Trae Agent プロジェクト詳細

プロジェクト概要

Trae Agentは、バイトダンスがオープンソース化した、大規模言語モデル（LLM）ベースのインテリジェントエージェントであり、汎用ソフトウェアエンジニアリングタスク向けに設計されています。このプロジェクトは、自然言語の指示を理解し、複雑なソフトウェアエンジニアリングのワークフローを実行できる強力なコマンドラインインターフェースを提供します。

GitHubアドレス： https://github.com/bytedance/trae-agent

主要機能

🌊 Lakeview

• エージェントのステップに簡潔で明確な要約機能を提供
• ユーザーがエージェントの実行プロセスを素早く理解するのを支援

🤖 複数LLM対応

• OpenAI公式APIをサポート
• Anthropic公式APIをサポート
• 柔軟なモデル選択メカニズム

🛠️ 豊富なツールエコシステム

• ファイル編集機能
• Bashコマンド実行
• 順次思考（Sequential Thinking）
• さらなる拡張ツール

🎯 対話モード

• 対話型インターフェース、反復開発をサポート
• リアルタイムインタラクション、開発体験を向上

📊 軌跡記録

• 全てのエージェント操作を詳細に記録
• デバッグと分析をサポート
• 実行レポートを自動生成

⚙️ 柔軟な設定

• JSONベースの設定システム
• 環境変数設定をサポート
• 多階層の設定優先順位

🚀 簡単インストール

• pipベースの簡単なインストールプロセス
• プロジェクト設定にはUVの使用を推奨

インストールガイド

推奨インストール方法（UVを使用）

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

環境変数設定

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

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

使用方法

基本タスク実行

# 簡単なタスク
trae-cli run "Create a hello world Python script"

# プロバイダーとモデルを指定
trae-cli run "Fix the bug in main.py" --provider anthropic --model claude-sonnet-4-20250514

# 作業ディレクトリを指定
trae-cli run "Add unit tests for the utils module" --working-dir /path/to/project

# デバッグ用に軌跡ファイルを保存
trae-cli run "Refactor the database module" --trajectory-file debug_session.json

# 強制的にパッチを生成
trae-cli run "Update the API endpoints" --must-patch

対話モード

# 対話セッションを開始
trae-cli interactive

# カスタム設定を使用
trae-cli interactive --provider openai --model gpt-4o --max-steps 30

対話モードコマンド

• タスク記述を入力してタスクを実行
• status - エージェント情報を表示
• help - 利用可能なコマンドを表示
• clear - 画面をクリア
• exit または quit - セッションを終了

設定管理

# 現在の設定を表示
trae-cli show-config

# カスタム設定ファイルを使用
trae-cli show-config --config-file my_config.json

設定ファイル

Trae Agentは、JSON設定ファイル（trae_config.json）を使用して設定を行います：

{
  "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
    }
  }
}

設定の優先順位

1. コマンドライン引数（最優先）
2. 設定ファイルの値
3. 環境変数
4. デフォルト値（最低優先）

内蔵ツール

str_replace_based_edit_tool - ファイル操作ツール

• view - ファイルの内容またはディレクトリリストを表示
• create - 新しいファイルを作成
• str_replace - ファイル内のテキストを置換
• insert - 指定した行にテキストを挿入

bash - シェルコマンド実行

• コマンドとスクリプトを実行
• 永続的な状態処理
• 長時間実行されるプロセスを処理
• 出力とエラーをキャプチャ

sequential_thinking - 構造化された問題解決

• 複雑な問題を分解
• 反復的な思考と修正機能
• 仮説の生成と検証

task_done - タスク完了シグナル

• タスクの成功完了をマーク
• 最終結果と要約を提供

軌跡記録

Trae Agentは、デバッグと分析のために詳細な実行軌跡を自動的に記録します：

# 軌跡ファイルを自動生成
trae-cli run "Debug the authentication module"
# 保存先：trajectory_20250612_220546.json

# カスタム軌跡ファイル
trae-cli run "Optimize the database queries" --trajectory-file optimization_debug.json

軌跡ファイルの内容

• LLMインタラクション： 全てのメッセージ、応答、ツール呼び出し
• エージェントステップ： 状態遷移と決定点
• ツール使用： 呼び出されたツールとその結果
• メタデータ： タイムスタンプ、トークン使用量、実行メトリクス

貢献ガイド

貢献プロセス

1. リポジトリをフォーク
2. フィーチャーブランチを作成 (git checkout -b feature/amazing-feature)
3. 変更を行う
4. 新機能のテストを追加
5. 変更をコミット (git commit -m 'Add amazing feature')
6. ブランチにプッシュ (git push origin feature/amazing-feature)
7. プルリクエストを提出

開発規範

• PEP 8スタイルガイドに従う
• 新機能のテストを追加
• 必要に応じてドキュメントを更新
• 適切に型ヒントを使用
• 全てのテストがパスしていることを確認してからコミット

システム要件

• Python 3.12以上
• OpenAI APIキー（OpenAIモデル用）
• Anthropic APIキー（Anthropicモデル用）

トラブルシューティング

インポートエラー

# PYTHONPATHを設定してみてください
PYTHONPATH=. trae-cli run "your task"

APIキーの問題

# APIキーが設定されているか確認
echo $OPENAI_API_KEY
echo $ANTHROPIC_API_KEY

# 設定を確認
trae show-config

権限エラー

# ファイル操作に適切な権限があることを確認
chmod +x /path/to/your/project