প্রতিটা model-এর জন্য Trae Agent-কে এক endpoint-এ point করুন।

দ্রুত উত্তর: একটা provider block, একটা model block।

Trae Agent-এর current configuration হলো YAML: project directory-তে trae_config.yaml, তিনটা প্রাসঙ্গিক block সহ। model_providers endpoint define করে, এবং প্রতিটা entry api_key, provider, এবং base_url নেয়, তাই একটা OpenAI-compatible gateway শুধু base_url swap করা একটা openai-type provider। models model_provider দিয়ে একটা provider reference করা named model config define করে। agents trae_agent-কে সেই model name-গুলোর একটাতে bind করে। Upstream README একটা multi-model service দিয়ে route করার জন্য ঠিক এই shape দেখায়: একটা openai provider entry যার base_url সেই service-এর /v1 root-এ point করে। APIsRouter-এর জন্য, সেটা https://api.apisrouter.com/v1, এবং তারপর model field যেকোনো catalog id একটা plain string হিসেবে নেয়, Claude এবং Kimi id সহ, কারণ provider type শুধু request format ঠিক করে, vendor না।

model_providers:
  apisrouter:
    api_key: your_apisrouter_api_key
    provider: openai
    base_url: https://api.apisrouter.com/v1

models:
  trae_agent_model:
    model_provider: apisrouter
    model: claude-sonnet-4-6
    max_tokens: 4096
    temperature: 0.5

Trae Agent ভেতরে কীভাবে wire করা।

Trae Agent (GitHub-এ bytedance, প্রায় 12K star) হলো command line-এর জন্য ByteDance-এর research-oriented software-engineering agent: trae-cli-কে একটা task দিন এবং এটা একটা transparent tool loop দিয়ে সেটার মধ্য দিয়ে কাজ করে, bash, file editing, এবং sequential thinking built-in tool-এর মধ্যে, একটা configurable max_steps পর্যন্ত। এটা ইচ্ছাকৃতভাবে modular, যে কারণে config provider-কে model থেকে, model-কে agent থেকে আলাদা করে: একই provider বেশ কয়েকটা model config-এর পিছনে থাকতে পারে, এবং agent কী চালায় তা swap করা একটা নাম reference-এ এক-লাইনের edit। Practice-এ দুইটা model slot matter করে। trae_agent_model হলো main loop, reasoning, tool call, এবং edit করা model, যেখানে দুইশো-র max_steps মানে একটা single task লম্বা billed call-এর একটা sequence হতে পারে। lakeview_model Lakeview চালায়, Trae-এর step-summarization feature যা প্রতি step agent কী করেছে তার ছোট readable summary বানায়। Lakeview প্রায়ই fire করে এবং এর output glanceable prose, যা main loop একটা frontier রাখাকালীন একটা fast id-র জন্য textbook slot বানায়। Configuration শুধু YAML-এর চেয়ে বেশি জায়গা থেকে resolve হয়: CLI প্রতি run --provider এবং --model flag accept করে, এবং provider-specific environment variable, documented set-এর মধ্যে OPENAI_API_KEY এবং OPENAI_BASE_URL, একই setting feed করে। File touch না করে একটা দ্বিতীয় model A/B করার উপায়ই এই flag।

