Home
Login

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 확인
  • help - 사용 가능한 명령 표시
  • clear - 화면 지우기
  • exit 또는 quit - 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

  1. 명령줄 인자 (최고 우선순위)
  2. 설정 파일 값
  3. 환경 변수
  4. 기본값 (최저 우선순위)

내장 도구

str_replace_based_edit_tool - 파일 조작 도구

  • view - 파일 내용 또는 디렉토리 목록 표시
  • create - 새 파일 생성
  • str_replace - 파일 내 텍스트 교체
  • insert - 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

  1. 저장소 포크
  2. 기능 브랜치 생성 (git checkout -b feature/amazing-feature)
  3. 변경 사항 적용
  4. 새 기능에 대한 테스트 추가
  5. 변경 사항 커밋 (git commit -m 'Add amazing feature')
  6. 브랜치에 푸시 (git push origin feature/amazing-feature)
  7. 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

Star History Chart