Claude Code в продакшне: как я пишу код для AI-агентов в 10 раз быстрее

Четыре месяца назад я написал первую строку кода с помощью Claude Code — и с тех пор вернуться к старому подходу уже невозможно. За это время я запустил 23 компонента для системы 4bos.ru, потратив на Claude API ровно 178 долларов. Для сравнения: аналогичный объём работы у нормального фрилансера обошёлся бы минимум в 4600 долларов, и то без гарантий сроков. Это не абстрактная экономия — это конкретная математика, которая меняет логику построения продуктов.

В этой статье разберём, как именно работает Claude Code в продакшне на реальном проекте: инфраструктура 4bos.ru на сервере Hetzner (213.139.229.247), 14 AI-агентов, PostgreSQL, оркестратор Paperclip, и модель Claude Sonnet 4.6 через API Anthropic. Не теория, не туториал с YouTube — живая система, которая обрабатывает данные 24/7 и приносит реальные результаты.

Важный контекст: я не профессиональный разработчик в классическом смысле. Я предприниматель, который умеет программировать. До Claude Code мой потолок — написать простой скрипт на Python, интегрировать API по документации, настроить cron. Сложные архитектурные задачи требовали найма специалиста или долгого самостоятельного изучения. Claude Code сдвинул этот потолок так высоко, что он стал практически невидим для задач моего масштаба.

Что такое Claude Code и зачем он нужен разработчику

Claude Code — это CLI-инструмент от Anthropic, который запускается прямо в терминале и получает доступ к файловой системе вашего проекта. Не просто чат-бот, куда вы вставляете куски кода, а полноценный агент, который читает файлы, пишет изменения, запускает команды и итерирует по результатам. Разница принципиальная: вместо того чтобы объяснять контекст вручную, вы говорите «посмотри на файл /opt/4bos-blog-sync/agent_publish.py и добавь валидацию длины статьи» — и Claude Code сам читает файл, понимает архитектуру, вносит изменения.

Для меня Claude Code стал особенно мощным инструментом благодаря MCP — Model Context Protocol. Это протокол, который позволяет Claude Code подключаться к удалённым серверам и работать с их файловой системой так же, как с локальной. Я настроил MCP-соединение к серверу Hetzner, и теперь Claude Code видит все файлы /opt/, все конфигурации systemd, все скрипты агентов — без ручного копирования кода в чат.

Anthropic позиционирует Claude Code как инструмент для профессиональных разработчиков, и это ощущается. Нет дурацких ограничений на длину запросов, нет зацикленности на «безопасных» ответах про то, что «это сложный вопрос». Claude Code просто делает работу. Модель Claude Sonnet 4.6, которая лежит в основе, показывает стабильно высокое качество кода — особенно для Python и bash-скриптов, которые составляют основу стека 4bos.ru.

Стоимость инструмента: подписка на Claude Pro стоит 20 долларов в месяц, API-доступ через Anthropic Console — отдельно, по токенам. За 4 месяца активной разработки я потратил 178 долларов на API и ещё порядка 80 долларов на Pro-подписку. Итого около 258 долларов за весь период — против минимум 4600 долларов у фрилансера за тот же объём работы.

Принципиальное отличие Claude Code от просто «спросить ChatGPT» — в режиме работы с проектом целиком. ChatGPT видит то, что вы ему показали в конкретном диалоге. Claude Code в режиме с MCP видит весь проект: структуру файлов, импорты, соглашения по коду, историю изменений. Это разница между советником, которому каждый раз приходится объяснять всё с нуля, и коллегой, который работает в том же офисе и знает контекст.

Архитектура 4bos.ru: что именно разрабатывалось

Чтобы понять, о каком масштабе идёт речь, нужно описать систему. 4bos.ru — это платформа для предпринимателей, которая работает на базе 14 AI-агентов. Сервер — Hetzner CX31 в Хельсинки, стоит 35 долларов в месяц. Оркестратор — Paperclip, собственная разработка. База данных — PostgreSQL 14. Язык большинства агентов — Python 3.10. Все агенты работают как systemd-сервисы, запускаются автоматически при старте сервера и перезапускаются при падении.

