AI Coding Agent वापरून AWS EC2 वर Website Deploy करा

By Ravindra Bagale, trainer · LinkedIn · Last updated: 18 October 2026

1. का: copy-paste पासून agent पर्यंत

जुनी पद्धत. Browser मधल्या chat ला code मागायचा, उत्तर copy करायचं, server ला ssh करायचं, sudo nano index.html उघडायची, paste करून save.

एका page साठी हे चालतं. खऱ्या project मध्ये शेकडो किंवा हजारो files, अनेक languages, कदाचित database असतो. प्रत्येक file हाताने copy करणं slow आहे, आणि एक file राहिली तरी site बिघडते.

नवीन पद्धत. AI coding agent तुमच्या computer वर काम करतो. Folders आणि files तो स्वतः बनवतो, commands चालवतो, आणि server चे details दिले की project server वर upload करतो.

Example 1. समजा आपण 10 minutes मध्ये groceries पोचवणाऱ्या quick-commerce app चं landing page बनवतोय. हाताने म्हणजे एक HTML file, एक CSS file, एक JavaScript file आणि अनेक images, प्रत्येक वेगळी copy. Agent सोबत एक prompt, आणि छोट्या sample snippets ऐवजी agent पूर्ण, लगेच चालणारा code देतो.

2. काय: tools

AI extension असलेला code editor, किंवा desktop app

Code editor म्हणजे code लिहायचा program: VS Code सगळ्यात जास्त वापरतात; Visual Studio, Eclipse आणि Jupyter पण आहेत. Extension (plugin किंवा add-on पण म्हणतात) editor मध्ये नवीन feature add करतो. AI extension editor च्या आत chat panel add करतो, आणि त्या panel मधला agent तुम्ही उघडलेल्या folder वर काम करू शकतो.

दुसरी पद्धत म्हणजे AI company चं स्वतःचं desktop app, उदाहरणार्थ OpenAI चं Codex app. ते हेच काम स्वतःच्या window मध्ये करतं.

AI assistants चा छोटा नकाशा

अनेक companies AI assistants बनवतात, आणि बहुतेक code लिहू शकतात:

1. OpenAI: ChatGPT आणि Codex.
2. Anthropic: Claude, coding साठी खूप popular.
3. xAI: Grok.
4. Google: Gemini.
5. Perplexity.
6. GitHub (Microsoft): GitHub Copilot.
7. AWS: Amazon Q, AWS चे प्रश्न आणि troubleshooting मध्ये मदत करतो.

Cursor वेगळा आहे: तो VS Code वरून बनवलेला AI code editor आहे, म्हणजे AI editor चाच भाग आहे.

Model कुठे चालतो: तुमच्या computer वर की cloud मध्ये

Open-weight models, उदाहरणार्थ DeepSeek किंवा Llama, download करून तुमच्या स्वतःच्या computer वर चालवता येतात. त्यांचा size parameters मध्ये मोजतात: training मध्ये model ने शिकलेले numbers, billions मध्ये. छोटे models काही GB memory मध्ये चालतात. मोठ्यांना खूप जास्त memory आणि strong graphics card (GPU) लागतं; NVIDIA GPUs जास्त वापरतात. जास्त memory असलेले Macs पण ते चांगले चालवतात.

Cloud models AI company च्या मोठ्या server farms वर चालतात, आणि तुम्ही ते internet वरून वापरता. Laptop मध्ये बसणाऱ्या कुठल्याही model पेक्षा ते खूप जास्त capable असतात. वापर tokens मध्ये मोजतात: model वाचतो आणि लिहितो ते शब्दांचे छोटे तुकडे. Free tier limited असतो; paid plans मध्ये जास्त मिळतं.

3. कसं: server launch करा

Step 1. EC2 console मध्ये Launch instance click करा. Region निवडा, उदाहरणार्थ N. Virginia.

Step 2. नाव द्या, उदाहरणार्थ my Web Server. Amazon Linux 2023 आणि t2.micro सारखा छोटा instance type निवडा.

