Bedrock, Vertex y proxies
Configura Claude Code para trabajar con Amazon Bedrock y Google Vertex AI, y conectar a través de proxies.
Configuración del modelo
Por defecto, Claude Code utiliza claude-opus-4-20250514
. Puedes anular esto utilizando las siguientes variables de entorno:
También puedes establecer estas variables utilizando la configuración global:
Consulta nuestra referencia de nombres de modelos para todos los modelos disponibles en diferentes proveedores.
Uso con APIs de terceros
Claude Code requiere acceso tanto a los modelos Claude Sonnet 3.7 como Claude Haiku 3.5, independientemente del proveedor de API que utilices.
Conectar a Amazon Bedrock
Si no tienes habilitado el almacenamiento en caché de prompts, también establece:
Contacta a Amazon Bedrock para el almacenamiento en caché de prompts para reducir costos y obtener límites de tasa más altos.
Requiere credenciales estándar del SDK de AWS (por ejemplo, ~/.aws/credentials
o variables de entorno relevantes como AWS_ACCESS_KEY_ID
, AWS_SECRET_ACCESS_KEY
). Para configurar las credenciales de AWS, ejecuta:
Si deseas acceder a Claude Code a través de un proxy, puedes usar la variable de entorno ANTHROPIC_BEDROCK_BASE_URL
:
Si tu proxy mantiene sus propias credenciales de AWS, puedes usar la variable de entorno CLAUDE_CODE_SKIP_BEDROCK_AUTH
para eliminar el requisito de Claude Code para las credenciales de AWS.
Los usuarios necesitarán acceso tanto a los modelos Claude Sonnet 3.7 como Claude Haiku 3.5 en su cuenta de AWS. Si tienes un rol de acceso a modelos, es posible que debas solicitar acceso a estos modelos si aún no están disponibles. El acceso a Bedrock en cada región es necesario porque los perfiles de inferencia requieren capacidad entre regiones.
Conectar a Google Vertex AI
Si no tienes habilitado el almacenamiento en caché de prompts, también establece:
Claude Code en Vertex AI actualmente solo admite la región us-east5
. Asegúrate
de que tu proyecto tenga cuota asignada en esta región específica.
Los usuarios necesitarán acceso tanto a los modelos Claude Sonnet 3.7 como Claude Haiku 3.5 en su proyecto de Vertex AI.
Requiere credenciales estándar de GCP configuradas a través de google-auth-library. Para configurar las credenciales de GCP, ejecuta:
Si deseas acceder a Claude Code a través de un proxy, puedes usar la variable de entorno ANTHROPIC_VERTEX_BASE_URL
:
Si tu proxy mantiene sus propias credenciales de GCP, puedes usar la variable de entorno CLAUDE_CODE_SKIP_VERTEX_AUTH
para eliminar el requisito de Claude Code para las credenciales de GCP.
Para obtener la mejor experiencia, contacta a Google para obtener límites de tasa más altos.
Conectar a través de un proxy
Al usar Claude Code con un proxy LLM, puedes controlar el comportamiento de autenticación utilizando las siguientes variables de entorno y configuraciones. Ten en cuenta que puedes combinar estas con configuraciones específicas de Bedrock y Vertex.
Configuraciones
Claude Code admite una serie de configuraciones controladas a través de variables de entorno para configurar el uso con Bedrock y Vertex. Consulta Variables de entorno para una referencia completa.
Si prefieres configurar a través de un archivo en lugar de variables de entorno, puedes agregar cualquiera de estas configuraciones al objeto env
en tus archivos de configuración de Claude Code.
También puedes configurar la opción apiKeyHelper
, para establecer un script de shell personalizado para obtener una clave API (invocada una vez al inicio y almacenada en caché durante la duración de cada sesión, o hasta que transcurra CLAUDE_CODE_API_KEY_HELPER_TTL_MS
).
LiteLLM
LiteLLM es un servicio proxy de terceros. Anthropic no respalda, mantiene ni audita la seguridad o funcionalidad de LiteLLM. Esta guía se proporciona con fines informativos y puede quedar desactualizada. Úsala bajo tu propia discreción.
Esta sección muestra la configuración de Claude Code con LiteLLM Proxy Server, un proxy LLM de terceros que ofrece seguimiento de uso y gasto, autenticación centralizada, presupuestos por usuario y más.
Paso 1: Requisitos previos
- Claude Code actualizado a la última versión
- LiteLLM Proxy Server en ejecución y accesible por red a Claude Code
- Tu clave de proxy LiteLLM
Paso 2: Configurar la autenticación del proxy
Elige uno de estos métodos de autenticación:
Opción A: Clave de proxy estática Establece tu clave de proxy como una variable de entorno:
Opción B: Clave de proxy dinámica Si tu organización utiliza claves rotativas o autenticación dinámica:
- No establezcas la variable de entorno
ANTHROPIC_AUTH_TOKEN
- Crea un script de ayuda de claves para proporcionar tokens de autenticación
- Registra el script bajo la configuración
apiKeyHelper
en tu configuración de Claude Code - Establece la vida útil del token para habilitar la actualización automática:
Establece esto a la vida útil (en milisegundos) de los tokens devueltos por tu
apiKeyHelper
.
Paso 3: Configurar tu despliegue
Elige qué despliegue de Claude quieres usar a través de LiteLLM:
- Anthropic API: Conexión directa a la API de Anthropic
- Bedrock: Amazon Bedrock con modelos Claude
- Vertex AI: Google Cloud Vertex AI con modelos Claude
Opción A: Anthropic API a través de LiteLLM
- Configura el punto final de LiteLLM:
Opción B: Bedrock a través de LiteLLM
- Configura los ajustes de Bedrock:
Opción C: Vertex AI a través de LiteLLM
Recomendado: Credenciales especificadas por el proxy
- Configura los ajustes de Vertex:
Alternativa: Credenciales especificadas por el cliente
Si prefieres usar credenciales GCP locales:
-
Autentícate con GCP localmente:
-
Configura los ajustes de Vertex:
-
Actualiza la configuración del encabezado de LiteLLM:
Asegúrate de que tu configuración de LiteLLM tenga
general_settings.litellm_key_header_name
establecido enProxy-Authorization
, ya que el token GCP de paso estará ubicado en el encabezadoAuthorization
.
Paso 4. Seleccionar un modelo
Por defecto, los modelos utilizarán los especificados en Configuración del modelo.
Si has configurado nombres de modelos personalizados en LiteLLM, establece las variables de entorno mencionadas anteriormente a esos nombres personalizados.
Para obtener información más detallada, consulta la documentación de LiteLLM.