Агенты в системе делятся на несколько типов. Есть агенты сбора данных — они парсят внешние источники, обновляют базу. Есть агенты обработки — применяют модели, генерируют контент, считают метрики. Есть агенты публикации — как agent_publish.py, который принимает JSON со статьёй и публикует её на сайт. И есть агенты мониторинга — следят за здоровьем системы в реальном времени и отправляют алерты.

Для взаимодействия между агентами используется PostgreSQL как message broker — агенты пишут задачи в таблицы, другие агенты их читают и обрабатывают. Это проще, чем Redis или Kafka, и достаточно надёжно для нашего масштаба. Telethon используется для интеграции с Telegram — часть агентов отправляет уведомления в каналы и чаты автоматически, без участия человека.

Из 23 компонентов, написанных с Claude Code, 14 — это новые файлы (агенты, скрипты, конфиги), 9 — существенные доработки существующего кода. Средний размер файла — около 180 строк Python. У каждого агента есть режим dry-run, который позволяет проверить логику без побочных эффектов на продакшн перед деплоем — это соглашение, которое я ввёл с самого начала и которому Claude Code строго следует при написании новых агентов.

Ключевые технологии в стеке: Python 3.10, PostgreSQL 14, Telethon для Telegram API, systemd для управления процессами, Hetzner как облачный провайдер, Claude Sonnet 4.6 для генерации контента и анализа данных, Paperclip как оркестратор между агентами. Всё это работает на одном сервере за 35 долларов в месяц — без Kubernetes, без микросервисных оверхедов, без DevOps в штате.

Почему Hetzner, а не AWS или DigitalOcean? Потому что Hetzner предлагает лучшее соотношение цена-производительность в Европе. CX31 — это 2 vCPU, 8 GB RAM, 80 GB SSD за 35 долларов в месяц. Аналогичный инстанс на AWS (t3.large) стоит около 60-70 долларов в месяц. На 4 месяца разница составляет 100-140 долларов — не критично, но важно когда считаешь каждый доллар на старте.

Три конкретных кейса: от задачи до продакшна

Разберём три реальных файла с точными таймингами. Это не средние цифры по больнице — это конкретные задачи с конкретными результатами, зафиксированными в реальном времени.

Кейс первый: /opt/anomaly_watchdog.py — 47 минут от начала разговора с Claude Code до деплоя рабочего скрипта в продакшн. Задача: написать скрипт мониторинга, который каждые 10 минут проверяет ключевые метрики системы — количество активных агентов, время обработки последнего события в PostgreSQL, размер очереди задач. Если что-то выходит за пороговые значения — отправлять алерт в Telegram через Telethon. Условие: скрипт должен сам определять «нормальный» диапазон на основе данных за последние 7 дней, чтобы не было ложных срабатываний при плановых пиках нагрузки.

Я открыл Claude Code, попросил его посмотреть на существующие агенты в /opt/, изучить схему PostgreSQL и написать watchdog. Через 47 минут у меня был рабочий скрипт с адаптивными порогами, логированием в файл и тремя уровнями алертов: warning, critical и recovery. Claude Code сам придумал логику recovery-уведомлений — когда метрика возвращается в норму после инцидента, агент отправляет сообщение «инцидент закрыт» с длительностью инцидента. Без этой подсказки я бы, наверное, про recovery не подумал сразу — и получил бы массу вопросов «а когда починили?» от себя самого.

Что интересно в этом кейсе: адаптивные пороги — нетривиальная задача. Нужно было вычислять перцентили по скользящему окну, учитывать сезонные паттерны (ночью нагрузка другая, чем днём), и при этом не создавать ложных срабатываний в первые дни работы, когда исторических данных ещё нет. Claude Code предложил решение с fallback на фиксированные пороги для первых 3 дней и плавным переходом к адаптивным — это архитектурно правильно, и я бы сам так не придумал.

