Host Claude AI agent trên Business Hosting TND

Tại sao Business Hosting đủ chạy AI agent

Một nhầm lẫn phổ biến: nghĩ rằng "chạy AI agent" = cần GPU mạnh. Sai. Claude agent của bạn chỉ là 1 API gateway nhận request từ user, forward sang Anthropic Cloud, lưu history, và trả response về. Toàn bộ compute heavy (model inference) chạy trên server Anthropic ở Mỹ - bạn không cần GPU. Một con server 8GB RAM thậm chí 4GB cũng dư.

Các tài nguyên thật sự cần:

• RAM: 2GB cho FastAPI process, 1GB Redis cache, 1GB PostgreSQL = 4GB là đủ.
• CPU: chỉ dùng khi parse JSON, encode/decode payload. 2 vCPU đủ cho 200 req/s.
• Bandwidth: response Claude trung bình 4KB, 5000 user × 5 lượt/ngày × 4KB = 100MB/ngày. Hosting unmetered là quá đủ.
• Latency: từ DC Việt Nam đến API Anthropic (us-west) ~165ms. Không bottleneck với streaming response.

Kiến trúc tổng quan

3 thành phần chính, deploy trên cùng 1 server Business Hosting:

1. Edge layer: nginx reverse proxy + Let's Encrypt SSL + rate limit (20 req/min/IP).
2. App layer: FastAPI app chạy uvicorn 4 workers + supervisor giữ process sống.
3. Data layer: PostgreSQL 16 (history, user metadata) + Redis 7 (cache + queue).

Cài đặt từ đầu

Bước 1: Setup Python 3.11 + uv

# SSH vào hosting
ssh [email protected]

# Cài Python 3.11 + uv (faster pip)
curl -LsSf https://astral.sh/uv/install.sh | sh
uv venv .venv
source .venv/bin/activate
uv pip install fastapi uvicorn[standard] anthropic redis psycopg[binary] python-dotenv pydantic

Bước 2: FastAPI agent endpoint

# app.py
from fastapi import FastAPI, HTTPException, BackgroundTasks
from pydantic import BaseModel
from anthropic import Anthropic
import redis, os, json, hashlib

app = FastAPI()
client = Anthropic(api_key=os.environ["ANTHROPIC_API_KEY"])
r = redis.Redis(decode_responses=True)

class ChatReq(BaseModel):
    user_id: str
    message: str
    session_id: str | None = None

@app.post("/chat")
async def chat(req: ChatReq, bg: BackgroundTasks):
    # Cache key cho FAQ phổ biến
    key = "faq:" + hashlib.sha256(req.message.encode()).hexdigest()[:16]
    cached = r.get(key)
    if cached:
        return {"reply": cached, "cached": True}

    # Lấy lịch sử 10 turns gần nhất
    history = json.loads(r.get(f"sess:{req.session_id}") or "[]")[-10:]
    history.append({"role": "user", "content": req.message})

    msg = client.messages.create(
        model="claude-haiku-4-5",
        max_tokens=1024,
        system="Bạn là trợ lý chăm sóc khách hàng của TND. Trả lời ngắn gọn, lịch sự.",
        messages=history,
    )
    reply = msg.content[0].text
    history.append({"role": "assistant", "content": reply})
    r.setex(f"sess:{req.session_id}", 3600, json.dumps(history))

    # Cache FAQ 24h
    if len(req.message) < 80:
        r.setex(key, 86400, reply)

    bg.add_task(log_to_db, req.user_id, req.message, reply)
    return {"reply": reply, "cached": False}

Bước 3: Webhook nhận từ Facebook Messenger

Plug Claude agent vào Messenger fanpage facebook.com/www.tnd.vn:

@app.post("/webhook/messenger")
async def messenger(payload: dict):
    for entry in payload.get("entry", []):
        for msg in entry.get("messaging", []):
            sender = msg["sender"]["id"]
            text = msg.get("message", {}).get("text", "")
            if not text: continue
            reply = await chat(ChatReq(
                user_id=sender, message=text, session_id=f"fb:{sender}"
            ), BackgroundTasks())
            await send_messenger(sender, reply["reply"])
    return {"status": "ok"}

Tối ưu chi phí Claude API

Pricing Anthropic tháng 5/2026:

Với chatbot fanpage thông thường, 1 request = ~200 token input + ~150 token output. Dùng Haiku: $0.80 × 0.0002 + $4 × 0.00015 = $0.00076/request, tức ~20đ. 5000 user × 5 lượt = 25.000 request/ngày × 20đ = 500.000đ/ngày Claude API.

