Claude Certified Architect — Foundations (CCA-F): यह क्या है और यह क्या परीक्षण करता है
Claude के साथ प्रोडक्शन AI एजेंट्स बनाने के लिए Anthropic का मूलभूत प्रमाणन। इसमें पांच डोमेन, परीक्षा का प्रारूप, पूछे जाने वाले प्रश्नों के प्रकार और तैयारी कैसे करें, शामिल हैं।
अधिकांश AI प्रमाणन यह परीक्षण करते हैं कि क्या आप मशीन लर्निंग का वर्णन कर सकते हैं। Claude Certified Architect — Foundations (CCA-F) कुछ अधिक व्यावहारिक और वर्तमान बात का परीक्षण करता है: क्या आप Claude के साथ एक वास्तविक एजेंटिक सिस्टम बना सकते हैं — एक ऐसा सिस्टम जो टूल्स का उपयोग करता है, कॉन्टेक्स्ट का प्रबंधन करता है, और उत्पादन में विश्वसनीय रूप से व्यवहार करता है। यह CertLabPro पर किसी क्लाउड प्रोवाइडर के बजाय एक AI-मॉडल प्रोवाइडर से पहला प्रमाणन है, और यह दर्शाता है कि 2026 का अधिकांश इंजीनियरिंग कार्य वास्तव में कहाँ चला गया है: केवल एक मॉडल को कॉल करने के बजाय एजेंट्स को डिज़ाइन करना।
यहाँ बताया गया है कि यह प्रमाणन क्या है, यह वास्तव में क्या कवर करता है, यह किस प्रकार के प्रश्न पूछता है, और तैयारी कैसे करें।
CCA-F क्या है
CCA-F एक फ़ाउंडेशनल-लेवल प्रमाणन है जो Claude-आधारित एप्लिकेशनों और एजेंट्स के आर्किटेक्चर और इंजीनियरिंग पर केंद्रित है। यहाँ "फ़ाउंडेशंस" का अर्थ सामान्य ज्ञान नहीं है — इसका अर्थ है वे मुख्य दक्षताएँ जो किसी भी Claude डेवलपर को विशेषज्ञता से पहले चाहिए: एक agent loop को कैसे संरचित करें, टूल्स को कैसे डिज़ाइन करें, ऐसे प्रॉम्प्ट कैसे लिखें जो विश्वसनीय structured output उत्पन्न करते हैं, Claude Code का उपयोग कैसे करें, और लंबे समय तक चलने वाले एजेंट्स को स्थिर कैसे रखें।
यदि आप Claude के साथ निर्माण कर रहे हैं — tool use, Model Context Protocol (MCP), multi-agent सेटअप, या Claude Code वर्कफ़्लो को जोड़ रहे हैं — तो यह प्रमाणन उस ज्ञान को मान्य करता है। यदि आप इसके लिए नए हैं, तो नीचे दिया गया ब्लूप्रिंट इस बात का एक अच्छा नक्शा है कि व्यवहार में "Claude को जानना" वास्तव में क्या मायने रखता है।
परीक्षा का प्रारूप
| कोड | CCA-F |
| प्रदाता | Anthropic |
| श्रेणी | AI |
| स्तर | Foundational |
| प्रश्न (परीक्षा) | 60 |
| समय | 120 minutes |
| उत्तीर्ण अंक | 720 / 1000 (≈72%) |
| CertLabPro पर अभ्यास प्रश्न | 255 |
प्रश्न परिदृश्य-आधारित होते हैं, न कि परिभाषात्मक। आपसे शायद ही कभी "X क्या है" पूछा जाता है — आपसे पूछा जाता है कि "इस स्थिति को देखते हुए, कौन सा डिज़ाइन सही है," यही कारण है कि अभ्यास बैंक (255 प्रश्न) शब्दों को याद करने से ज़्यादा मायने रखता है।
पांच डोमेन
परीक्षा पांच डोमेन में विभाजित है। यह वह हिस्सा है जिसके अनुसार आपको अध्ययन करना चाहिए:
| # | डोमेन | वेटेज |
|---|---|---|
| 1 | एजेंटिक आर्किटेक्चर और ऑर्केस्ट्रेशन | 27% |