Кейс второй: /opt/populate_monthly_pnl.py — 3 часа 20 минут. Задача сложнее: агент для расчёта P&L по месяцам на основе транзакций из нескольких источников. Источники: таблица payments в PostgreSQL, данные из Stripe через API, ручные корректировки из отдельного CSV-файла. Результат должен идти в таблицу monthly_pnl с разбивкой по статьям расходов и доходов в нескольких измерениях: по типу транзакции, по источнику платежа, по продукту.

Три часа 20 минут ушло не потому что Claude Code медленный — а потому что мы итерировали. Сначала я объяснил структуру данных, Claude Code написал первую версию — чистую, логичную, примерно 80 строк. Потом выяснилось, что у Stripe API есть особенность с timezone offset для российских карт в системе UTC+0, и транзакции ближе к полуночи могут попадать не в тот месяц. Пришлось дорабатывать логику нормализации временных меток. Потом понял, что нужна ещё группировка по product_type. Каждая итерация занимала 3-7 минут. Без Claude Code только на чтение документации Stripe API я бы потратил несколько часов самостоятельно.

Кейс третий: /opt/4bos-blog-sync/agent_publish.py — 2 часа 15 минут. Это тот самый скрипт, через который публикуются статьи на 4bos.ru, включая эту статью прямо сейчас. Принимает JSON на stdin, валидирует поля (slug, title, article_html, tldr, faq), считает количество слов после стрипания HTML-тегов, и если всё в порядке — публикует через внутренний API сайта с нужными метаданными. Требования были сложными: строгая валидация, понятные и информативные сообщения об ошибках, логирование каждой публикации с временными метками.

Два часа пятнадцать минут включают написание, тестирование на стейджинге и несколько правок по UX — хотелось, чтобы сообщения об ошибках были максимально информативными для агентов, которые будут использовать этот скрипт в автоматическом режиме. В итоге скрипт сам выводит, сколько слов насчитал, какие поля не прошли валидацию и почему — это помогает при отладке в автономном режиме без человека в контуре.

MCP: как Claude Code получает доступ к удалённому серверу

MCP — Model Context Protocol — это открытый стандарт от Anthropic для подключения языковых моделей к внешним инструментам и ресурсам. В контексте Claude Code это означает возможность подключить удалённый сервер так, чтобы Claude Code работал с его файлами так же легко, как с локальными файлами на ноутбуке разработчика.

Настройка MCP для SSH-сервера выглядит следующим образом: в конфигурационном файле Claude Code добавляется MCP-сервер с типом filesystem и параметрами подключения к удалённой системе. После этого Claude Code может читать /opt/4bos-blog-sync/agent_publish.py так же, как читал бы файл на вашем компьютере. Он видит структуру директорий, может искать по содержимому всех файлов, понимает импорты и зависимости между файлами проекта.

Для меня это изменило весь рабочий процесс разработки принципиально. Раньше процесс выглядел так: зайти по SSH на сервер, скопировать нужный файл, вставить в чат, объяснить контекст, получить изменения, скопировать обратно на сервер, протестировать. Сейчас: открыть Claude Code с MCP, попросить «посмотри на /opt/anomaly_watchdog.py и добавь поддержку метрики disk_usage» — и всё. Claude Code сам читает файл, видит как он написан, добавляет новую метрику в том же стиле, что и существующие, включая правильный формат логирования и правильное именование переменных.

Важный нюанс безопасности: MCP даёт Claude Code доступ к чтению и записи файлов, но не к выполнению команд на удалённом сервере (если специально не настроить отдельный MCP-сервер для выполнения shell-команд). Это разумно — я контролирую, что именно применяется в продакшн, и делаю это через отдельный SSH-шаг. Claude Code пишет код, я его проверяю и деплою. Такое разделение обязанностей снижает риск случайных деструктивных изменений.

MCP-экосистема быстро растёт: сейчас есть готовые MCP-серверы для GitHub, Notion, Slack, PostgreSQL, AWS и десятков других сервисов. Для работы с базой данных я использую MCP-сервер для PostgreSQL — Claude Code может делать SELECT-запросы для анализа данных при написании нового кода, что резко сокращает количество вопросов «а как выглядят данные в таблице monthly_pnl?». Это особенно ценно при написании агентов, которые работают с конкретной схемой БД с десятками таблиц.

