Claude Apps Gateway er Anthropics selvhostede kontrollag til Claude Code på Amazon Bedrock og Google Cloud. Nyheden handler om, hvordan organisationer kan samle login, modeladgang, politikker, forbrugsgrænser og telemetri, når AI-kodningsassistenter skal bruges i kontrollerede miljøer.
Claude Apps Gateway gør Claude Code lettere at styre i organisationer, der bruger cloududbydere som Amazon Bedrock og Google Cloud. Gatewayen samler login, modeladgang, forbrugsgrænser og telemetri, men dataflow, GDPR, leverandørroller og interne politikker skal stadig vurderes konkret.
Hvad er Claude Apps Gateway?
Claude Apps Gateway er en gateway mellem udviklernes Claude Code-klienter og den modeludbyder, organisationen vil bruge. Gatewayen kører i organisationens egen infrastruktur og styrer, hvordan brugere logger ind, hvilke modeller de må bruge, hvilke indstillinger der gælder, og hvordan forbrug registreres.
Anthropic beskriver gatewayen som en selvhostet kontrolplan. Den er ikke en ny Claude-model og heller ikke et selvstændigt udviklingsmiljø. Den er et administrativt lag rundt om Claude Code, så brugen af AI til kodning kan samles under de samme adgangs- og styringsmekanismer, som mange organisationer allerede bruger til interne systemer.
Det gør nyheden relevant for forståelsen af moderne AI-workflows, fordi udviklingsassistenter i stigende grad får adgang til kodebaser, terminaler, repositories, cloudmiljøer og interne værktøjer. Jo mere en AI-assistent kan gøre, desto mere betyder login, rettigheder, logning og stopgrænser.
Hvad er den centrale nyhed?
Anthropic offentliggjorde Claude Apps Gateway den 29. juni 2026 som en løsning til Claude Code på Amazon Bedrock og Google Cloud. Ifølge kilden havde organisationer tidligere ofte brug for en cloud credential pr. udvikler, manuel distribution af indstillinger til hver maskine og særskilt tooling til at se forbrug pr. udvikler.
Gatewayen samler den opsætning i én selvhostet komponent. Den holder organisationens upstream credential, autentificerer udviklere mod en identitetsudbyder, håndhæver administrerede indstillinger og sender brugsdata til en collector, som organisationen selv driver.
Nyheden er derfor ikke kun et spørgsmål om adgang til Claude Code. Den viser en bredere bevægelse i enterprise-AI: avancerede modeller og agentværktøjer flytter fra enkeltbrugerens API-nøgle til fælles infrastruktur med rollebaseret adgang, omkostningsstyring og dokumenterbare kontroller.
Hvordan fungerer gatewayen i praksis?
Gatewayen installeres som en stateless Linux-container og bruger en PostgreSQL-database. Dokumentationen beskriver, at den samme Claude Code-binær, som udviklere installerer lokalt, også indeholder gateway-serveren. Serveren startes med en konfigurationsfil, typisk gateway.yaml, og placeres bag en intern adresse, som udviklernes maskiner kan nå.
Udvikleren logger ind med organisationens identitetsudbyder i stedet for at holde en personlig API-nøgle eller cloud credential. Når en forespørgsel sendes fra Claude Code, modtager gatewayen den, kontrollerer bruger og politik, oversætter forespørgslen til den valgte upstream og sender den videre til for eksempel Amazon Bedrock, Google Clouds Agent Platform, Microsoft Foundry eller Anthropics egen API, hvis den er konfigureret.
Processen kan forenkles sådan:
- Organisationen opsætter gatewayen, PostgreSQL, OIDC-login og en eller flere modeludbydere.
- Udviklere får gateway-URLen gennem administrerede Claude Code-indstillinger.
- Gatewayen udsteder en session efter login og håndhæver modeladgang på serversiden.
- Forbrug, model, brugeridentitet og svartid sendes som telemetri til organisationens egen collector.
- Hvis flere upstreams er konfigureret, kan gatewayen håndtere oversættelse og failover mellem dem.
Hvilke kontroller får organisationen?
De vigtigste kontroller ligger i adgang, politik og forbrug. Anthropic fremhæver corporate SSO-login, centralt håndhævede politikker, rollebaseret adgang, attribution af omkostninger pr. bruger og forbrugsgrænser. Dokumentationen uddyber, at modeladgang kan styres efter grupper fra identitetsudbyderen.