| 2 | Claude Code कॉन्फ़िगरेशन और वर्कफ़्लो | 20% |
| 3 | प्रॉम्प्ट इंजीनियरिंग और स्ट्रक्चर्ड आउटपुट | 20% |
| 4 | टूल डिज़ाइन और MCP इंटीग्रेशन | 18% |
| 5 | कॉन्टेक्स्ट मैनेजमेंट और विश्वसनीयता | 15% |
1. एजेंटिक आर्किटेक्चर और ऑर्केस्ट्रेशन (27%)
सबसे बड़ा डोमेन। एजेंट्स को कैसे संरचित करें: reason-act-observe (ReAct) लूप, एक एजेंट बनाम कई एजेंट्स का उपयोग कब करें, एक orchestrator को sub-agents को कैसे प्रतिनिधिमंडल करना चाहिए, और सुरक्षा सीमाएँ कहाँ तय होती हैं। किसी कार्य के लिए सही पैटर्न चुनने और एक orchestrator को अप्रतिबंधित tool access देने के जोखिमों के बारे में प्रश्न अपेक्षित हैं।
2. Claude Code कॉन्फ़िगरेशन और वर्कफ़्लो (20%)
Claude Code के साथ एक एजेंटिक कोडिंग एनवायरनमेंट के रूप में काम करना — इसे कैसे कॉन्फ़िगर और संचालित किया जाता है, और वर्कफ़्लो पैटर्न जो इसे उत्पादक बनाते हैं (skills, hooks, sub-agents, और structured task execution)।
3. प्रॉम्प्ट इंजीनियरिंग और स्ट्रक्चर्ड आउटपुट (20%)
Claude से विश्वसनीय, मशीन-उपयोगी आउटपुट प्राप्त करना: system prompts, आउटपुट को एक schema तक कब और कैसे सीमित करें, और प्रॉम्प्टिंग तकनीकें जो downstream automation के लिए स्थिरता में सुधार करती हैं।
4. टूल डिज़ाइन और MCP इंटीग्रेशन (18%)
ऐसे टूल्स डिज़ाइन करना जिन्हें एक एजेंट वास्तव में अच्छी तरह से उपयोग कर सके — स्पष्ट नाम और विवरण, सही ग्रैन्युलैरिटी, और Model Context Protocol (MCP) के माध्यम से क्षमताओं को जोड़ना। अच्छा टूल डिज़ाइन एजेंट बिल्डिंग में सबसे अधिक लाभ उठाने वाले कौशलों में से एक है, और परीक्षा इसे उसी तरह मानती है।
5. कॉन्टेक्स्ट मैनेजमेंट और विश्वसनीयता (15%)
लंबे समय तक चलने वाले और multi-turn एजेंट्स को स्थिर रखना: बातचीत के इतिहास और context का प्रबंधन करना, persistent memory, और विश्वसनीयता guardrails जैसे अधिकतम-iteration सीमाएँ और graceful fallbacks जब एक एजेंट अटक जाता है।
प्रश्न वास्तव में कैसे होते हैं
CCA-F प्रश्न बैंक वास्तविक इंजीनियरिंग निर्णयों के इर्द-गिर्द बनाया गया है। कुछ प्रतिनिधि उदाहरण (पुनर्कथित):
- एक एजेंट को किसी विषय पर रिसर्च करना होगा, कोड लिखना होगा, टेस्ट चलाने होंगे, और पास होने तक iterate करना होगा — कौन सा एजेंटिक पैटर्न उपयुक्त है? (उत्तर: tool use और observation-based iteration के साथ एक ReAct लूप।)
- एक ग्राहक-सहायता एजेंट को ऑर्डर देखने, रिफंड प्रोसेस करने, किसी इंसान को एस्केलेट करने, और multi-turn context बनाए रखने की आवश्यकता है — कौन सा आर्किटेक्चर सही है? (उत्तर: प्रत्येक क्षमता के लिए एक tool, conversation-history management, और भूमिका तथा escalation नियमों को परिभाषित करने वाला एक system prompt के साथ एक एजेंटिक लूप — एक stateless function नहीं, fine-tuning नहीं, केवल RAG नहीं।)
