Home
Login

Ein universeller, LLM-basierter intelligenter Software-Engineering-Agent, der die Ausführung komplexer Entwicklungsaufgaben durch natürliche Sprachbefehle unterstützt.

NOASSERTIONTypeScript 4.3krefly-airefly Last Updated: 2025-07-10

Trae Agent Projekt – Detaillierte Beschreibung

Projektübersicht

Trae Agent ist ein von ByteDance quelloffener, auf großen Sprachmodellen (LLM) basierender intelligenter Agent, der speziell für allgemeine Software-Engineering-Aufgaben entwickelt wurde. Das Projekt bietet eine leistungsstarke Befehlszeilenschnittstelle, die natürliche Sprachanweisungen verstehen und komplexe Software-Engineering-Workflows ausführen kann.

GitHub-Adresse: https://github.com/bytedance/trae-agent

Kernfunktionen

🌊 Lakeview

  • Bietet eine prägnante Zusammenfassungsfunktion für Agenten-Schritte
  • Hilft Benutzern, den Ausführungsprozess des Agenten schnell zu verstehen

🤖 Unterstützung mehrerer LLMs

  • Unterstützt die offizielle OpenAI API
  • Unterstützt die offizielle Anthropic API
  • Flexibler Modell-Auswahlmechanismus

🛠️ Umfangreiches Tool-Ökosystem

  • Dateibearbeitungsfunktionen
  • Ausführung von Bash-Befehlen
  • Sequenzielles Denken (Sequential Thinking)
  • Weitere erweiterbare Tools

🎯 Interaktiver Modus

  • Dialogorientierte Oberfläche, unterstützt iterative Entwicklung
  • Echtzeit-Interaktion, verbessert das Entwicklungserlebnis

📊 Trajektorienaufzeichnung

  • Detaillierte Aufzeichnung aller Agentenoperationen
  • Unterstützt Debugging und Analyse
  • Automatische Generierung von Ausführungsberichten

⚙️ Flexible Konfiguration

  • JSON-basiertes Konfigurationssystem
  • Unterstützt Umgebungsvariablen-Konfiguration
  • Mehrstufige Konfigurationspriorität

🚀 Einfache Installation

  • Einfacher pip-basierter Installationsprozess
  • Empfohlene Verwendung von UV für die Projekteinrichtung

Installationsanleitung

Empfohlene Installationsmethode (mit UV)

git clone https://github.com/bytedance/trae-agent.git
cd trae-agent
uv sync

Umgebungsvariablen-Konfiguration

# OpenAI API Key
export OPENAI_API_KEY="your-openai-api-key"

# Anthropic API Key  
export ANTHROPIC_API_KEY="your-anthropic-api-key"

Verwendung

Grundlegende Aufgabenausführung

# Einfache Aufgabe
trae-cli run "Create a hello world Python script"

# Anbieter und Modell angeben
trae-cli run "Fix the bug in main.py" --provider anthropic --model claude-sonnet-4-20250514

# Arbeitsverzeichnis angeben
trae-cli run "Add unit tests for the utils module" --working-dir /path/to/project

# Trajektoriedatei zum Debuggen speichern
trae-cli run "Refactor the database module" --trajectory-file debug_session.json

# Patch erzwingen
trae-cli run "Update the API endpoints" --must-patch

Interaktiver Modus

# Interaktive Sitzung starten
trae-cli interactive

# Benutzerdefinierte Konfiguration verwenden
trae-cli interactive --provider openai --model gpt-4o --max-steps 30

Befehle im interaktiven Modus

  • Aufgabenbeschreibung eingeben, um die Aufgabe auszuführen
  • status - Agenteninformationen anzeigen
  • help - Verfügbare Befehle anzeigen
  • clear - Bildschirm leeren
  • exit oder quit - Sitzung beenden

Konfigurationsverwaltung

# Aktuelle Konfiguration anzeigen
trae-cli show-config

# Benutzerdefinierte Konfigurationsdatei verwenden
trae-cli show-config --config-file my_config.json

Konfigurationsdatei

Trae Agent verwendet eine JSON-Konfigurationsdatei (trae_config.json) für die Einstellungen:

{
  "default_provider": "anthropic",
  "max_steps": 20,
  "model_providers": {
    "openai": {
      "api_key": "your_openai_api_key",
      "model": "gpt-4o",
      "max_tokens": 128000,
      "temperature": 0.5,
      "top_p": 1
    },
    "anthropic": {
      "api_key": "your_anthropic_api_key",
      "model": "claude-sonnet-4-20250514",
      "max_tokens": 4096,
      "temperature": 0.5,
      "top_p": 1,
      "top_k": 0
    }
  }
}

Konfigurationspriorität

  1. Befehlszeilenparameter (höchste Priorität)
  2. Werte aus der Konfigurationsdatei
  3. Umgebungsvariablen
  4. Standardwerte (niedrigste Priorität)

Eingebaute Tools

str_replace_based_edit_tool - Dateibearbeitungstool

  • view - Zeigt Dateiinhalte oder Verzeichnislisten an
  • create - Erstellt eine neue Datei
  • str_replace - Ersetzt Text in einer Datei
  • insert - Fügt Text in einer bestimmten Zeile ein

bash - Shell-Befehlsausführung

  • Führt Befehle und Skripte aus
  • Handhabung persistenter Zustände
  • Verarbeitung langlaufender Prozesse
  • Erfassung von Ausgaben und Fehlern

sequential_thinking - Strukturierte Problemlösung

  • Zerlegt komplexe Probleme
  • Iteratives Denken und Korrekturfunktionen
  • Hypothesengenerierung und -validierung

task_done - Aufgabenerledigungssignal

  • Markiert die erfolgreiche Erledigung einer Aufgabe
  • Liefert Endergebnisse und eine Zusammenfassung

Trajektorienaufzeichnung

Trae Agent zeichnet automatisch detaillierte Ausführungstrajektorien zum Debuggen und Analysieren auf:

# Automatische Generierung der Trajektoriedatei
trae-cli run "Debug the authentication module"
# Gespeichert unter: trajectory_20250612_220546.json

# Benutzerdefinierte Trajektoriedatei
trae-cli run "Optimize the database queries" --trajectory-file optimization_debug.json

Inhalt der Trajektoriedatei

  • LLM-Interaktion: Alle Nachrichten, Antworten und Tool-Aufrufe
  • Agenten-Schritte: Zustandsübergänge und Entscheidungspunkte
  • Tool-Nutzung: Aufgerufene Tools und deren Ergebnisse
  • Metadaten: Zeitstempel, Token-Nutzung und Ausführungsmetriken

Beitragsrichtlinien

Beitrags-Workflow

  1. Repository forken
  2. Feature-Branch erstellen (git checkout -b feature/amazing-feature)
  3. Änderungen vornehmen
  4. Tests für neue Funktionen hinzufügen
  5. Änderungen committen (git commit -m 'Add amazing feature')
  6. Auf den Branch pushen (git push origin feature/amazing-feature)
  7. Pull Request einreichen

Entwicklungsrichtlinien

  • PEP 8 Stilrichtlinien befolgen
  • Tests für neue Funktionen hinzufügen
  • Dokumentation bei Bedarf aktualisieren
  • Typ-Hinweise angemessen verwenden
  • Sicherstellen, dass alle Tests vor dem Commit bestanden werden

Systemanforderungen

  • Python 3.12+
  • OpenAI API Key (für OpenAI-Modelle)
  • Anthropic API Key (für Anthropic-Modelle)

Fehlerbehebung

Importfehler

# PYTHONPATH versuchen einzustellen
PYTHONPATH=. trae-cli run "your task"

API Key-Probleme

# Überprüfen, ob API Keys gesetzt sind
echo $OPENAI_API_KEY
echo $ANTHROPIC_API_KEY

# Konfiguration überprüfen
trae show-config

Berechtigungsfehler

# Sicherstellen, dass die entsprechenden Berechtigungen für Dateivorgänge vorhanden sind
chmod +x /path/to/your/project

Star History Chart