Det betyder, at forskellige teams kan få forskellige modeller, værktøjer og tilladelser. En udvikler kan ikke bare vælge en model, hvis serverpolitikken ikke giver adgang. De administrerede indstillinger anvendes ved opstart og opdateres løbende, så lokale overrides ikke kan omgå låste nøgler.
Forbrugsgrænser er også en central del. Gatewayen kan sætte daglige, ugentlige og månedlige spend limits på organisations-, gruppe- eller brugerniveau. I praksis er det en teknisk bremse mod ukontrollerede workloads, men ikke en garanti for, at en AI-assistent løser den rigtige opgave eller bruger data korrekt.
Hvordan adskiller gatewayen sig fra almindelig Claude Code?
Almindelig Claude Code kan bruges af en udvikler direkte med egen konto, abonnement eller API-adgang. Gatewaymodellen flytter styringen fra den enkelte udviklers opsætning til organisationens infrastruktur. Det ændrer især, hvem der ejer credentials, hvem der kan se forbrug, og hvor politikken håndhæves.
| Område | Individuel Claude Code-brug | Claude Apps Gateway |
|---|---|---|
| Login | Brugeren logger typisk ind med egen konto eller nøgle. | Udvikleren logger ind via organisationens identitetsudbyder. |
| Credentials | Nøgler eller cloudadgange kan ende hos den enkelte bruger. | Upstream credential holdes i organisationens infrastruktur. |
| Politik | Lokale indstillinger kan variere mellem maskiner. | Modeladgang og administrerede indstillinger håndhæves centralt. |
| Forbrug | Omkostninger kan være svære at fordele på team og bruger. | Brug knyttes til brugeridentitet, model, tokenforbrug og latency. |
Den forskel betyder mest for organisationer, hvor AI-kodning ikke længere er et eksperiment hos få personer. Når flere teams bruger samme Claude Code-miljø til reelle udviklingsopgaver, bliver fælles politik og sporbarhed en del af driften.
Hvad betyder selvhosting for dataflowet?
Selvhosting betyder ikke, at alle data nødvendigvis bliver i organisationens eget datacenter. Det betyder, at gatewaykomponenten, credentials, politikker, auditspor og telemetri kan ligge i organisationens kontrollerede miljø, mens selve inferensen stadig sendes til den valgte modeludbyder.
Anthropic skriver, at gatewayens eget dataplan ikke sender inferenstrafik eller brugsdata til Anthropic, medmindre Anthropics API er valgt som upstream. Hvis organisationen bruger Amazon Bedrock eller Google Cloud, går modeltrafikken i stedet gennem den valgte cloududbyder. Det ændrer dataflowet, men det fjerner ikke behovet for databehandleraftaler, adgangsstyring og vurdering af, hvilke oplysninger der må indgå i prompts og kodekontekst.
For udviklingsarbejde er kode ofte fortrolig, selv når den ikke indeholder personoplysninger. Hvis AI-assistenten også får adgang til tickets, logs, kundedata, repositories eller interne dokumenter, kommer spørgsmålet tæt på beskyttelse af data ved AI-APIer. Gatewayen giver flere styringspunkter, men den dokumenterer ikke i sig selv, at en konkret opsætning overholder GDPR eller interne sikkerhedskrav.
Hvad betyder det for organisationer i Danmark?
For organisationer i Danmark er den praktiske betydning især, at AI-kodningsværktøjer kan behandles mere som intern it-infrastruktur end som individuelle værktøjer på hver udviklers maskine. Det kan være relevant i softwareteams, offentlige it-miljøer, regulerede brancher og konsulenthuse, hvor kode, logs og kundemiljøer ikke frit må sendes gennem tilfældige konti.
Den lokale relevans ligger ikke i, at kilden dokumenterer særlig dansk tilgængelighed. Den ligger i de krav, der typisk opstår, når en organisation skal kunne forklare adgang, databehandling og kontrol. Hvis Claude Code bruges på materiale med personoplysninger, forretningshemmeligheder eller kundedata, skal rollerne mellem organisationen, cloududbyderen og modeludbyderen være klare.
EU’s AI Act kan også få betydning afhængigt af den konkrete anvendelse. En coding assistant er ikke automatisk et højrisiko-AI-system, men AI Act og GDPR gør det mere relevant at kunne dokumentere, hvilke systemer der bruges, hvem der har adgang, hvilke data der behandles, og hvordan resultater kontrolleres, før de indgår i drift eller sagsbehandling.
Hvilke begrænsninger nævner dokumentationen?
Dokumentationen beskriver flere praktiske begrænsninger, som gør gatewayen mest relevant for modne it-miljøer. Serveren understøtter OIDC-kompatible identitetsudbydere, men ikke SAML eller LDAP direkte. Gateway-serveren kører kun som native Linux-server, mens macOS kun nævnes til lokal udvikling, og Windows ikke understøttes som serverplatform.
