
বিদ্যমান বিকল্পগুলোর সমস্যা
- লোকাল মডেল (যেমন, Ollama)। ল্যাপটপ বা ওয়ার্কস্টেশনে সমমানের কোনো মডেল চালানোর জন্য উচ্চমানের RAM এবং একটি GPU প্রয়োজন, যা অনেক ডেভেলপারের কাছে থাকে না।
- ফ্রি-টিয়ার API (যেমন, OpenRouter)। মাল্টি-স্টেপ এজেন্ট পরীক্ষা করার সময় টোকেন লিমিট খুব দ্রুত শেষ হয়ে যায়, যার ফলে পেইড প্ল্যানে ফিরে যেতে বাধ্য হতে হয়। উভয় পদ্ধতিতেই হয় দামী হার্ডওয়্যারের প্রয়োজন হয় অথবা একটি পূর্ণাঙ্গ এজেন্ট সাইকেল সম্পন্ন হওয়ার আগেই কোটা শেষ হয়ে যায়।
LiteLLM প্রক্সি কীভাবে কাজ করে
- Dockerised LiteLLM instance ডেভেলপারের মেশিন বা একটি সস্তা ক্লাউড VM-এ চলে।
- Claude Code CLI প্রক্সির লোকাল এন্ডপয়েন্টে নির্দেশিত থাকে, এবং এটি মনে করে যে এটি Anthropic-এর সাথে যোগাযোগ করছে।
- প্রক্সিটি রিকোয়েস্টটিকে Amazon Nova-এর API ফরম্যাটের সাথে মিল রেখে পুনরায় লিখে Bedrock-এ পাঠিয়ে দেয়।
- Nova-এর রেসপন্সগুলোকে পুনরায় এমনভাবে রূপান্তর করা হয় যা CLI প্রত্যাশা করে। যেহেতু CLI এই পার্থক্যটি বুঝতে পারে না, তাই ডেভেলপার Claude Code-এ সমর্থিত একই প্রম্পট, tool-calling সিনট্যাক্স এবং context-management প্যাটার্ন ব্যবহার করতে পারেন।
অন্তর্নিহিত নিরাপত্তা ব্যবস্থা
- কোনো কৃত্রিম সেশন লিমিট নেই। প্রক্সিটি Bedrock-এর সীমার বাইরে অতিরিক্ত কোনো সীমাবদ্ধতা আরোপ করে না।
- IAM সীমাবদ্ধতা। অ্যাক্সেস কী (Access keys) একটি নির্দিষ্ট মডেলের সাথে লক করা থাকে, যা ভুলবশত দামী অপশনে চলে যাওয়া রোধ করে।
- AWS বাজেট অ্যালার্ট। একটি বাজেট রুল অ্যাকাউন্ট পর্যবেক্ষণ করে এবং খরচ অপ্রত্যাশিতভাবে বেড়ে গেলে ব্যবহারকারীকে নোটিফাই করে। এই নিয়ন্ত্রণ ব্যবস্থাগুলো পরীক্ষাটিকে কম ঝুঁকিপূর্ণ এবং স্বচ্ছ রাখে।
খরচের তুলনা
জনসমক্ষে থাকা Bedrock-এর মূল্যতালিকা অনুযায়ী, Anthropic-এর মাধ্যমে সরাসরি Claude Haiku ব্যবহার করার তুলনায় এই প্রক্সিটি ২০%–৩৫% কম খরচ নিশ্চিত করে। সঠিক পরিমাণটি এজেন্টের প্রম্পট এবং রেসপন্সের টোকেন মিশ্রণের ওপর নির্ভর করে, তবে এই সাশ্রয়টি শেখার বাজেটে উল্লেখযোগ্য প্রভাব ফেলতে যথেষ্ট।
Docker ইমেজ এবং কনফিগারেশন ফাইলগুলো GitHub-এ এর নির্মাতা Priyanshu Valiya-এর নামে রয়েছে। একটি দ্রুত সার্চ করলেই যে কেউ এই সেটআপটি পুনরায় তৈরি করার জন্য প্রয়োজনীয় ফাইলগুলো ডাউনলোড করতে পারবেন।
প্রক্সিটি যা করে না
- এটি Claude-এর জন্য কোনো ফ্রি-রান নয়। পর্দার আড়ালে মডেলটি হলো Amazon Nova, Claude নয়। Nova একই ধরনের reasoning এবং tool-calling primitives সমর্থন করে, তবে এর আউটপুট স্টাইল এবং পারফরম্যান্স ভিন্ন হতে পারে।
- এটি কোনো প্রোডাকশন বেঞ্চমার্ক নয়। লাইভ সার্ভিসের জন্য Claude Code-এর উপযুক্ততা যাচাই করতে এই প্রক্সি ব্যবহার করা বিভ্রান্তিকর হবে, কারণ এর অন্তর্নিহিত মডেল এবং মূল্য ভিন্ন।
- প্রোডাকশনের জন্য শুধুমাত্র টোকেন-ভিত্তিক খরচ ট্র্যাকিং যথেষ্ট নয়। AWS বর্তমানে “Bedrock Agents Classic” থেকে “AgentCore”-এ স্থানান্তরিত হচ্ছে। নতুন এই অফারে শুধুমাত্র টোকেনের জন্য নয়, বরং এজেন্ট ইনভোকেশন (agent invocation) এবং গেটওয়ে রিকোয়েস্টের মতো প্ল্যাটফর্ম সার্ভিসগুলোর জন্যও চার্জ নেওয়া হয়। যারা শেখার পর প্রোডাকশনে যাচ্ছেন, তাদের এই অতিরিক্ত খরচগুলোর দিকে নজর দিতে হবে।
পরবর্তী বিষয় যা খেয়াল রাখতে হবে
- AWS AgentCore-এর প্রাইসিং আপডেট। প্ল্যাটফর্মটি আরও উন্নত হওয়ার সাথে সাথে এজেন্ট অর্কেস্ট্রেশন (agent orchestration) বা রিকোয়েস্ট রাউটিংয়ের মতো ফিচারের জন্য নতুন ফি আসতে পারে। AWS-এর প্রাইসিং পেজ নিয়মিত চেক করলে অপ্রত্যাশিত ইনভয়েস এড়ানো সম্ভব হবে।
সারসংক্ষেপ
Claude Code এবং AWS Bedrock-এর মাঝে একটি LiteLLM প্রক্সি ব্যবহার করে, ডেভেলপাররা Anthropic-এর API সরাসরি ব্যবহার করার তুলনায় ২০%–৩৫% কম খরচে agentic কোডিং অনুশীলন করতে পারেন। এর বিনিময়ে আপনাকে ভিন্ন একটি মডেল ব্যবহার করতে হবে এবং বাজেটের ব্যাপারে সতর্ক থাকতে হবে, তবে মূল শেখার অভিজ্ঞতা অপরিবর্তিত থাকে। যারা tool-calling এজেন্ট নিয়ে কাজ করার সময় ক্রেডিট লিমিটের সমস্যায় পড়ছেন, তাদের জন্য এই প্রক্সিটি একটি ব্যবহারিক এবং কম ঝুঁকিপূর্ণ শর্টকাট।