Trae Agent를 모든 모델을 위한 엔드포인트 하나로 연결하기.

빠른 답: 프로바이더 블록 하나, 모델 블록 하나.

Trae Agent의 현재 설정은 YAML입니다: 프로젝트 디렉터리의 trae_config.yaml에 관련된 세 개의 블록이 있습니다. model_providers는 엔드포인트를 정의하며, 각 항목은 api_key, provider, base_url을 받으므로 OpenAI 호환 게이트웨이는 그저 base_url을 바꿔 끼운 openai 타입 프로바이더일 뿐입니다. models는 model_provider를 통해 프로바이더를 참조하는 이름 붙은 모델 설정을 정의합니다. agents는 trae_agent를 그 모델 이름 중 하나에 묶습니다. 업스트림 README는 멀티모델 서비스를 통해 라우팅하는 데 정확히 이 형태를 보여줍니다: base_url이 그 서비스의 /v1 루트를 가리키는 openai 프로바이더 항목. APIsRouter의 경우 그것은 https://api.apisrouter.com/v1이며, model 필드는 그다음 어떤 카탈로그 id든 그냥 문자열로 받습니다, Claude와 Kimi id도 포함해서요. 프로바이더 타입이 벤더가 아니라 요청 형식만 결정하기 때문입니다.

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 내부의 연결 구조.

Trae Agent(GitHub의 bytedance, 약 1.2만 스타)는 ByteDance의 커맨드라인을 위한 연구 지향 소프트웨어 엔지니어링 에이전트입니다: trae-cli에 작업을 주면 투명한 툴 루프, bash, 파일 편집, 순차적 사고 같은 내장 툴로, 설정 가능한 max_steps까지 작업을 진행합니다. 이는 의도적으로 모듈화되어 있으며, 그래서 설정이 프로바이더, 모델, 에이전트를 분리합니다: 같은 프로바이더가 여러 모델 설정을 뒷받침할 수 있고, 에이전트가 실행하는 모델을 바꾸는 것은 이름 참조 한 줄 편집입니다. 실제로 중요한 모델 슬롯은 두 개입니다. trae_agent_model은 메인 루프, 즉 추론, 툴 호출, 편집을 하는 모델이며, max_steps 200은 작업 하나가 청구되는 호출의 긴 시퀀스가 될 수 있다는 뜻입니다. lakeview_model은 Lakeview를 구동하는데, 이는 에이전트가 각 단계에서 한 일에 대한 짧고 읽기 쉬운 요약을 만드는 Trae의 단계 요약 기능입니다. Lakeview는 자주 발동하고 출력이 훑어볼 수 있는 산문이므로, 메인 루프가 프론티어 모델을 유지하는 동안 빠른 id를 위한 교과서적인 슬롯입니다. 설정은 YAML보다 더 많은 곳에서 해석됩니다: CLI는 실행마다 --provider와 --model 플래그를 받아들이며, 문서화된 목록 중 OPENAI_API_KEY와 OPENAI_BASE_URL을 포함한 프로바이더별 환경 변수가 같은 설정에 공급됩니다. 파일을 건드리지 않고 두 번째 모델을 A/B 테스트하는 방법이 그 플래그들입니다.

전체 설정: 에이전트, Lakeview, 그리고 실행.

완전한 설정은 에이전트를 메인 모델에, Lakeview를 빠른 모델에 묶으며, 둘 다 같은 프로바이더 항목을 통합니다. 간접 참조를 유의하세요: agents.trae_agent.model이 models 안의 항목을 이름으로 가리키고, 각 models 항목이 model_provider를 통해 프로바이더를 이름으로 가리킵니다. 둘 중 하나에 오타가 있으면 체인 전체가 실패하니, 세 이름을 일치시켜 유지하세요. 대부분의 헷갈리는 튜토리얼을 설명하는 역사적인 참고 사항 하나: Trae Agent의 설정은 예전에 trae_config.json이었으며, 저장소는 이제 그 형식을 레거시로, YAML을 현재 형태로 문서화합니다. JSON을 보여주는 가이드는 더 오래된 레이아웃을 설명하는 것입니다; 키는 그대로 옮겨졌고 개념도 이어졌습니다. 오래된 JSON 설정이 있다면, 저장소의 legacy-config 문서가 그 매핑을 다룹니다. 키 하나라는 관점은 특히 이 도구에서 짚어둘 가치가 있습니다. Trae Agent의 네이티브 프로바이더 목록은 미국과 중국 벤더에 걸쳐 있는데, 이는 보통 벤더별 계정과 키가 필요하다는 뜻이며, 그중 일부는 여러분이 어디에 있는지에 따라 얻기 어렵습니다. 게이트웨이 항목 하나 뒤에서는 claude-sonnet-4-6, gpt-5.5, deepseek-v4-pro, glm-5.2, kimi-k2.7-code 모두가 모델 문자열 하나 차이이며, 키 하나, 잔액 하나로, 태평양 어느 쪽에서 개발하든 상관없습니다.

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

에이전트 루프를 위한 모델 선택.

--provider와 --model 플래그가 비교 워크플로우를 구체적으로 만들어 줍니다: 같은 작업을 서로 다른 플래그로 두 번 실행하고, 콘솔에서 완료까지 단계 수와 모델별 가격이 매겨진 사용량을 읽은 다음, 승자를 trae_config.yaml로 승격시키세요.

