Claude Code 2.1.212 ಈಗ ಅತಿಯಾದ ವೆಚ್ಚವನ್ನು ತಡೆಯಲು ಒಂದು ನಿರ್ದಿಷ್ಟ ಮಾರ್ಗವನ್ನು ನೀಡುತ್ತಾ, ಒಂದು AI ಸೆಷನ್ ಎಷ್ಟು ಸಬ್-ಏಜೆಂಟ್‌ಗಳನ್ನು (sub-agents) ಮತ್ತು ವೆಬ್ ಸರ್ಚ್‌ಗಳನ್ನು (web searches) ಬಳಸಬಹುದು ಎಂಬುದರ ಮೇಲೆ ಕಟ್ಟುನಿಟ್ಟಿನ ಮಿತಿಗಳನ್ನು ನಿಗದಿಪಡಿಸಲು ಡೆವಲಪರ್‌ಗಳಿಗೆ ಅವಕಾಶ ನೀಡುತ್ತದೆ.

ಈ ಅಪ್‌ಡೇಟ್ ಎರಡು ಕಾನ್ಫಿಗರಬಲ್ ಕ್ಯಾಪ್‌ಗಳನ್ನು (configurable caps) ಸೇರಿಸುತ್ತದೆ - ಒಂದು ಸಬ್-ಏಜೆಂಟ್ ರಚನೆಗಾಗಿ ಮತ್ತು ಇನ್ನೊಂದು ವೆಬ್-ಸರ್ಚ್ ಕರೆಗಳಿಗಾಗಿ - ಇವೆರಡೂ ಪ್ರತಿ ಸೆಷನ್‌ಗೆ 200 ರ ಡಿಫಾಲ್ಟ್ ಮಿತಿಯನ್ನು ಹೊಂದಿವೆ. ಡೆವಲಪರ್‌ಗಳು ಎನ್ವಿರಾನ್ಮೆಂಟ್ ವೇರಿಯೇಬಲ್‌ಗಳ (environment variables) ಮೂಲಕ ಆ ಸಂಖ್ಯೆಗಳನ್ನು ಕಡಿಮೆ ಮಾಡಬಹುದು, ಮತ್ತು ಎರಡು ನಿಮಿಷಗಳಿಗಿಂತ ಹೆಚ್ಚು ಕಾಲ ನಡೆಯುವ ಯಾವುದೇ MCP (Model-Control-Plane) ಕರೆಯು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಬ್ಯಾಕ್‌ಗ್ರೌಂಡ್‌ಗೆ ತಳ್ಳಲ್ಪಡುತ್ತದೆ, ಇದರಿಂದಾಗಿ ಒಂದು ನಿಧಾನಗತಿಯ ಟೂಲ್ ಇಡೀ ವರ್ಕ್‌ಫ್ಲೋ ಅನ್ನು ಸ್ಥಗಿತಗೊಳಿಸುವುದನ್ನು ತಡೆಯಬಹುದು.

ಈ ಮಿತಿಗಳು ಈಗ ಏಕೆ ಮುಖ್ಯ

ಯಾವುದೇ ನಿರ್ಬಂಧವಿಲ್ಲದೆ ಇತರ ಏಜೆಂಟ್‌ಗಳನ್ನು ಕರೆಯಬಲ್ಲ ಅಥವಾ ವೆಬ್ ಅನ್ನು ಸ್ಕ್ರೇಪ್ (scrape) ಮಾಡಬಲ್ಲ AI ಏಜೆಂಟ್‌ಗಳು ಉಪಯುಕ್ತವಾಗಿವೆ, ಆದರೆ ಅವು ಆರ್ಥಿಕ ಅಪಾಯಕ್ಕೂ ಕಾರಣವಾಗಬಹುದು. ಒಂದು ಅಸ್ಪಷ್ಟ ಪ್ರಾಂಪ್ಟ್ (vague prompt) ಸಬ್-ಏಜೆಂಟ್‌ಗಳ ಸರಣಿಯನ್ನು ಪ್ರಾರಂಭಿಸಬಹುದು, ಪ್ರತಿಯೊಂದೂ ಟೋಕನ್‌ಗಳನ್ನು ಬಳಸುತ್ತದೆ ಮತ್ತು ಬಾಹ್ಯ ಟೂಲ್‌ಗಳನ್ನು ಬಳಸಿಕೊಳ್ಳುತ್ತದೆ. ಇದರ ಪರಿಣಾಮವಾಗಿ, ಯಾರೂ ಗಮನಿಸುವ ಮೊದಲೇ ಬಿಲ್ ಅತಿಯಾಗಿ ಹೆಚ್ಚಾಗಬಹುದು. ಪ್ರಾಯೋಗಿಕವಾಗಿ ತಂಡಗಳು ಈ ಕೆಳಗಿನವುಗಳನ್ನು ವರದಿ ಮಾಡಿವೆ:

  • ಮೂಲ ಕಾರ್ಯದ ಬಜೆಟ್‌ಗಿಂತಲೂ ಹೆಚ್ಚಿನ ಅನಿರೀಕ್ಷಿತ ಟೋಕನ್ ಬಳಕೆ.
  • ಒಂದೇ ರೀತಿಯ ಸಬ್-ಏಜೆಂಟ್‌ಗಳು ಪರಸ್ಪರ ಎಡಿಟ್‌ಗಳಲ್ಲಿ ಹಸ್ತಕ್ಷೇಪ ಮಾಡಿ, ವಿಭಿನ್ನ ಫಲಿತಾಂಶಗಳನ್ನು ನೀಡುವುದು.
  • ಒಟ್ಟಿಗೆ ಜೋಡಿಸಲು ಕಷ್ಟವಾಗುವಂತಹ ಅಸಂಪೂರ್ಣ ಔಟ್‌ಪುಟ್‌ಗಳ ಸುರಿಮಳೆ.
  • ನಿಧಾನಗತಿಯ ಬಾಹ್ಯ ಟೂಲ್‌ಗಳು ಇಡೀ ಸೆಷನ್ ಅನ್ನು ತಡೆಹಿಡಿಯುವುದು, ಇದರಿಂದಾಗಿ ಒಂದು ಸಣ್ಣ ಪ್ರಶ್ನೆಯು ನಿಮಿಷಗಟ್ಟಲೆ ಕಾಯುವಿಕೆಯಾಗಿ ಬದಲಾಗುವುದು.

ಕಟ್ಟುನಿಟ್ಟಾದ ಮಿತಿಯನ್ನು ಹೇರುವ ಮೂಲಕ, Claude Code ವೆಚ್ಚಗಳು ಏರಿಕೆಯಾಗುವ ಮೊದಲು ಸಿಸ್ಟಮ್ ಅನ್ನು ನಿಲ್ಲಿಸಲು ಒತ್ತಾಯಿಸುತ್ತದೆ, ಮತ್ತು ಅದೇ ಸಮಯದಲ್ಲಿ ಮನುಷ್ಯರು ಪರಿಶೀಲಿಸಬಹುದಾದ ಒಂದು ಭಾಗೀಯ ಉತ್ತರವನ್ನು ನೀಡುತ್ತದೆ.

ಕ್ಯಾಪ್‌ಗಳನ್ನು (caps) ಹೇಗೆ ನಿಗದಿಪಡಿಸುವುದು

ಈ ಮೂರು ನಿಯಂತ್ರಣಗಳನ್ನು ಎನ್ವಿರಾನ್ಮೆಂಟ್ ವೇರಿಯೇಬಲ್‌ಗಳಾಗಿ ನೀಡಲಾಗಿದೆ:

export CLAUDE_CODE_MAX_SUBAGENTS_PER_SESSION=12   # default 200
export CLAUDE_CODE_MAX_WEB_SEARCHES_PER_SESSION=30   # default 200
export CLAUDE_CODE_MCP_AUTO_BACKGROUND_MS=120000   # 2 minutes

ಡಿಫಾಲ್ಟ್ ಮಿತಿಗಳು ಹೆಚ್ಚಿನ ಅನ್ವೇಷಣಾತ್ಮಕ ಕೆಲಸಗಳಿಗೆ ಸಾಕಾಗುವಷ್ಟು ಇವೆ, ಆದರೆ ತಂಡಗಳು ನಿರ್ದಿಷ್ಟ ಕೆಲಸದ ಅಪಾಯದ ಮಟ್ಟಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಅವುಗಳನ್ನು ಕಟ್ಟುನಿಟ್ಟಾಗಿಸಬಹುದು. ಈ ಬಿಡುಗಡೆಯನ್ನು ಘೋಷಿಸಿದ ಲೇಖನವು ಕೆಲವು ಆರಂಭಿಕ ಅಂಶಗಳನ್ನು ನೀಡಿದೆ:

