跳轉到主要內容
本頁面提供可用部署選項的概述，並幫助您為組織選擇正確的配置。

​
提供商比較

功能AnthropicAmazon BedrockGoogle Vertex AIMicrosoft Foundry
區域支援的國家多個 AWS 區域多個 GCP 區域多個 Azure 區域
提示快取預設啟用預設啟用預設啟用預設啟用
身份驗證API 金鑰API 金鑰或 AWS 認證GCP 認證API 金鑰或 Microsoft Entra ID
成本追蹤儀表板AWS Cost ExplorerGCP BillingAzure Cost Management
企業功能團隊、使用情況監控IAM 政策、CloudTrailIAM 角色、Cloud Audit LogsRBAC 政策、Azure Monitor

​
雲端提供商

Amazon Bedrock

透過 AWS 基礎設施使用 Claude 模型，支援 API 金鑰或基於 IAM 的身份驗證和 AWS 原生監控

Google Vertex AI

透過 Google Cloud Platform 存取 Claude 模型，具有企業級安全性和合規性

Microsoft Foundry

透過 Azure 存取 Claude，支援 API 金鑰或 Microsoft Entra ID 身份驗證和 Azure 計費

​
企業基礎設施

企業網路

配置 Claude Code 以與組織的代理伺服器和 SSL/TLS 需求相容

LLM Gateway

部署集中式模型存取，具有使用情況追蹤、預算編制和稽核日誌

​
配置概述

Claude Code 支援靈活的配置選項，允許您組合不同的提供商和基礎設施：
了解以下差異：
  • 企業代理：用於路由流量的 HTTP/HTTPS 代理（透過 HTTPS_PROXY 或 HTTP_PROXY 設定）
  • LLM Gateway：處理身份驗證並提供提供商相容端點的服務（透過 ANTHROPIC_BASE_URL、ANTHROPIC_BEDROCK_BASE_URL 或 ANTHROPIC_VERTEX_BASE_URL 設定）
兩種配置可以同時使用。

​
使用 Bedrock 搭配企業代理

透過企業 HTTP/HTTPS 代理路由 Bedrock 流量： 
# 啟用 Bedrock
export CLAUDE_CODE_USE_BEDROCK=1
export AWS_REGION=us-east-1

# 配置企業代理
export HTTPS_PROXY='https://proxy.example.com:8080'

​
使用 Bedrock 搭配 LLM Gateway

使用提供 Bedrock 相容端點的閘道服務： 
# 啟用 Bedrock
export CLAUDE_CODE_USE_BEDROCK=1

# 配置 LLM 閘道
export ANTHROPIC_BEDROCK_BASE_URL='https://your-llm-gateway.com/bedrock'
export CLAUDE_CODE_SKIP_BEDROCK_AUTH=1  # 如果閘道處理 AWS 身份驗證

​
使用 Foundry 搭配企業代理

透過企業 HTTP/HTTPS 代理路由 Azure 流量： 
# 啟用 Microsoft Foundry
export CLAUDE_CODE_USE_FOUNDRY=1
export ANTHROPIC_FOUNDRY_RESOURCE=your-resource
export ANTHROPIC_FOUNDRY_API_KEY=your-api-key  # 或省略以使用 Entra ID 身份驗證

# 配置企業代理
export HTTPS_PROXY='https://proxy.example.com:8080'

​
使用 Foundry 搭配 LLM Gateway

使用提供 Azure 相容端點的閘道服務： 
# 啟用 Microsoft Foundry
export CLAUDE_CODE_USE_FOUNDRY=1

# 配置 LLM 閘道
export ANTHROPIC_FOUNDRY_BASE_URL='https://your-llm-gateway.com'
export CLAUDE_CODE_SKIP_FOUNDRY_AUTH=1  # 如果閘道處理 Azure 身份驗證

