Claude Code کو اب AWS Bedrock کے ذریعے اس قیمت کے ایک معمولی حصے پر چلایا جا سکتا ہے جو ڈویلپرز عام طور پر Anthropic کو ادا کرتے ہیں۔ ایک ڈویلپر نے ایک خود مختار (self-hosted) LiteLLM پراکسی بنائی ہے جو Claude Code CLI کو یہ باور کراتی ہے کہ وہ Anthropic سے بات کر رہا ہے، جبکہ درحقیقت درخواستیں Bedrock پر Amazon کے Nova ماڈل کو بھیجی جاتی ہیں، جس سے سیکھنے کے مرحلے کے اخراجات میں 20%–35% تک کمی آتی ہے۔
پراکسی کیوں اہم ہے
Claude Code کے ساتھ "agentic" کوڈ لکھنا سیکھنے کے دوران Anthropic API کریڈٹس تیزی سے ختم ہوتے ہیں—ہر غلط پرامپٹ یا طویل ڈیبگنگ سیشن اخراجات میں اضافہ کرتا ہے۔ ان ڈویلپرز کے لیے جو ایجنٹ لوپس (agent loops)، ٹول کالنگ (tool calling) اور سیاق و سباق کے انتظام (context management) کے ساتھ تجربات کر رہے ہیں، یہ لاگت ترقی کی رفتار کو روک سکتی ہے۔ پراکسی آپ کو وہی ورک فلو برقرار رکھنے کی اجازت دیتی ہے لیکن آپ AWS کریڈٹس کے ذریعے ادائیگی کرتے ہیں، جو عام طور پر فی ٹوکن سستے ہوتے ہیں۔
موجودہ اختیارات کے ساتھ مسئلہ
- مقامی ماڈلز (مثلاً Ollama)۔ لیپ ٹاپ یا ورک اسٹیشن پر اس کے برابر ماڈل چلانے کے لیے ہائی اینڈ RAM اور GPU کی ضرورت ہوتی ہے، جو بہت سے ڈویلپرز کے پاس نہیں ہوتا۔
- مفت ٹیر APIs (مثلاً OpenRouter)۔ جب ملٹی سٹیپ ایجنٹس (multi-step agents) کی جانچ کی جاتی ہے تو ٹوکن کی حد (token caps) تیزی سے ختم ہو جاتی ہے، جس سے ڈویلپرز کو دوبارہ پیڈ پلانز پر منتقل ہونا پڑتا ہے۔
دونوں طریقوں میں یا تو مہنگے ہارڈ ویئر کی ضرورت ہوتی ہے یا ایجنٹ سائیکل کے مکمل ہونے سے پہلے کوٹہ ختم ہو جاتا ہے۔
LiteLLM پراکسی کیسے کام کرتی ہے
- Dockerised LiteLLM instance ڈویلپر کی مشین یا کسی سستے کلاؤڈ VM پر چلتا ہے۔
- Claude Code CLI پراکسی کے لوکل اینڈ پوائنٹ (local endpoint) کی طرف اشارہ کرتی ہے، یہ سمجھتے ہوئے کہ وہ Anthropic سے رابطہ کر رہی ہے۔
- پراکسی درخواست کو Amazon Nova کے API فارمیٹ کے مطابق دوبارہ لکھتی ہے اور اسے Bedrock کو بھیج دیتی ہے۔
- Nova کے جوابات کو دوبارہ اسی شکل میں تبدیل کیا جاتا ہے جس کی CLI توقع کرتی ہے۔
چونکہ CLI کو اس فرق کا علم نہیں ہوتا، اس لیے ڈویلپر وہی پرامپٹس، ٹول کالنگ سنٹیکس اور سیاق و سباق کے انتظام کے پیٹرنز استعمال کرنا جاری رکھ سکتا ہے جنہیں Claude Code سپورٹ کرتا ہے۔
شامل کردہ حفاظتی میکانزم
- کوئی مصنوعی سیشن کی حد نہیں۔ پراکسی Bedrock کی حدود کے علاوہ کوئی اضافی حد عائد نہیں کرتی۔
- IAM پابندیاں۔ ایکسیس کیز (Access keys) کو ایک ہی ماڈل تک محدود رکھا جاتا ہے، تاکہ غلطی سے مہنگے آپشنز پر منتقل ہونے سے بچا جا سکے۔