Mẹo giảm 60% chi phí: bật prompt caching của Anthropic cho system prompt dài (knowledge base, FAQ). Cache TTL 5 phút, sau lần đầu chỉ tính $0.08/1M token thay vì $0.80 - giảm 90% cost input.

Áp dụng prompt caching

msg = client.messages.create(
    model="claude-haiku-4-5",
    system=[
        {"type": "text", "text": "Bạn là trợ lý TND. Trả lời ngắn."},
        {"type": "text", "text": KNOWLEDGE_BASE_LONG_TEXT,
         "cache_control": {"type": "ephemeral"}}
    ],
    messages=history,
)

Voice agent: thêm STT + TTS

Mở rộng agent thành voice qua Twilio + Whisper + ElevenLabs:

1. Inbound call tới số Twilio Việt Nam (~250K/tháng) → webhook về /voice/inbound.
2. STT: stream audio chunk → OpenAI Whisper API ($0.006/phút).
3. Claude: nhận text, generate reply.
4. TTS: ElevenLabs Vietnamese voice ($0.30/1K char) → trả audio cho Twilio play.

Latency end-to-end: STT 800ms + Claude 1.2s + TTS 600ms = ~2.6s per turn. Đủ tự nhiên cho call center inbound. Chi phí 1 cuộc gọi 5 phút ~12.000đ.

Scale lên: khi nào nâng cấp khỏi Business Hosting

Business Hosting 8GB phù hợp đến ~10.000 req/ngày. Vượt mức này, các nâng cấp lần lượt:

• 10K-50K req/ngày: chuyển sang Cloud VPS 16GB RAM, 8 vCPU (~349K/tháng). Tách Redis + Postgres ra container riêng.
• 50K-200K req/ngày: thêm VPS n8n riêng để xử lý workflow background (gửi email, sync CRM).
• >200K req/ngày: dedicated server hoặc cluster K8s. Cân nhắc dùng Cloud Phone Android farm cho voice agent đa thuê bao.

Tích hợp với Cloud Phone - agent OmniChannel

Kết hợp Claude agent với Cloud Phone Android để xử lý Zalo, Messenger, TikTok DM:

• Cloud Phone chạy 24/7, login Zalo/TikTok/Messenger thật.
• ADB bridge từ Business Hosting → đọc tin nhắn mới qua accessibility service.
• Forward text về Claude agent → reply tự động, simulate gõ phím trên Cloud Phone.

Mô hình này phù hợp seller bán hàng trên 5+ platform mà không bị ban vì login Zalo từ server (vẫn login từ Android thật).

Bảo mật và compliance

• API key Anthropic: chỉ lưu trong /etc/secrets/anthropic.env, chmod 600, KHÔNG commit lên Git.
• Rate limit: nginx limit_req_zone $binary_remote_addr zone=ai:10m rate=20r/m, tránh bị quét và burn quota.
• PII redaction: trước khi gửi message lên Anthropic, redact số CMND, số thẻ, số điện thoại bằng regex. Tuân thủ Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân.
• Audit log: lưu full prompt + response vào PostgreSQL có encryption at rest, retain 90 ngày rồi xoá.

TND đề xuất: nếu bạn chạy agent cho khách hàng VN, host trên Business Hosting Việt Nam (DC FPT/Viettel) để dữ liệu PII không leave Vietnam. Latency thấp + tuân thủ pháp lý local.

Monitoring và observability

Dùng Grafana + Prometheus + Loki, all-in-one trên cùng server:

• Metric: req/s, latency p50/p95/p99, token usage/giờ, cost ước tính.
• Alert: nếu cost vượt 1.5M/ngày → gửi Telegram cho admin.
• Trace: OpenTelemetry attach vào FastAPI middleware, xem chain STT → Claude → TTS.

FAQ

Q: Tôi có cần GPU cho Claude agent không?

Không. Claude chạy trên cloud Anthropic. Bạn chỉ cần CPU + RAM nhẹ. GPU chỉ cần khi self-host local model (xem chạy Llama 3.3 70B trên GPU VPS).

Q: Business Hosting có cho long-running process không?

Có. TND Business Hosting cho phép systemd/supervisor + cron + WebSocket. Khác với shared hosting truyền thống.

Q: Backup database thế nào?

TND tự động snapshot toàn server mỗi 24h, retain 7 ngày, miễn phí. Bạn có thể thêm pg_dump hàng giờ đẩy lên S3-compatible storage.