Step 3. तुमची आधीची key pair निवडा, उदाहरणार्थ mykey.pem. ती file computer वर कुठे आहे ते लक्षात ठेवा: उदाहरणार्थ Downloads folder.

Step 4. Network settings मध्ये Auto-assign public IP enabled ठेवा आणि नवीन Security Group बनवा जो SSH (22), HTTP (80) आणि HTTPS (443) allow करतो.

Step 5. Launch instance click करा. Running झाला की त्याचा Public IPv4 address copy करा; या chapter मध्ये तो PUBLIC_IP लिहिलाय.

Server वर तुम्ही स्वतः काहीच install करत नाही. ते agent करणार.

4. कसं: agent set up करा

Step 1. Project साठी एक रिकामा folder बनवा, उदाहरणार्थ Desktop वर quickshop.

Step 2. VS Code उघडा, File > Open Folder निवडा, आणि quickshop निवडा.

Step 3. डाव्या bar मधला Extensions icon click करा: चार छोट्या boxes सारखा दिसणारा.

Step 4. codex search करा. Codex – OpenAI's coding agent install करा, ज्याचा publisher OpenAI आहे आणि blue verified tick आहे.

Tick का महत्त्वाचा. अनेक extensions एकच नाव वापरतात. खोटं extension तुमच्या files वाचून data चोरू शकतं. Install click करण्याआधी publisher चं नाव आणि verified tick बघा.

Step 5. नवीन panel उघडा आणि विचारलं की sign in करा.

त्याऐवजी desktop app. AI company च्या official website वरून app download करा, बाकी programs सारखं install करा, sign in करा, आणि project म्हणून quickshop folder निवडा. बाकीच्या steps सारख्याच.

5. कसं: website मागा

Step 1. Model setting निवडा. Agents मध्ये साधारण faster आणि smarter मधून निवडता येतं. Faster लवकर उत्तर देतो, छोट्या कामांसाठी; smarter जास्त वेळ विचार करतो, मोठ्या projects साठी.

Step 2. Prompt type करा. Site कशासाठी आहे, आधी काय हवंय, आणि ती कशी दिसली पाहिजे ते सांगा.

Example 2: prompt.

I want to create a website for my quick commerce app, in which I deliver
products within 10 minutes. First I want only a static website.
Create this static website for me. It must look glamorous.

Step 3. तो काम करतोय तोपर्यंत थांबा. Agent page plan करतो, मग तुमच्या project folder मध्ये files लिहितो: index.html, एक stylesheet, एक script आणि images.

Step 4. तुमच्या computer वर preview करा: index.html वर double-click करा, browser मध्ये उघडेल. VS Code मध्ये Live Server सारखं preview extension पण वापरू शकता, ते http://127.0.0.1:5500 वर उघडतं.

एका झटक्यात काय बनलं: hero section, delivery address चा box, product categories, delivery च्या steps, testimonials, animations, आणि phones वर चालणारा layout.

6. कसं: EC2 वर deploy करायला सांगा

Step 1. फक्त "deploy to EC2" म्हणून पुरत नाही: कुठला server ते agent ला माहीत नाही. त्याला तीन गोष्टी द्या:

1. Server चा public IP.
2. Key file चा path (आतला मजकूर नाही).
3. Username: Amazon Linux साठी ec2-user, Ubuntu साठी ubuntu.

Example 3: deploy चा prompt.

PUBLIC_IP is my EC2 IP. The key pair file is in my Downloads folder,
named mykey.pem. The username is ec2-user. Deploy this website to EC2.

Step 2. तो काय चालवतो ते बघा. आधी connection test करतो:

ssh -o BatchMode=yes -o ConnectTimeout=10 -i "C:\Users\you\Downloads\mykey.pem" ec2-user@PUBLIC_IP

BatchMode=yes म्हणजे "प्रश्न विचारायला कधीच थांबू नको", आणि ConnectTimeout=10 म्हणजे "server ने उत्तर दिलं नाही तर 10 seconds नंतर सोडून दे".