- एक orchestrator विशेषीकृत sub-agents को प्रतिनिधिमंडल करता है — इसे अप्रतिबंधित tool access देने का क्या जोखिम है? (उत्तर: यह sub-agents को बाइपास कर सकता है और सीधे कार्य कर सकता है, जिससे separation of concerns और सुरक्षा सीमाएँ टूट सकती हैं।)
- एक एजेंटिक कोडिंग असिस्टेंट कभी-कभी टेस्ट फेल होने पर हमेशा के लिए लूप करता रहता है — सबसे अच्छा शमन क्या है? (उत्तर: एक अधिकतम-iteration गिनती और एक fallback जो उपयोगकर्ता से मार्गदर्शन मांगता है।)
पैटर्न पर ध्यान दें: हर प्रश्न एक डिज़ाइन trade-off है। अवधारणाओं (ReAct, MCP, structured output, context windows) को जानना पर्याप्त नहीं है — आपको यह जानने की आवश्यकता है कि किसी दिए गए परिदृश्य में किसे चुनना है, और वैकल्पिक क्यों गलत हैं।
इसे किसे लेना चाहिए
- Claude के साथ निर्माण करने वाले डेवलपर्स — एजेंट्स, tool use, MCP सर्वर, या Claude Code — जो एक ऐसा क्रेडेंशियल चाहते हैं जो उनके मौजूदा काम से मेल खाता है।
- सामान्य सॉफ्टवेयर या क्लाउड भूमिकाओं से एजेंटिक AI में जाने वाले इंजीनियर्स, जो ad hoc तरीके से सीखने के बजाय पैटर्न सीखने का एक संरचित तरीका चाहते हैं।
- Claude पर मानकीकरण करने वाली टीमें जो एजेंट डिज़ाइन में "क्या अच्छा दिखता है" के लिए एक साझा आधारभूत चाहते हैं।
यह स्वाभाविक रूप से AWS AI Practitioner (AIF-C01) या Azure AI Fundamentals (AI-900) जैसे क्लाउड AI फ़ाउंडेशन के साथ मेल खाता है: वे व्यापक AI/ML परिदृश्य को कवर करते हैं, जबकि CCA-F उन एजेंटिक-मॉडल के साथ निर्माण कौशलों पर गहराई से जाता है जो वे नहीं करते।
CertLabPro पर कैसे तैयारी करें
CertLabPro, CCA-F को 255 अभ्यास प्रश्नों के साथ कवर करता है जो पांच डोमेन और परीक्षा की परिदृश्य-आधारित शैली को दर्शाते हैं, साथ ही अन्य सभी प्रमाणन के समान अध्ययन मोड — प्रैक्टिस, परीक्षा सिमुलेशन, फ्लैशकार्ड, वीकेस्ट लिंक, SRS, और बहुत कुछ — ताकि आप उन डोमेन में अभ्यास कर सकें जहाँ आप सबसे कमजोर हैं और वास्तविक परीक्षा से पहले 60-प्रश्न, समय-सीमित स्थितियों के तहत पूर्वाभ्यास कर सकें। Anthropic ट्रैक के लिए एक hands-on लैब भी है यदि आप केवल प्रश्नों का उत्तर देने के बजाय करके सीखना चाहते हैं।
निष्कर्ष
CCA-F एजेंटिक युग के लिए एक केंद्रित, व्यावहारिक क्रेडेंशियल है: यह प्रमाणित करता है कि आप Claude-आधारित एजेंट्स का आर्किटेक्चर और संचालन कर सकते हैं, न कि केवल AI के बारे में बात कर सकते हैं। पांच डोमेन — एजेंटिक आर्किटेक्चर, Claude Code, प्रॉम्प्टिंग और structured output, tool/MCP डिज़ाइन, और context/reliability — उन एजेंट्स को शिप करने के पीछे वास्तविक कौशल सेट हैं जो काम करते हैं। यदि आपके काम की दिशा यही है, तो यह एक मूल्यवान क्रेडेंशियल है, और इसे प्राप्त करने का सबसे तेज़ तरीका परिदृश्यों का अभ्यास करना है जब तक कि सही डिज़ाइन स्पष्ट न हो जाए।