Claude в облаке: Vertex AI и полный цикл разработки
Тема 3/4: Архитектура агента → Урок 5/5
Предыдущие уроки показывали приёмы Claude Code по отдельности. В этом уроке вы увидите их в связке: как один человек проходит весь цикл разработки приложения, по очереди примеряя пять ролей — продукт-менеджера, UI/UX-дизайнера, инженера, инженера по безопасности и аналитика данных. В основе — сценарий, где модели Claude работают на Google Cloud через Vertex AI. Google Cloud не обслуживает клиентов из России, поэтому этот путь актуален не всем — но приёмы (plan mode, субагенты, security review, MCP-серверы документации) переносятся в любое окружение. Режим плана, субагенты, встроенная проверка безопасности и MCP-серверы с документацией работают в любом окружении Claude Code.
Представьте корпоративную команду, которая выпускает новую функцию. Слева стоит продукт-менеджер с идеей, дальше идут дизайнер, инженер, инженер по безопасности и специалист по данным. Обычно это разные люди и много передач работы из рук в руки. Здесь вы пройдёте все пять ролей в одиночку и за одну сессию соберёте работающее приложение для сбора обратной связи. Ниже разбираем каждый шаг.
Настройка: модели Claude на Google Cloud (Vertex AI)
Прежде чем что-то собирать, Claude Code нужно подключить к моделям на Google Cloud. Самый простой способ — Application Default Credentials (ADC): учётные данные находятся автоматически, в зависимости от среды, без ротации ключей и ручной настройки переменных окружения. Отдельный мастер настройки определяет ваш проект и регион, показывает доступные модели и позволяет закрепить нужную.
Чем такой путь удобен корпоративной команде. Оплата — по токенам, без ограничения по числу сообщений. Для production можно зарезервировать пропускную способность (provisioned throughput). Данные обрабатываются в рамках вашего проекта Google Cloud, под вашими политиками доступа. Модели доступны в нескольких регионах — есть глобальные и региональные точки доступа.
Роли продукт-менеджера и дизайнера
В роли продукт-менеджера вы не идёте к дизайнеру, а рисуете эскиз от руки и просите Claude превратить набросок в прототип. Инструкции для сессии лежат в файле CLAUDE.md.
Дальше — роль UI/UX-дизайнера. Нужно сделать три страницы: лендинг, страницу благодарности и дашборд с обратной связью. Здесь используется режим плана (plan mode): Claude сначала обдумывает и предлагает, что именно сделает, и только после вашего согласия пишет код. Это оставляет возможность поправить план под свои предпочтения или под принятый в компании стандарт оформления. Стандарт можно подтянуть через MCP-сервер — например, из Figma; в демонстрации его заменили обычным дизайн-документом.
Роль инженера: документация и навыки Google Cloud
Инженеру не обязательно знать, как разворачивать приложение на Google Cloud. Эту часть закрывают два компонента. Первый — Developer Knowledge API с MCP-сервером: он приносит свежую документацию Google Cloud прямо в Claude Code и помогает выбрать архитектуру. Второй — навыки Google Cloud: они покрывают отдельные шаги реализации, например развернуть API на Cloud Run или связать Cloud Run с базой Firestore.
Архитектура приложения получилась такой: API обратной связи работает на Cloud Run, сырые ответы складываются в Firestore, оттуда выгружаются в аналитическое хранилище BigQuery для обработки, а итоги показывает дашборд в Looker. Реализацию Claude ведёт параллельно тремя субагентами — по одному на API, конвейер загрузки данных и дашборд — и сам берёт на себя тестирование.
Роль инженера по безопасности
Перед выпуском приложение проходит проверку безопасности. Проверяют две вещи: устойчивость к типовым проблемам из списка OWASP и ограничение прав сервисного аккаунта, когда тот обращается к API — например, к чтению и записи в базу. Запустите встроенную в Claude Code проверку безопасности. В этом примере она находит возможную проблему и предлагает исправление. После этого бэкенд и API разворачиваются, а приложение поднимается на Cloud Run.
Роль аналитика данных
Последняя роль — работа с данными, которые собрало приложение. Один из показателей на дашборде — KPI вроде времени ответа. Чтобы анализировать такие данные, не обязательно уметь писать запросы к BigQuery или строить дашборды в Looker. Для запросов есть MCP-сервер BigQuery, для дашбордов — открытый MCP Toolbox for Databases с интеграцией Looker. Все поддерживаемые серверы собраны в реестре агентов (agent registry) на платформе агентов Google Cloud: там видно, как настроить сервер, какие у него инструменты и как за ним наблюдать.
Что из этого пригодится вам
Vertex AI — путь для тех, кто уже работает с Google Cloud. Google Cloud не обслуживает клиентов из России, поэтому этот путь актуален не всем — но приёмы (plan mode, субагенты, security review, MCP-серверы документации) переносятся в любое окружение. Режим плана, параллельные субагенты, встроенная проверка безопасности и MCP-серверы с актуальной документацией одинаково работают в любом окружении Claude Code. Общий вывод: компоненты Claude Code — навыки, MCP-серверы и субагенты — заметно ускоряют цикл разработки, кто бы ни стоял за каждой из ролей.
Материал основан на возможностях Claude Code и доступе к моделям Claude через Google Cloud Vertex AI.