সম্পূর্ণ সেটআপ: agent, Lakeview, এবং একটা run।

সম্পূর্ণ config agent-কে একটা main model-এ এবং Lakeview-কে একটা fast model-এ bind করে, দুটোই একই provider entry দিয়ে। Indirection লক্ষ্য করুন: agents.trae_agent.model models-এ একটা entry-র নাম নেয়, এবং প্রতিটা models entry model_provider দিয়ে একটা provider-এর নাম নেয়। দুটোর যেকোনো একটাতে typo পুরো chain fail করে দেয়, তাই তিনটা নাম consistent রাখুন। একটা historical note যা বেশিরভাগ বিভ্রান্ত tutorial ব্যাখ্যা করে: Trae Agent-এর configuration আগে trae_config.json ছিল, এবং repo এখন সেই format-কে legacy হিসেবে documents করে, YAML current form হিসেবে। JSON দেখানো guide পুরনো layout বর্ণনা করছে; key migrate হয়েছে, concept বহন হয়ে এসেছে। আপনার কাছে একটা পুরনো JSON config থাকলে, repo-র legacy-config doc mapping কভার করে। এই tool-এর জন্য one-key angle বিশেষভাবে বলার মতো। Trae Agent-এর native provider list American এবং Chinese vendor জুড়ে বিস্তৃত, যা সাধারণত মানে প্রতি vendor একটা account এবং key, যাদের কিছু আপনি কোথায় বসে আছেন তার উপর নির্ভর করে পাওয়া কঠিন। এক gateway entry-র পিছনে, claude-sonnet-4-6, gpt-5.5, deepseek-v4-pro, glm-5.2, এবং kimi-k2.7-code সবই এক model-string দূরে, এক key-তে, এক balance-এ, আপনি Pacific-এর যে পাশ থেকেই develop করুন না কেন।

agents:
  trae_agent:
    enable_lakeview: true
    model: trae_agent_model
    max_steps: 200
    tools:
      - bash
      - str_replace_based_edit_tool
      - sequentialthinking
      - task_done

model_providers:
  apisrouter:
    api_key: your_apisrouter_api_key
    provider: openai
    base_url: https://api.apisrouter.com/v1

models:
  trae_agent_model:
    model_provider: apisrouter
    model: claude-sonnet-4-6
    max_tokens: 4096
    temperature: 0.5
  lakeview_model:
    model_provider: apisrouter
    model: claude-haiku-4-5-20251001
    max_tokens: 4096
    temperature: 0.5

Agent loop-এর জন্য model বেছে নেওয়া।

--provider এবং --model flag তুলনার workflow-কে concrete বানায়: একই task ভিন্ন flag দিয়ে দুইবার চালান, console-এ steps-to-done এবং priced usage প্রতি model পড়ুন, এবং জয়ী candidate-কে trae_config.yaml-এ promote করুন।

• Main loop হলো long-horizon tool work: file পড়া, edit করা, bash চালানো, task শেষ কিনা বিচার করা। claude-sonnet-4-6 এবং gpt-5.5 দুইশো-step-এর একটা plan একসাথে ধরে রাখে; এখানে economize করার শেষ জায়গা।
• Lakeview হলো high-frequency, low-stakes summarization। claude-haiku-4-5-20251001 বা deepseek-v4-flash main loop-এর spend-এর পাশে এটাকে effectively বিনামূল্যে রাখে।
• Chinese comment, commit history, বা doc সহ codebase-এ kimi-k2.7-code এবং glm-5.2 main loop-এর জন্য serious candidate; একটা bilingual repo-ই যেখানে তারা শুধু price না, comprehension-এও English-first model-কে হারায়।
• অনেক repo জুড়ে একই fix sweep করা বা CI-তে agent চালানো batch run-এর জন্য deepseek-v4-pro volume pick, যেখানে per-task cost গুণ হয়।
• max_steps আপনার cost governor। একটা model যে ঘুরপাক খায় সে step পোড়ায়; candidate তুলনা করার সময়, প্রতি request token না, একই task-এ steps-to-done তুলনা করুন।

ব্যবহার অনুযায়ী পেমেন্ট · অফিশিয়াল মূল্যের নিচে

Selected models are priced below official list prices. Exact input, output, cache, and per-request prices are shown for each model.