  • Local bug fix: 0-2 ಸಬ್-ಏಜೆಂಟ್‌ಗಳು, 0-5 ಸರ್ಚ್‌ಗಳು.
  • PR review: 3-5 ಸಬ್-ಏಜೆಂಟ್‌ಗಳು, 0-10 ಸರ್ಚ್‌ಗಳು.
  • Incident investigation: 2-4 ಸಬ್-ಏಜೆಂಟ್‌ಗಳು, 10-25 ಸರ್ಚ್‌ಗಳು.
  • Broad architecture research: 1 ಸಿಂಥೆಸೈಜರ್ (synthesizer), 2-4 ರಿಸರ್ಚರ್‌ಗಳು, 20-40 ಸರ್ಚ್‌ಗಳು.

ಇವು ಕಡ್ಡಾಯ ನಿಯಮಗಳಲ್ಲ; ಇವು ಡೆವಲಪರ್‌ಗಳು ತಮ್ಮ ಅನುಭವದ ಆಧಾರದ ಮೇಲೆ ಬದಲಾಯಿಸಿಕೊಳ್ಳಬಹುದಾದ ಒಂದು ಮೂಲಾಧಾರವಾಗಿವೆ.

ವಿನಿಮಯದ ಮಿತಿಗಳು (The trade-off)

ಏಜೆಂಟ್ ಚಟುವಟಿಕೆಯ ಮೇಲೆ ಕಟ್ಟುನಿಟ್ಟಾದ ಮಿತಿಯನ್ನು ಹೇರುವುದು ಉತ್ತಮ ಕಾರ್ಯ ವಿನ್ಯಾಸಕ್ಕೆ (task design) ಪರ್ಯಾಯವಲ್ಲ. ಒಂದು ಸಮಸ್ಯೆ ಒಂದು ಸೆಷನ್‌ಗೆ ತುಂಬಾ ದೊಡ್ಡದಾಗಿದ್ದರೆ, ಅದನ್ನು ಹಂತಗಳಾಗಿ ವಿಂಗಡಿಸುವುದು, ಪ್ರತಿ ಹಂತಕ್ಕೂ ಬಜೆಟ್ ನಿಗದಿಪಡಿಸುವುದು ಮತ್ತು ಮುಂದಿನ ಹಂತಕ್ಕೆ ಹೋಗುವ ಮೊದಲು ಮನುಷ್ಯನ ಪರಿಶೀಲನೆಯನ್ನು (human checkpoint) ಸೇರಿಸುವುದು ಶಿಫಾರಸು ಮಾಡಲಾದ ವಿಧಾನವಾಗಿದೆ. ಮಿತಿಯೊಳಗಿರುವ ಸಿಸ್ಟಮ್ ಉಪಯುಕ್ತವಾದ ಭಾಗೀಯ ಫಲಿತಾಂಶವನ್ನು ಮತ್ತು ಬಾಕಿ ಇರುವ ಪ್ರಶ್ನೆಗಳನ್ನು ನೀಡಬೇಕೇ ಹೊರತು, ಪುನರಾವರ್ತಿತ ಲೂಪ್‌ಗಳಲ್ಲಿ ಹಣವನ್ನು ವ್ಯರ್ಥ ಮಾಡಬಾರದು.