​
使用 Vertex AI 搭配企業代理

透過企業 HTTP/HTTPS 代理路由 Vertex AI 流量： 
# 啟用 Vertex
export CLAUDE_CODE_USE_VERTEX=1
export CLOUD_ML_REGION=us-east5
export ANTHROPIC_VERTEX_PROJECT_ID=your-project-id

# 配置企業代理
export HTTPS_PROXY='https://proxy.example.com:8080'

​
使用 Vertex AI 搭配 LLM Gateway

將 Google Vertex AI 模型與 LLM 閘道結合以進行集中式管理： 
# 啟用 Vertex
export CLAUDE_CODE_USE_VERTEX=1

# 配置 LLM 閘道
export ANTHROPIC_VERTEX_BASE_URL='https://your-llm-gateway.com/vertex'
export CLAUDE_CODE_SKIP_VERTEX_AUTH=1  # 如果閘道處理 GCP 身份驗證

​
身份驗證配置

Claude Code 在需要時使用 ANTHROPIC_AUTH_TOKEN 作為 Authorization 標頭。SKIP_AUTH 標誌（CLAUDE_CODE_SKIP_BEDROCK_AUTH、CLAUDE_CODE_SKIP_VERTEX_AUTH）用於 LLM 閘道場景，其中閘道處理提供商身份驗證。

​
選擇正確的部署配置

選擇部署方法時，請考慮以下因素：

​
直接提供商存取

最適合以下組織：
  • 希望最簡單的設定
  • 已有 AWS 或 GCP 基礎設施
  • 需要提供商原生監控和合規性

​
企業代理

最適合以下組織：
  • 有現有的企業代理需求
  • 需要流量監控和合規性
  • 必須透過特定網路路徑路由所有流量

​
LLM Gateway

最適合以下組織：
  • 需要跨團隊的使用情況追蹤
  • 希望在模型之間動態切換
  • 需要自訂速率限制或預算
  • 需要集中式身份驗證管理

​
除錯

除錯部署時：
  • 使用 claude /status 斜線命令。此命令提供對任何應用的身份驗證、代理和 URL 設定的可觀測性。
  • 設定環境變數 export ANTHROPIC_LOG=debug 以記錄請求。

​
組織的最佳實踐

​
1. 投資文件和記憶

我們強烈建議投資文件，以便 Claude Code 了解您的程式碼庫。組織可以在多個級別部署 CLAUDE.md 檔案：
  • 組織範圍：部署到系統目錄，如 /Library/Application Support/ClaudeCode/CLAUDE.md（macOS），用於公司範圍的標準
  • 存放庫級別：在存放庫根目錄中建立 CLAUDE.md 檔案，包含專案架構、建置命令和貢獻指南。將這些簽入原始碼控制，以便所有使用者受益 了解更多。

​
2. 簡化部署

如果您有自訂開發環境，我們發現建立「一鍵」安裝 Claude Code 的方式是在組織中推動採用的關鍵。

​
3. 從引導式使用開始

鼓勵新使用者嘗試 Claude Code 進行程式碼庫問答，或在較小的錯誤修復或功能請求上使用。要求 Claude Code 制定計畫。檢查 Claude 的建議，如果偏離軌道，請提供反饋。隨著時間推移，當使用者更好地理解這種新範例時，他們將更有效地讓 Claude Code 更自主地運行。

​
4. 配置安全政策

安全團隊可以配置受管權限，以確定 Claude Code 允許和不允許執行的操作，這些操作無法被本地配置覆蓋。了解更多。

​
5. 利用 MCP 進行整合

MCP 是為 Claude Code 提供更多資訊的絕佳方式，例如連接到票證管理系統或錯誤日誌。我們建議一個中央團隊配置 MCP 伺服器，並將 .mcp.json 配置簽入程式碼庫，以便所有使用者受益。了解更多。 在 Anthropic，我們信任 Claude Code 為每個 Anthropic 程式碼庫的開發提供動力。我們希望您享受使用 Claude Code 就像我們一樣。

​
後續步驟