Trae Agent-specific failure mode।

JSON-বনাম-YAML বিভ্রান্তিই সবকিছুর সামনে। একটা পুরনো guide থেকে copy করা trae_config.json সেরা ক্ষেত্রে legacy হিসেবে পড়া হয় এবং সবচেয়ে খারাপ ক্ষেত্রে ignore হয়, এবং symptom হলো CLI এমন behave করে যেন আপনি কখনো কিছু configure করেননি। Current setup trae_config.yaml-এ belong করে; key নাম অনুমান না করে repo-র legacy-config doc ব্যবহার করে পুরনো file migrate করুন। Three-name chain নীরবে ভেঙে যায়। agents.trae_agent.model-কে models-এর একটা entry-র নাম নিতে হবে, এবং সেই entry-র model_provider-কে model_providers-এর একটা entry-র নাম নিতে হবে। একটা rename করে বাকিগুলো না করলে run একটা network error-এর বদলে startup-এ একটা resolution error দিয়ে fail করে, যা আপনাকে network-এর না, YAML-এর দিকে ইঙ্গিত করে। base_url-এ /v1 include থাকতে চায়, একটা router-এর /v1 root-এ point করা upstream example-এর সাথে মিলিয়ে। একটা bare host client route path append করার সাথে সাথে 404 তৈরি করে। Agent কাজ করলেও Lakeview fail করা মানে lakeview_model এমন একটা id reference করছে যা endpoint serve করে না, miss করা সহজ কারণ আপনি main model test করেছেন এবং দ্বিতীয় slot ভুলে গেছেন। এবং নীরবে একটা provider ব্যাক করা environment variable, বিশেষভাবে OPENAI_API_KEY, যা আপনি ভেবেছিলেন file-configured, authentication shell-এর মধ্যে inconsistently behave করলে check করার মতো।

কারা একটা gateway দিয়ে Trae Agent route করে।

• যেসব Developer agent loop-এ Claude বা GPT চালাতে চান এবং GLM, Kimi, বা DeepSeek একটা flag দূরে চান, প্রতি vendor-এ account না রেখে।
• Chinese এবং English codebase জুড়ে কাজ করা Bilingual team, যাদের জন্য প্রতি repo-তে সবচেয়ে strong model যেকোনো ecosystem থেকে আসতে পারে, এক key দিয়ে addressable।
• Batch বা CI agent task চালানো Engineer, যেখানে per-key usage tracking trae-cli run-এর একটা fleet-কে একটা readable cost report বানায়।
• Agent model benchmark করা Researcher, যেহেতু Trae Agent ablation-style তুলনার জন্য বানানো এবং gateway প্রতিটা candidate-কে একই এক-flag change বানায়।
• Developer যাদের কোনো নির্দিষ্ট vendor-এর billing-এ access নেই। কোনো card requirement ছাড়া Top-up based access per-provider sign-up dependency সরিয়ে দেয়।

Endpoint verify করুন এবং প্রথম task debug করুন।

প্রথম run-এর আগে confirm করুন endpoint আপনার id serve করছে: আপনার key দিয়ে /v1/models listing হলো YAML-এর প্রতিটা model field-এর জন্য authoritative spelling, main slot এবং Lakeview slot দুটোর জন্যই। প্রথম-run failure পরিষ্কারভাবে sort হয়। কোনো request-এর আগে একটা config resolution error মানে three-name chain বা একটা legacy JSON file। একটা 401 মানে provider block-এর api_key, বা সেটাকে override করা একটা environment variable। প্রতিটা request-এ একটা 404 মানে base_url তার /v1 হারিয়েছে। একটা model-not-found error যে slot ভুল তার নাম দেয়, check করুন সেটা agent model ছিল না Lakeview model। এবং শুরু হয় কিন্তু task-এর মাঝে stall করে এমন একটা run সাধারণত endpoint fail করা না, model ঘুরপাক খাওয়া, যার জন্যই max_steps এবং step log আছে। Task চললে, APIsRouter console per-request model, token count, এবং spend দেখায়। প্রতি task একশো step নেওয়া একটা agent সবকিছু গুণ করে, এবং usage log-ই যেখানে আপনি জানতে পারেন প্রতিটা candidate model-এ একটা task genuinely কত খরচ করে।

curl -s https://api.apisrouter.com/v1/models \
  -H "Authorization: Bearer $APISROUTER_API_KEY" | head -50

সাধারণ প্রশ্ন