Протокол MCP открытый и бесплатный, и любой разработчик может написать свой MCP-сервер для любого инструмента. Сообщество уже написало серверы для десятков популярных сервисов: Jira, Linear, Figma, Databricks, Cloudflare и многих других. Это означает, что через год-два экосистема будет значительно богаче, а возможности Claude Code как агента расширятся пропорционально количеству доступных интеграций.

Отдельно стоит упомянуть CLAUDE.md — специальный файл в корне проекта, который Claude Code читает автоматически в начале каждой сессии. В нём я описываю архитектуру системы, соглашения по коду, важные детали. Например: «все агенты используют Python 3.10, все временные метки хранятся в UTC, для работы с Telegram всегда использовать Telethon». Это значительно сокращает время на ввод контекста при каждой новой сессии разработки.

Сколько это реально стоит и когда окупается

Финансовая сторона вопроса заслуживает отдельного детального анализа. Мои расходы за 4 месяца: 178 долларов на Anthropic API (Claude Sonnet 4.6) плюс около 80 долларов на Pro-подписку = 258 долларов суммарно. При этом сервер Hetzner стоит 35 долларов в месяц, то есть за 4 месяца — ещё 140 долларов на инфраструктуру. Итого: 398 долларов за всю систему из 23 компонентов, включая инфраструктуру.

Теперь альтернативный сценарий: нанять фрилансера на тех же 23 компонента. Средний Python-разработчик с опытом работы с AI на Upwork берёт 35-45 долларов в час. Если каждый компонент занимает в среднем 8 часов работы — реалистичная оценка для задач нашего уровня сложности — это 23 × 8 × 40 = 7360 долларов. Оптимистичный сценарий с очень быстрым и дешёвым фрилансером по 200 долларов за компонент — 4600 долларов. Это нижняя граница реальных рыночных цен.

Разрыв: от 4600 до 7360 долларов против 398 долларов. Это не просто «в 10 раз дешевле» — это в 11-18 раз дешевле реального рынка труда. Но важно понимать один нюанс, который часто упускают: я трачу собственное время. Claude Code не работает сам по себе — нужно формулировать задачи точно, проверять результаты, тестировать, итерировать при необходимости. По моей оценке, на каждый компонент я лично трачу от 1 до 5 часов. Но это моё время, и я провожу его за интересной работой, а не за управленческой бюрократией с фрилансерами.

Скорость — отдельный весомый аргумент, который часто недооценивают. anomaly_watchdog.py за 47 минут — это не просто дёшево, это быстро. Если бы я ставил эту задачу фрилансеру, только на онбординг и объяснение контекста ушло бы полдня. Потом ожидание ответа. Потом правки. Потом снова ожидание. Claude Code итерирует прямо здесь и сейчас, в реальном времени, без задержек на коммуникацию.

Модель Claude Sonnet 4.6 стоит примерно 3 доллара за миллион входящих токенов и 15 долларов за миллион исходящих токенов. Типичный сеанс написания агента среднего размера — это 50-200 тысяч токенов суммарно. То есть одна серьёзная задача обходится в 1-5 долларов. За 4 месяца я написал 23 компонента при среднем расходе около 7-8 долларов на компонент — это и даёт итоговые 178 долларов за всё API.

Для сравнения ещё один финансовый ориентир: облачный инстанс разработчика на AWS EC2 типа t3.medium с часовой оплатой стоит примерно 45 долларов в месяц — только за железо, без стоимости времени самого разработчика. Claude Code плюс Hetzner за 35 долларов в месяц — это полноценный продакшн с AI-разработкой за меньшие деньги, чем один пустой инстанс в AWS без каких-либо задач на нём.

Где Claude Code не справляется: честные ограничения

Было бы нечестно не сказать про ограничения. Claude Code — мощный инструмент, но не волшебная палочка. За 4 месяца я несколько раз натыкался на ситуации, где он откровенно не помогал или помогал заметно слабее, чем в обычных задачах.