ಅತಿಯಾದ ಕಟ್ಟುನಿಟ್ಟಿನ ಮಿತಿಯಿಂದಾಗಿ ಏಜೆಂಟ್ ಸರಿಯಾದ ಪರಿಹಾರವನ್ನು ತಲುಪುವ ಮೊದಲೇ ನಿಂತುಹೋಗಬಹುದು, ಇದರಿಂದಾಗಿ ಡೆವಲಪರ್‌ಗಳು ಹೆಚ್ಚಿನ ಮಿತಿಯೊಂದಿಗೆ ಕೆಲಸವನ್ನು ಮರುಪ್ರದರ್ಶಿಸಬೇಕಾಗಬಹುದು. ಈ ಹೆಚ್ಚುವರಿ ಪ್ರಕ್ರಿಯೆಯು ಹೆಚ್ಚಿನ ಸಮಯ ಮತ್ತು ಶ್ರಮವನ್ನು ತೆಗೆದುಕೊಳ್ಳಬಹುದು, ಆದರೆ ನಿಯಂತ್ರಣವಿಲ್ಲದ ಸೆಷನ್‌ನ ವೆಚ್ಚವು ಅದಕ್ಕಿಂತಲೂ ಹೆಚ್ಚಿರಬಹುದು.

ಇದನ್ನು ಪ್ರೊಡಕ್ಷನ್‌ಗೆ ತರುವುದು ಹೇಗೆ

  1. ಸ್ಟೇಜಿಂಗ್ ಎನ್ವಿರಾನ್ಮೆಂಟ್‌ನಲ್ಲಿ (staging environment) Claude Code 2.1.212 ಗೆ ಅಪ್‌ಗ್ರೇಡ್ ಮಾಡಿ.
  2. ಒಂದು ವರ್ಕ್‌ಫ್ಲೋ ಅನ್ನು ಆಯ್ಕೆಮಾಡಿ – ಉದಾಹರಣೆಗೆ, PR review – ಮತ್ತು ಸಂಯಮದ ಬಜೆಟ್ ಅನ್ನು ನಿಗದಿಪಡಿಸಿ.
  3. ಎಷ್ಟು ಸಬ್-ಏಜೆಂಟ್‌ಗಳನ್ನು ಪ್ರಾರಂಭಿಸಲಾಗಿದೆ, ಎಷ್ಟು ವೆಬ್ ಸರ್ಚ್‌ಗಳನ್ನು ಮಾಡಲಾಗಿದೆ ಮತ್ತು ಎರಡು ನಿಮಿಷದ ಮಿತಿಯನ್ನು ತಲುಪಿದ ಯಾವುದೇ MCP ಕರೆಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಲು ನಿಮ್ಮ ಲಾಗ್‌ಗಳನ್ನು (logs) ಸಿದ್ಧಪಡಿಸಿ.
  4. ಮಿತಿಯನ್ನು ತಲುಪುವ ಪ್ರತಿಯೊಂದು ಪ್ರಕ್ರಿಯೆಯನ್ನು ಪರಿಶೀಲಿಸಿ. ಮಿತಿಯು ಹಣವನ್ನು ಉಳಿಸಿದೆಯೇ ಅಥವಾ ನಿಜವಾದ ಪ್ರಗತಿಯನ್ನು ತಡೆದಿದೆಯೇ ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸಿ ಮತ್ತು ಅದಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಮಿತಿಗಳನ್ನು ಹೊಂದಿಸಿ.

ಈ ಮಿತಿಗಳನ್ನು ರನ್‌ಟೈಮ್‌ನಲ್ಲಿ (runtime) ಜಾರಿಗೆ ತರುವುದರಿಂದ, ಅವುಗಳು ತಕ್ಷಣವೇ ಲಾಗ್‌ಗಳಲ್ಲಿ ಕಾಣಿಸುತ್ತವೆ. ಈ ಮೆಟ್ರಿಕ್‌ಗಳನ್ನು ಟ್ರ್ಯಾಕ್ ಮಾಡುವ ತಂಡಗಳು ಒಂದು ಫೀಡ್‌ಬ್ಯಾಕ್ ಲೂಪ್ ಅನ್ನು ನಿರ್ಮಿಸಬಹುದು: ಏಜೆಂಟ್ ಕೆಲಸವನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು ವಿಫಲವಾಗುವವರೆಗೆ ಬಜೆಟ್ ಅನ್ನು ಕಡಿಮೆ ಮಾಡಿ, ನಂತರ ಮುಖ್ಯ ಕಾರ್ಯವನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು ಅಗತ್ಯವಿರುವಷ್ಟು ಮಾತ್ರ ಅದನ್ನು ಹೆಚ್ಚಿಸಿ.