- AWS بجٹ الرٹس۔ ایک بجٹ رول اکاؤنٹ کی نگرانی کرتا ہے اور اگر اخراجات غیر متوقع طور پر بڑھ جائیں تو صارف کو مطلع کرتا ہے۔
یہ کنٹرولز تجربے کو کم خطرے والا اور شفاف رکھتے ہیں۔
لاگت کا موازنہ
Bedrock کی عوامی طور پر دستیاب قیمتوں کے مطابق، یہ پراکسی Anthropic کے ذریعے براہ راست Claude Haiku استعمال کرنے کے مقابلے میں 20%–35% کم اخراجات فراہم کرتی ہے۔ درست رقم ایجنٹ کے پرامپٹس اور جوابات کے ٹوکن مکس پر منحصر ہے، لیکن یہ کمی اتنی مستقل ہے کہ سیکھنے کے بجٹ میں نمایاں فرق لا سکتی ہے۔
Docker امیج اور کنفیگریشن فائلز GitHub پر تخلیق کار کے نام، Priyanshu Valiya کے تحت موجود ہیں۔ ایک فوری تلاش سے وہ فائلیں (artifacts) حاصل کی جا سکتی ہیں جنہیں کوئی بھی سیٹ اپ کو دوبارہ بنانے کے لیے استعمال کر سکتا ہے۔
پراکسی کیا نہیں کرتی
- یہ Claude کے لیے مفت سروس نہیں ہے۔ پس منظر میں ماڈل Amazon Nova ہے، Claude نہیں۔ Nova ملتے جلتے ریژوننگ (reasoning) اور ٹول کالنگ پرائمٹیوز (tool-calling primitives) کو سپورٹ کرتا ہے، لیکن اس کا آؤٹ پٹ اسٹائل اور کارکردگی مختلف ہوتی ہے۔
- یہ پروڈکشن بینچ مارک نہیں ہے۔ کسی لائیو سروس کے لیے Claude Code کی موزونیت کا فیصلہ کرنے کے لیے پراکسی کا استعمال گمراہ کن ہوگا، کیونکہ بنیادی ماڈل اور قیمتیں مختلف ہوتی ہیں۔
- صرف ٹوکن کی لاگت پر نظر رکھنا پروڈکشن کے لیے کافی نہیں ہے۔ AWS "Bedrock Agents Classic" سے "AgentCore" کی طرف منتقل ہو رہا ہے۔ نئی پیشکش میں، چارجز نہ صرف ٹوکنز کے لیے بلکہ پلیٹ فارم سروسز جیسے کہ ایجنٹ انووکیشن (agent invocation) اور گیٹ وے درخواستوں کے لیے بھی لگتے ہیں۔ سیکھنے کے مرحلے سے پروڈکشن کی طرف منتقل ہونے والے ڈویلپرز کو ان اضافی اخراجات پر نظر رکھنے کی ضرورت ہے۔
آگے کیا دیکھنا ہے
- AWS AgentCore قیمتوں کی اپ ڈیٹس۔ جیسے جیسے پلیٹ فارم ترقی کرے گا، ایجنٹ آرکیسٹریشن (agent orchestration) یا ریکویسٹ روٹنگ (request routing) جیسے فیچرز کے لیے نئی فیسیں سامنے آ سکتی ہیں۔ AWS پرائسنگ پیج چیک کرنے سے غیر متوقع بلوں سے بچا جا سکتا ہے۔
خلاصہ
Claude Code اور AWS Bedrock کے درمیان LiteLLM پراکسی کا استعمال کر کے، ڈویلپرز Anthropic کی API کو براہ راست استعمال کرنے کے مقابلے میں 20%–35% کم لاگت پر agentic کوڈنگ کی مشق کر سکتے ہیں۔ اس کا تبادلہ ایک مختلف بنیادی ماڈل اور محتاط بجٹ سازی کی ضرورت ہے، لیکن سیکھنے کا بنیادی تجربہ برقرار رہتا ہے۔ ٹول کالنگ ایجنٹس کو تلاش کرتے ہوئے کریڈٹ کی حد (credit ceiling) پر پھنسے ہوئے کسی بھی شخص کے لیے، یہ پراکسی ایک عملی اور کم خطرے والا شارٹ کٹ فراہم کرتی ہے۔