bytedance/trae-agentPlease refer to the latest official releases for information GitHub Homepage
LLM 기반의 범용 소프트웨어 엔지니어링 지능형 에이전트로, 자연어 명령을 통해 복잡한 개발 작업을 실행할 수 있습니다.
MITPython 7.2kbytedancetrae-agent Last Updated: 2025-07-10
Trae Agent 프로젝트 상세 소개
프로젝트 개요
Trae Agent는 바이트댄스가 오픈 소스로 공개한 대규모 언어 모델(LLM) 기반의 지능형 에이전트로, 범용 소프트웨어 엔지니어링 작업을 위해 설계되었습니다. 이 프로젝트는 자연어 명령을 이해하고 복잡한 소프트웨어 엔지니어링 워크플로우를 실행할 수 있는 강력한 명령줄 인터페이스를 제공합니다.
GitHub 주소: https://github.com/bytedance/trae-agent
핵심 기능
🌊 Lakeview
- 에이전트 단계에 대한 간결하고 명확한 요약 기능 제공
- 사용자가 에이전트 실행 과정을 빠르게 이해하도록 지원
🤖 다중 LLM 지원
- OpenAI 공식 API 지원
- Anthropic 공식 API 지원
- 유연한 모델 선택 메커니즘
🛠️ 풍부한 도구 생태계
- 파일 편집 기능
- Bash 명령 실행
- 순차적 사고(Sequential Thinking)
- 더 많은 확장 도구
🎯 대화형 모드
- 대화형 인터페이스, 반복 개발 지원
- 실시간 상호작용, 개발 경험 향상
📊 실행 궤적 기록
- 모든 에이전트 작업 상세 기록
- 디버깅 및 분석 지원
- 실행 보고서 자동 생성
⚙️ 유연한 설정
- JSON 기반 설정 시스템
- 환경 변수 설정 지원
- 다단계 설정 우선순위
🚀 간편한 설치
- pip 기반의 간단한 설치 절차
- UV를 사용한 프로젝트 설정 권장
설치 가이드
권장 설치 방식 (UV 사용)
git clone https://github.com/bytedance/trae-agent.git
cd trae-agent
uv sync
환경 변수 설정
# OpenAI API 키
export OPENAI_API_KEY="your-openai-api-key"
# Anthropic API 키
export ANTHROPIC_API_KEY="your-anthropic-api-key"
사용 방법
기본 작업 실행
# 간단한 작업
trae-cli run "Create a hello world Python script"
# 공급자와 모델 지정
trae-cli run "Fix the bug in main.py" --provider anthropic --model claude-sonnet-4-20250514
# 작업 디렉토리 지정
trae-cli run "Add unit tests for the utils module" --working-dir /path/to/project
# 디버깅을 위한 궤적 파일 저장
trae-cli run "Refactor the database module" --trajectory-file debug_session.json
# 강제로 패치 생성
trae-cli run "Update the API endpoints" --must-patch
대화형 모드
# 대화 세션 시작
trae-cli interactive
# 사용자 정의 설정 사용
trae-cli interactive --provider openai --model gpt-4o --max-steps 30
대화형 모드 명령
- 작업 설명을 입력하여 작업 실행
status
- 에이전트 정보 확인help
- 사용 가능한 명령 표시clear
- 화면 지우기exit
또는quit
- 세션 종료
설정 관리
# 현재 설정 표시
trae-cli show-config
# 사용자 정의 설정 파일 사용
trae-cli show-config --config-file my_config.json
설정 파일
Trae Agent는 JSON 설정 파일(trae_config.json
)을 사용하여 설정됩니다:
{
"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
}
}
}
설정 우선순위
- 명령줄 인자 (최고 우선순위)
- 설정 파일 값
- 환경 변수
- 기본값 (최저 우선순위)
내장 도구
str_replace_based_edit_tool - 파일 조작 도구
view
- 파일 내용 또는 디렉토리 목록 표시create
- 새 파일 생성str_replace
- 파일 내 텍스트 교체insert
- 지정된 줄에 텍스트 삽입
bash - 셸 명령 실행
- 명령 및 스크립트 실행
- 영구 상태 처리
- 장시간 실행되는 프로세스 처리
- 출력 및 오류 캡처
sequential_thinking - 구조화된 문제 해결
- 복잡한 문제 분해
- 반복적 사고 및 수정 기능
- 가설 생성 및 검증
task_done - 작업 완료 신호
- 작업 성공적 완료 표시
- 최종 결과 및 요약 제공
실행 궤적 기록
Trae Agent는 디버깅 및 분석을 위해 상세한 실행 궤적을 자동으로 기록합니다:
# 궤적 파일 자동 생성
trae-cli run "Debug the authentication module"
# 저장 위치: trajectory_20250612_220546.json
# 사용자 정의 궤적 파일
trae-cli run "Optimize the database queries" --trajectory-file optimization_debug.json
궤적 파일 내용
- LLM 상호작용: 모든 메시지, 응답 및 도구 호출
- 에이전트 단계: 상태 전환 및 결정 지점
- 도구 사용: 호출된 도구 및 그 결과
- 메타데이터: 타임스탬프, 토큰 사용량 및 실행 지표
기여 가이드
기여 절차
- 저장소 포크
- 기능 브랜치 생성 (
git checkout -b feature/amazing-feature
) - 변경 사항 적용
- 새 기능에 대한 테스트 추가
- 변경 사항 커밋 (
git commit -m 'Add amazing feature'
) - 브랜치에 푸시 (
git push origin feature/amazing-feature
) - Pull Request 제출
개발 규약
- PEP 8 스타일 가이드 준수
- 새 기능에 대한 테스트 추가
- 필요에 따라 문서 업데이트
- 적절한 타입 힌트 사용
- 모든 테스트 통과 확인 후 제출
시스템 요구 사항
- Python 3.12 이상
- OpenAI API 키 (OpenAI 모델용)
- Anthropic API 키 (Anthropic 모델용)
문제 해결
임포트 오류
# PYTHONPATH 설정 시도
PYTHONPATH=. trae-cli run "your task"
API 키 문제
# API 키 설정 여부 확인
echo $OPENAI_API_KEY
echo $ANTHROPIC_API_KEY
# 설정 확인
trae show-config
권한 오류
# 파일 작업에 대한 적절한 권한 확인
chmod +x /path/to/your/project