Gatewayen kræver også, at adressen løser til private IP-adresser. Det er en sikkerhedsbeskyttelse, fordi en betroet gateway kan skubbe indstillinger til udviklermaskiner. Den bør derfor ligge bag en intern load balancer eller VPN, ikke som en almindelig offentlig webtjeneste.
Der er også en begrænsning for uovervågede pipelines. Dokumentationen siger, at gateway-login altid bruger browserbaseret device flow, så en CI-job uden udvikler til at godkende login ikke kan autentificere via gatewayen. Den type automatisering skal i stedet konfigureres direkte mod den relevante provider.
Hvad bør udviklings- og it-teams kontrollere først?
Det første kontrolpunkt er ikke modelkvalitet, men grænsen for adgang. Et team bør afklare, hvilke repositories, terminalkommandoer, cloudkonti, logs og dokumenter Claude Code må se, før gatewayen bliver en bred indgang til udviklingsmiljøet.
En praktisk kontrolrækkefølge kan se sådan ud:
- Definér hvilke brugergrupper der må bruge hvilke modeller og værktøjer.
- Beslut hvilke datatyper der må indgå i prompts, kodekontekst og logs.
- Placér gatewayen på en privat adresse med tydelig certifikat- og netværkskontrol.
- Vælg hvor telemetri, audit logs og eventuelle traces opbevares, og hvor længe.
- Sæt forbrugsgrænser, så fejlkonfigurerede eller løbende opgaver ikke bruger hele budgettet.
Dokumentationen siger, at standardtelemetri omfatter udviklerens identitet, tokenforbrug, model og latency. Den siger også, at gatewayen ikke logger eller gemmer prompt- og completion-indhold, mens rigere telemetry som logs og traces kan vælges til og kan indeholde kommandoer og filstier. Den forskel er central, når en organisation vurderer, hvor meget sporbarhed den vil have.
Hvordan passer nyheden ind i AI-agenter og coding assistants?
Claude Code er en coding assistant, men udviklingen omkring værktøjet ligner i stigende grad agentisk softwareudvikling. En AI-assistent kan læse kode, foreslå ændringer, køre værktøjer, bruge terminalen og arbejde i længere forløb. Det minder om forskellen mellem en chatbot og en AI-agent, selv om den konkrete arbejdsform afhænger af opsætningen.
Gatewayen ændrer ikke selve modeladfærden. Den ændrer miljøet omkring modellen. Den gør det nemmere at sige, hvem der må bruge hvilke capabilities, hvilken modeltrafik der går til hvilken provider, og hvordan forbrug kan følges op på tværs af teams.
Det er en anden type forbedring end en ny model med højere benchmarkscore. Her ligger nyhedsværdien i infrastrukturen: Når AI bliver en del af softwarearbejde, bliver governance, observability, adgangsstyring og omkostningskontrol lige så vigtige som promptkvalitet.
Hvad betyder nyheden for AI-governance?
AI-governance handler om at styre, dokumentere og kontrollere brugen af AI-systemer. Claude Apps Gateway er et konkret eksempel på, hvordan governance kan blive indbygget tættere på værktøjet i stedet for kun at ligge i en politik uden teknisk håndhævelse.
For en organisation giver gatewaymodellen tre merværdier ud over selve nyheden. Den skaber en tydeligere teknisk grænse mellem bruger og modeludbyder. Den gør modeladgang og forbrug mere sporbare på gruppe- og brugerniveau. Den giver et sted at håndhæve administrerede indstillinger, så udviklingsarbejde ikke afhænger af manuelle lokale opsætninger.
Der er også en afgrænsning. En gateway kan hjælpe med styring, men den kan ikke alene afgøre, om en prompt er lovlig, om en kodeændring er korrekt, eller om en arbejdsproces er forsvarlig. Det kræver stadig faglig review, sikkerhedstest og klar ansvarsfordeling. Derfor bør gatewayen ses som ét teknisk lag i AI-governance, ikke som en samlet løsning på alle AI-risici.
Hvilke kilder ligger til grund?
Artiklen bygger på Anthropics oprindelige nyhed om Claude Apps Gateway og den tekniske Claude Code-dokumentation. Den praktiske vurdering af datastyring og lokale arbejdsgange er sammenholdt med Europa-Kommissionens side om EU’s AI Act og Datatilsynets vejledning om AI-værktøjer på arbejdspladser.