Step 3. त्याला web server सापडत नाही, म्हणून तो Nginx install करून start करतो, तुम्ही हाताने केलं तसंच:

sudo yum install nginx -y
sudo service nginx start

Step 4. Project च्या files Nginx च्या web root मध्ये, /usr/share/nginx/html मध्ये copy करतो.

Step 5. Browser मध्ये http://PUBLIC_IP/ उघडा. Landing page live आहे.

Connection time च्या errors ने fail होत असेल तर. तुमच्या computer चं घड्याळ check करा. Secure connections आणि AWS requests वेळ check करतात, म्हणून घड्याळ खूप पुढे-मागे असेल तर ते fail होतात. Automatic date and time चालू करा, मग agent ला परत try करायला सांगा.

7. कसं: बदल मागा

Example 4. तुम्हाला वेगळे colours हवेत. त्याच chat मध्ये:

Change the colour scheme. Use pink and its shades.

Agent stylesheet edit करतो, बदललेल्या files परत server वर copy करतो, आणि http://PUBLIC_IP/ refresh केलं की pink version दिसतं. तुम्ही nano उघडलाच नाही.

8. Agent server ला हात लावतो तेव्हा safety

Agent तुमच्या key ने खऱ्या commands चालवतो. चार rules:

1. Key file चा path द्या, आतला मजकूर कधीच नाही. "mykey.pem माझ्या Downloads folder मध्ये आहे" असं सांगा. .pem file च्या आतलं कधीच कुठल्याही chat मध्ये paste करू नका.
2. तो काय चालवणार ते वाचा. बहुतेक agents command चालवण्याआधी विचारतात. समजलं तेवढंच approve करा.
3. Prompts मध्ये passwords किंवा secrets नको. Prompts तुमच्या computer बाहेर जातात. Passwords, keys आणि tokens टाकू नका.
4. Test servers terminate करा. Practice झाली की instance terminate करा, म्हणजे पैसे लागणं थांबतं.

9. पुढे काय

खरे projects GitHub वर असतात, जिथे developers त्यांचा code ठेवतात. पुढे आपण GitHub वरचा project थेट आपल्या server वर host करणार.

10. पूर्ण flow एका page वर

1. SSH, HTTP आणि HTTPS allow करून Amazon Linux EC2 launch करा; PUBLIC_IP लिहून ठेवा.
2. रिकामा project folder बनवा आणि VS Code (किंवा desktop app) मध्ये उघडा.
3. Verified extension install करा: publisher OpenAI, blue tick.
4. Faster की smarter निवडा, आणि prompt मध्ये website describe करा.
5. index.html computer वर preview करा.
6. Deploy करायला सांगा: IP, key file path, username.
7. Agent ssh -i ने connect होतो, Nginx install करतो आणि files /usr/share/nginx/html मध्ये copy करतो.
8. http://PUBLIC_IP/ उघडा. बदल मागा; तो redeploy करतो.
9. Safety rules पाळा आणि काम झालं की server terminate करा.

11. घरी करून बघा

Recap

Ravindra Bagale, trainer: linkedin.com/in/ravindra-bagale. quickshop folder, mykey.pem key नाव, C:\Users\you\Downloads path आणि prompts शिकण्यासाठीची उदाहरणं आहेत; PUBLIC_IP म्हणजे तुमच्या instance चा public IPv4 address. Agent स्वतःच्या commands निवडतो, म्हणून तुमच्या commands इथे दाखवलेल्यांपेक्षा वेगळ्या असू शकतात.

उजळणी, तुलना आणि मुलाखत cards

हा lesson काही मिनिटांत revise करा. Cards phone वर save करा किंवा PNG download करा. प्रत्येक card वरचा QR हा lesson उघडतो.

अजून cards: Ravi Sir's Cards.