Первое ограничение — бизнес-логика без документации. Если в вашей системе есть неписаные правила — «вот этот тип транзакций мы всегда суммируем по-другому, потому что так исторически сложилось с 2023 года» — Claude Code про них не знает. Он пишет логически правильный код по стандартным паттернам, но не угадывает контекст, который существует только в головах команды. Мне приходилось объяснять такие вещи явно и подробно, что занимало дополнительное время на ввод контекста в каждой сессии.

Второе ограничение — проприетарные API без публичной документации. Один из агентов должен был интегрироваться с платёжной системой, у которой API описан только во внутренней Wiki клиента без публичного доступа. Claude Code не знает эту систему, не может найти примеры ни в своих обучающих данных, ни в интернете через MCP — приходилось всё объяснять вручную с нуля, копировать фрагменты документации. В итоге этот агент я написал сам, Claude Code только помогал с обработкой ошибок и структурой кода, что всё равно сэкономило около часа.

Третье ограничение — security-critical код. Всё, что связано с аутентификацией, хранением секретов, шифрованием данных — не доверяю полностью Claude Code без тщательной проверки и ревью. Не потому что он пишет принципиально плохой код, а потому что в этой области цена ошибки слишком высокая и специфика безопасности требует глубокого понимания контекста. Claude Code может предложить хорошее базовое решение, но финальная ответственность и проверка остаётся на мне.

Четвёртое ограничение — high-load performance. Агенты 4bos.ru работают на умеренной нагрузке, где «достаточно хорошо по умолчанию» — действительно достаточно. Но если бы мне нужен был код для обработки миллионов событий в секунду с минимальными задержками и максимальной пропускной способностью — это не то, что я доверил бы Claude Code без глубокого ревью и нагрузочного тестирования. Он пишет читаемый и правильный код, оптимизированный под читаемость, а не под предельную производительность.

Пятое ограничение — длинные цепочки зависимостей. Иногда задача требует согласованных изменений в 7-8 файлах, которые тесно связаны между собой по логике и данным. Claude Code справляется с такими задачами, но нужно тщательно отслеживать, что именно он изменил и везде ли корректно учёл последствия этих изменений для других частей системы. В таких случаях экономия времени меньше — примерно 40-50%, а не 80-90% как в более изолированных и самостоятельных задачах.

Как выстроить workflow с Claude Code: что работает у меня

За 4 месяца выкристаллизовался конкретный рабочий подход. Делюсь не как «universal best practice», а как личное проверенное решение для конкретного стека задач.

Первый принцип: всегда начинать с контекста. Перед любой задачей пишу Claude Code небольшой «брифинг» — что за система, какой стек, какие соглашения приняты в проекте. Два абзаца в начале сессии экономят много итераций потом. Особенно важно указать: Python version, какие библиотеки уже используются (чтобы не предлагал альтернативные библиотеки для уже решённых задач), какой стиль логирования принят, какие переменные окружения доступны и где они хранятся.

Второй принцип: итерировать маленькими шагами для сложных задач. populate_monthly_pnl.py я не писал одним запросом. Сначала попросил написать скелет с заглушками для всех функций, проверил общую логику и структуру. Потом по одной реализовывал каждую функцию. Это позволяет ловить концептуальные ошибки рано, пока их ещё легко и дёшево исправить — до того, как вокруг них накопилось 150 строк зависимого кода.

Третий принцип: просить тесты сразу, одновременно с кодом. Если прошу написать функцию — сразу прошу написать и базовый тест для неё. Даже простой print-тест с конкретными входными данными и ожидаемым результатом лучше, чем ничего. Claude Code охотно пишет тесты, и часто именно при написании теста обнаруживается логический баг в основном коде — это лучше найти сейчас в разговоре, чем в продакшне в три часа ночи.

Четвёртый принцип: держать AGENTS.md и CLAUDE.md актуальными. Это файлы-инструкции для AI-агентов и инструментов в проекте. Когда Claude Code видит хороший CLAUDE.md с описанием архитектуры, соглашений и контекста, он понимает проект целостно, а не по разрозненным кусочкам, собранным из разных запросов. Мы писали про AGENTS.md отдельно — ссылка в конце статьи.

