Claude Code behøver ikke længere sidde på en udviklers laptop
Claude Code behøver ikke længere sidde på en udviklers laptop. Kodeagenten kan køre som fjernagent på Amazon Bedrock AgentCore, hvor hver kodeopgave får sin egen isolerede session, og hvor resultatet kommer tilbage som en pull request, som et menneske skal godkende.
Placering
Fra den enkelte laptop til delt infrastruktur
De fleste kender Claude Code som et værktøj, der kører lokalt i en terminal. Det fungerer fint for den enkelte udvikler. Brugt bredt i en virksomhed ser jeg tre risici. Det er min egen vurdering, ikke noget fra AWS' gennemgang. Agenten arbejder med de rettigheder, den enkelte maskine tilfældigvis har. Det er svært at få et samlet overblik over, hvad agenterne foretager sig. Og en lang opgave kan binde en arbejdsstation, så længe den kører.
AWS beskriver i en gennemgang på sin Machine Learning-blog, hvordan Claude Code i stedet kan flyttes til AgentCore og startes som en fjernsession. Det er mindre en ny funktion end en ny placering. Samme agent, men inden for rammer, som virksomheden selv styrer.
Isolation
Én session pr. opgave giver en naturlig afgrænsning
Kernen i løsningen er, at hver kodeopgave får sin egen isolerede session. Det er den del, jeg lægger mest vægt på.
Det har en praktisk konsekvens, som er let at overse. Hvis en agent misforstår en instruks eller ender i en blindgyde, bør fejlen kun ramme den ene opgave. Det er min vurdering af, hvad isolationen giver i praksis, og jeg ville teste det, før jeg stolede på det. Jeg forventer også, at en ny session ikke arver en arbejdsmappe, som en tidligere opgave har efterladt i en tilstand, men det skal man selv kontrollere i opsætningen.
Isolationen gør formentlig også forbrug lettere at overskue. Med en session pr. opgave kan tid og omkostning knyttes til en bestemt opgave og ikke til en person, der har haft en agent kørende hele dagen. Jeg har ikke et rent tal på, hvad det betyder i kroner. Det afhænger af opgaverne.
Data
Kode og modelkald bliver i jeres konto
For mange danske virksomheder er det her, beslutningen træffes. Opsætningen kører i virksomhedens egen AWS-konto, og alle modelkald går gennem Amazon Bedrock. Resultatet er, at data ikke forlader virksomhedens AWS-miljø.
Det erstatter ikke en databehandleraftale eller en vurdering af, hvilke repositories der overhovedet må røres af en agent. Men det flytter spørgsmålet fra "hvem har vores kode?" til "hvem i vores egen konto har adgang til hvad?". Det er et spørgsmål, de fleste it-afdelinger allerede har værktøjer til at besvare: roller, politikker, logning og netværksgrænser.
Godkendelse
Pull requesten er stedet, hvor mennesket beslutter
Agenten får en opgave og afleverer resultatet som en pull request. Den skubber ikke direkte til hovedgrenen. Agenten foreslår, og en udvikler gennemgår og merger.
En pull request er et format, teamet allerede kender. Den kan gennemgås, kommenteres og afvises. Hvis en agent har taget en genvej, bliver den synlig i diffen, før noget når produktion.
Gennemgangen skal ikke slækkes, fordi koden er skrevet af en maskine. En agent kan aflevere store, velformulerede ændringer hurtigt, og den, der godkender, skal stadig forstå dem.
Gennemgangen bliver ikke mindre vigtig, fordi koden er skrevet af en maskine. Den bliver vigtigere.
Sikkerhed
Sådan begrænser du, hvad agenten kan række ud efter
En agent, der kan læse kode og køre kommandoer, har i princippet meget at give af. Sikkerhedskontrollerne handler derfor om at gøre dens rækkevidde så lille som muligt og samtidig tydelig:
Drift
Det skal på plads, før kodeagenten kører i drift
Når en agent i drift går galt, er det sjældent modellen, der er årsagen. Oftest er det en rettighed, ingen ejede, eller en grænse, ingen havde sat. For en kodeagent på AgentCore ville jeg have styr på det her først:
1. **Afgræns opgavetyperne.** Start med opgaver, der er lette at kontrollere, som opdateringer af afhængigheder og små fejlrettelser. Lad ikke agenten begynde med arkitekturændringer. 2. **Kræv menneskelig godkendelse.** Beskyt hovedgrenen, så ingen pull request fra agenten kan flettes uden gennemgang. 3. **Fastlæg ejerskab.** Nogen skal eje agentens rolle, dens rettigheder og dens logs. Uden en ejer glider rettighederne langsomt opad. 4. **Sæt grænser for forbrug.** Definér, hvor lang en session må vare, og hvor mange der må køre samtidig. 5. **Test fejlsituationer.** Se, hvad der sker, når agenten får en tvetydig opgave, og når den møder noget, den ikke må røre.
Skal agenten køre i produktionsnære miljøer, så afklar også, hvordan opsætningen passer ind i resten af din AWS-struktur: konti, adgangsstyring og overvågning. Det er billigere at tegne grænserne op før start end at stramme dem, efter en agent har haft for mange rettigheder i en måned.
AWS' eksempel flytter en kodeagent ud af den enkelte udviklers maskine og ind i en struktur med isolation, egne rettigheder og menneskelig godkendelse.