• 메인 루프는 장기 지향적인 툴 작업입니다: 파일 읽기, 편집, bash 실행, 작업 완료 여부 판단. claude-sonnet-4-6과 gpt-5.5가 200단계짜리 계획을 함께 붙들어 줍니다; 이 슬롯은 아끼기에 가장 부적합한 곳입니다.
• Lakeview는 고빈도, 저위험 요약입니다. claude-haiku-4-5-20251001이나 deepseek-v4-flash가 메인 루프의 지출 옆에서 사실상 무료 수준을 유지해 줍니다.
• kimi-k2.7-code와 glm-5.2는 중국어 주석, 커밋 히스토리, 문서가 있는 코드베이스에서 메인 루프를 위한 진지한 후보입니다; 이중 언어 저장소는 이들이 가격뿐 아니라 이해력에서도 영어 우선 모델을 이기는 지점입니다.
• deepseek-v4-pro는 배치 실행을 위한 물량 선택입니다, 여러 저장소에 같은 수정을 스윕하거나 CI에서 에이전트를 실행하는 것처럼, 작업당 비용이 곱해지는 곳에서요.
• max_steps가 여러분의 비용 조절기입니다. 헤매는 모델은 단계를 태우니, 후보를 비교할 때는 요청당 토큰이 아니라 같은 작업에서의 완료까지 단계 수를 비교하세요.

사용한 만큼 지불 · 공식 요금보다 저렴

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

Trae Agent에 특유한 실패 패턴.

JSON과 YAML의 혼동이 모든 것을 이끕니다. 오래된 가이드에서 복사한 trae_config.json은 잘해야 레거시로 읽히고 최악의 경우 무시되며, 그 증상은 마치 아무것도 설정한 적 없는 것처럼 행동하는 CLI입니다. 현재 설정은 trae_config.yaml에 속하니, 이름을 추측하기보다 저장소의 legacy-config 문서를 이용해 오래된 파일을 마이그레이션하세요. 세 이름의 체인이 조용히 깨집니다. agents.trae_agent.model은 models 항목을 이름 지어야 하고, 그 항목의 model_provider는 model_providers 항목을 이름 지어야 합니다. 하나만 이름을 바꾸고 다른 것들은 바꾸지 않으면 실행이 네트워크 오류가 아니라 시작 시점의 해석 오류로 실패하는데, 이는 YAML을 가리키지 네트워크를 가리키지 않습니다. base_url은 라우터의 /v1 루트를 가리키는 업스트림 예제와 마찬가지로 /v1을 포함해야 합니다. 맨 호스트만 주면 클라이언트가 chat-completions 경로를 붙인 뒤 404가 발생합니다. 에이전트는 작동하는데 Lakeview가 실패한다면 lakeview_model이 엔드포인트가 서빙하지 않는 id를 참조하고 있다는 뜻이며, 메인 모델만 테스트하고 두 번째 슬롯을 잊기 쉬우므로 놓치기 쉽습니다. 그리고 여러분이 파일로 설정했다고 생각한 프로바이더를 조용히 뒷받침하는 환경 변수, 특히 OPENAI_API_KEY는 셸 간에 인증 동작이 일관되지 않을 때 확인할 가치가 있습니다.

어떤 사람들이 게이트웨이를 통해 Trae Agent를 쓰는가.

• 각 벤더에 계정을 두지 않고 Claude나 GPT가 에이전트 루프를 구동하고 GLM, Kimi, DeepSeek가 플래그 하나 거리에 있길 원하는 개발자.
• 중국어와 영어 코드베이스를 넘나들며 일하는 이중 언어 팀 — 저장소마다 가장 강한 모델이 어느 생태계에서든 올 수 있으며, 키 하나로 주소 지정 가능합니다.
• 배치나 CI 에이전트 작업을 실행하는 엔지니어 — 키별 사용량 추적이 여러 trae-cli 실행의 함대를 읽기 쉬운 비용 보고서로 바꿔줍니다.
• 에이전트 모델을 벤치마킹하는 연구자 — Trae Agent는 절제된 비교를 위해 만들어졌고, 게이트웨이는 모든 후보를 같은 플래그 하나짜리 변경으로 만들어 줍니다.
• 특정 벤더의 결제 수단에 접근할 수 없는 개발자. 카드 없이 충전만으로 사용할 수 있어 프로바이더별 가입 의존성이 사라집니다.

엔드포인트 검증 및 첫 작업 디버깅.

첫 실행 전에 엔드포인트가 여러분의 id를 서빙하는지 확인하세요: 여러분의 키로 /v1/models 목록이 YAML의 모든 model 필드, 메인 슬롯과 Lakeview 슬롯 모두에 대한 권위 있는 철자입니다. 첫 실행 실패는 깔끔하게 분류됩니다. 어떤 요청보다 앞선 설정 해석 오류는 세 이름의 체인이나 레거시 JSON 파일 문제입니다. 401은 프로바이더 블록의 api_key거나, 이를 오버라이드하는 환경 변수입니다. 모든 요청에서의 404는 /v1이 빠진 base_url입니다. model-not-found 오류는 어느 슬롯이 잘못되었는지 지목합니다, 에이전트 모델인지 Lakeview 모델인지 확인하세요. 그리고 시작은 하는데 작업 도중 멈추는 실행은 보통 엔드포인트 실패가 아니라 모델이 헤매고 있는 것입니다, max_steps와 단계 로그가 그것을 위해 있습니다. 작업이 실행되면 APIsRouter 콘솔에서 요청별 모델, 토큰 수, 지출을 볼 수 있습니다. 작업당 백 단계를 밟는 에이전트는 모든 것을 곱하며, 사용량 로그는 후보 모델마다 작업 하나가 실제로 얼마인지 배우는 곳입니다.

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

자주 묻는 질문