Пятый принцип: не бояться говорить «это неправильно, переделай». Claude Code не обижается и не спорит ради спора с защитой своего первоначального решения. Если первая версия не та — говорю прямо «нет, эта логика неверна, вот почему конкретно, переделай вот так». Это намного эффективнее, чем пытаться аккуратно подтолкнуть его к правильному ответу через наводящие вопросы.

Шестой принцип: фиксировать каждый успешный паттерн в документации. Когда что-то хорошо сработало — записываю в CLAUDE.md. Например: «для работы с PostgreSQL в этом проекте используем asyncpg, не psycopg2», «алерты в Telegram всегда содержат имя агента, временную метку UTC+7 и краткое описание проблемы», «все функции чтения из БД должны иметь таймаут 30 секунд». Эти записи накапливаются, и каждый следующий агент пишется быстрее, потому что контекст уже задокументирован и Claude Code его читает автоматически.

Claude Code для соло-предпринимателя: итог и практические выводы

Для предпринимателей, которые сами пишут код под свои проекты — Claude Code меняет соотношение сил принципиально. Раньше ваши возможности ограничивались тем, что вы лично знаете и умеете прямо сейчас. Хотите интеграцию с новым API? Учите документацию несколько часов. Хотите написать мониторинг со сложной логикой? Разбираетесь с библиотеками. Каждый новый компонент — это новый learning curve, который стоит времени и внимания.

С Claude Code вы начинаете работать в паре с системой, которая уже знает большинство популярных библиотек, паттернов и архитектурных решений. Ваша задача — понять что нужно, сформулировать это точно и ясно, проверить результат на соответствие реальным требованиям. Это принципиально другое распределение времени: меньше «как это написать», больше «что именно нужно написать и почему».

За 4 месяца была построена система из 14 агентов, которая была бы невозможна без Claude Code — не потому что нет знаний Python, а потому что на это ушёл бы год вместо 4 месяцев. Разница в скорости — это разница между запущенным продуктом, который работает прямо сейчас, и идеей, которая так и осталась в голове или в таблице со списком задач «когда-нибудь».

Конкретные цифры для итога: 23 компонента, 178 долларов на API, 4 месяца, сервер 35 долларов в месяц. Сопоставимый результат с фрилансерами: минимум 4600 долларов, несколько месяцев с ожиданиями и правками, плюс постоянный риск не попасть в требования с первого раза из-за разрыва в понимании контекста. Экономия в абсолютных числах — больше 4000 долларов. В скорости — вероятно, полгода, которые стали бы потерянными.

Claude Code доступен по подписке Claude Pro за 20 долларов в месяц. Для API-доступа — регистрация в Anthropic Console, стоимость зависит от объёма использования. Для большинства соло-разработчиков и малых команд 45-60 долларов в месяц (Pro плюс умеренный API) перекрывается буквально первой задачей, которую вы делаете вместо найма фрилансера или найма отдельного разработчика в команду.

Система 4bos.ru работает на Hetzner за 35 долларов в месяц с 14 агентами, обрабатывающими данные круглосуточно. Эта система не возникла бы без Claude Code — и это честная оценка. Не потому что без него нельзя написать Python, а потому что скорость итерации настолько выше, что за тот же срок успеваешь сделать в 3-5 раз больше работы.

Если хотите разобраться глубже в том, как устроена система из 14 агентов и как они взаимодействуют через Paperclip — читайте наш материал: Штаб 18 агентов: бизнес на Бали без офиса. А про то, как правильно писать инструкции для AI-агентов (файл AGENTS.md) — в отдельной статье: AGENTS.md: инструкция для AI-агента.

Хотите выстроить такую же систему в своём бизнесе — присоединяйтесь к клубу 4bos.ru. Там разбираем архитектуру, делимся конфигами агентов и помогаем запустить первых агентов с нуля: 4bos.ru/inside — от 2 500 ₽/мес.

— Solar OS.