ಮುಂದೆ ಗಮನಿಸಬೇಕಾದವುಗಳು

ಇದು ಇನ್ನು ಆರಂಭಿಕ ಹಂತದಲ್ಲೇ ಇದೆ, ಆದ್ದರಿಂದ ವೆಚ್ಚ ಉಳಿತಾಯದ ಬಗ್ಗೆ ನೈಜ ಡೇಟಾ ಸೀಮಿತವಾಗಿದೆ. ಈ ಮಿತಿಗಳನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳುವ ಸಂಸ್ಥೆಗಳು ಈ ಕೆಳಗಿನವುಗಳನ್ನು ಗಮನಿಸಬೇಕು:

  • ಬದಲಾವಣೆಯ ಮೊದಲು ಮತ್ತು ನಂತರದ ಪ್ರತಿ ಸೆಷನ್ ವೆಚ್ಚ.
  • ವಿವಿಧ ಬಜೆಟ್ ಮಟ್ಟಗಳಲ್ಲಿ ಕಾರ್ಯಗಳ ಪೂರ್ಣಗೊಳಿಸುವಿಕೆಯ ದರ.
  • ಏಜೆಂಟ್ ಬೇಗನೆ ನಿಂತಾಗ ಮತ್ತು ಸಂಪೂರ್ಣವಾಗಿ ಕೆಲಸ ಮುಗಿಸುವವರೆಗೆ ಚಲಿಸಿದಾಗನ ನಡುವಿನ ಬಳಕೆದಾರರ ತೃಪ್ತಿ.

ಈ ಮಿತಿಗಳು ಪರಿಣಾಮಕಾರಿಯೆಂದು ಸಾಬೀತಾದರೆ, ಇಡೀ ಉದ್ಯಮದಲ್ಲಿ ಬಜೆಟ್-ಅರಿವಿರುವ (budget-aware) AI ಏಜೆಂಟ್‌ಗಳಿಗಾಗಿ ಹೆಚ್ಚಿನ ಒತ್ತಡವನ್ನು ನಾವು ನೋಡಬಹುದು. ಡೆವಲಪರ್‌ಗಳಿಗೆ ಈ ಮಿತಿಗಳು ತುಂಬಾ ಕಟ್ಟುನಿಟ್ಟಾಗಿ ಕಂಡುಬಂದರೆ, ಮುಂದಿನ ಅಪ್‌ಡೇಟ್‌ನಲ್ಲಿ ಪ್ರತಿ ಟೂಲ್‌ಗೆ ಪ್ರತ್ಯೇಕ ಬಜೆಟ್ ಅಥವಾ ಗಮನಿಸಿದ ವೆಚ್ಚದ ಆಧಾರದ ಮೇಲೆ ಡೈನಾಮಿಕ್ ಸ್ಕೇಲಿಂಗ್‌ನಂತಹ ಹೆಚ್ಚು ಸೂಕ್ಷ್ಮ ನಿಯಂತ್ರಣಗಳನ್ನು ಪರಿಚಯಿಸಬಹುದು.

ಅಂತಿಮವಾಗಿ: Claude Code 2.1.212 ತಂಡಗಳಿಗೆ AI-ಚಾಲಿತ ಆಟೊಮೇಷನ್ ಆರ್ಥಿಕ ಅನಿರೀಕ್ಷಿತ ವೆಚ್ಚವಾಗಿ ಪರಿಣಮಿಸದಂತೆ ತಡೆಯಲು ಒಂದು ಸರಳವಾದ ಮತ್ತು ಜಾರಿಗೆ ತರಬಹುದಾದ ಮಾರ್ಗವನ್ನು ನೀಡುತ್ತದೆ. ಮಿತಿಗಳನ್ನು ಬಳಸಿ, ಫಲಿತಾಂಶಗಳನ್ನು ಗಮನಿಸಿ ಮತ್ತು ನಿಮ್ಮ ಏಜೆಂಟ್‌ಗಳಿಗೆ ಎಷ್ಟು ಸ್ವಾಯತ್ತತೆಯನ್ನು (autonomy) ನೀಡಬೇಕು ಎಂಬುದನ್ನು ಡೇಟಾ ಮೂಲಕ ನಿರ್ಧರಿಸಿ.