Спрямуйте Trae Agent на один ендпоінт для кожної моделі.

Коротка відповідь: один блок провайдера, один блок моделі.

Поточна конфігурація Trae Agent — YAML: trae_config.yaml в директорії проєкту, з трьома релевантними блоками. model_providers визначає ендпоінти, і кожен запис бере api_key, provider і base_url, тож OpenAI-сумісний шлюз — це просто провайдер типу openai з підміненим base_url. models визначає названі конфігурації моделей, що посилаються на провайдера через model_provider. agents прив'язує trae_agent до однієї з тих назв моделі. Апстрим-README показує саме цю форму для маршрутизації через мультимодельний сервіс: запис провайдера openai, чий base_url вказує на корінь /v1 сервісу. Для APIsRouter це https://api.apisrouter.com/v1, а поле model тоді бере будь-який id каталогу як звичайний рядок, включно з id Claude і Kimi, бо тип провайдера вирішує лише формат запиту, а не постачальника.

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

Як Trae Agent зв'язаний усередині.

Trae Agent (bytedance на GitHub, приблизно 12 тис. зірок) — дослідницько-орієнтований агент інженерії програмного забезпечення від ByteDance для командного рядка: дайте trae-cli завдання, і він проходить через нього прозорим циклом інструментів, bash, редагування файлів і послідовне мислення серед вбудованих інструментів, до налаштовуваного max_steps. Він свідомо модульний, чому конфігурація й розділяє провайдерів, моделі й агентів: той самий провайдер може обслуговувати кілька конфігурацій моделей, а заміна того, на чому працює агент, — це редагування посилання на назву в один рядок. Два слоти моделей мають значення на практиці. trae_agent_model — основний цикл, модель, що робить міркування, виклики інструментів і правки, де max_steps у двісті означає, що одне завдання може бути довгою послідовністю оплачуваних викликів. lakeview_model живить Lakeview, функцію покрокового підсумовування Trae, що видає короткі читабельні підсумки того, що агент робив на кожному кроці. Lakeview спрацьовує часто, і його вивід — прегляданна проза, що робить його підручниковим слотом для швидкого id, поки основний цикл тримає фронтирний. Конфігурація резолвиться не лише з YAML: CLI приймає прапорці --provider і --model на прогін, і специфічні для провайдера змінні середовища, OPENAI_API_KEY і OPENAI_BASE_URL серед задокументованого набору, живлять ті самі налаштування. Прапорці — це те, як ви A/B-тестуєте другу модель, не торкаючись файлу.

Повне налаштування: агент, Lakeview і прогін.

Повна конфігурація прив'язує агента до основної моделі, а Lakeview — до швидкої, обидві через той самий запис провайдера. Зверніть увагу на непряме посилання: agents.trae_agent.model називає запис у models, а кожен запис models називає провайдера через model_provider. Одруківка в будь-якому з посилань ламає ланцюжок, тож тримайте три назви узгодженими. Одна історична примітка, що пояснює більшість заплутаних туторіалів: конфігурація Trae Agent раніше була trae_config.json, а репозиторій тепер документує цей формат як застарілий, з YAML як поточною формою. Гайди, що показують JSON, описують старіше розташування; ключі мігрували, концепції перенеслися. Якщо у вас стара конфігурація JSON, документ про застарілу конфігурацію в репозиторії покриває мапування. Аргумент одного ключа особливо вартий уваги саме для цього інструмента. Нативний список провайдерів Trae Agent охоплює американських і китайських постачальників, що зазвичай означає обліковий запис і ключ на постачальника, деякі з яких важко отримати залежно від того, де ви перебуваєте. За одним записом шлюзу claude-sonnet-4-6, gpt-5.5, deepseek-v4-pro, glm-5.2 і kimi-k2.7-code — усі за один рядок моделі, на одному ключі, з одним балансом, з якого б боку Тихого океану ви не розробляли.

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

Вибір моделей для циклу агента.

Прапорці --provider і --model роблять робочий процес порівняння конкретним: прожените те саме завдання двічі з різними прапорцями, читайте кроки-до-результату й оцінене використання на модель у консолі, і просувайте переможця в trae_config.yaml.

• Основний цикл — це довгогоризонтна робота з інструментами: читання файлів, редагування, запуск bash, оцінка, коли завдання завершене. claude-sonnet-4-6 і gpt-5.5 тримають план на двісті кроків зв'язним; це останній слот, на якому варто економити.
• Lakeview — часте, низькоризикове підсумовування. claude-haiku-4-5-20251001 чи deepseek-v4-flash тримає його практично безкоштовним поряд з витратами основного циклу.
• kimi-k2.7-code і glm-5.2 — серйозні кандидати для основного циклу на кодових базах з китайськими коментарями, історією комітів чи документацією; білінгвальний репозиторій — те місце, де вони перемагають англомовні-first моделі на розумінні, а не лише на ціні.
• deepseek-v4-pro — об'ємний вибір для пакетних прогонів, що прогонюють те саме виправлення по багатьох репозиторіях чи запускають агента в CI, де вартість на завдання множиться.
• max_steps — ваш регулятор вартості. Модель, що блукає, спалює кроки; при порівнянні кандидатів порівнюйте кроки-до-результату на тому самому завданні, а не токени на запит.

Оплата за фактом · нижче офіційних цін

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

Збої, специфічні саме для Trae Agent.

Плутанина JSON проти YAML веде до всього іншого. trae_config.json, скопійований зі старішого гайда, зчитується в кращому разі як застарілий, а в гіршому — ігнорується, і симптом — CLI поводиться так, ніби ви взагалі нічого не налаштували. Поточні налаштування належать у trae_config.yaml; мігруйте старі файли, використовуючи документ про застарілу конфігурацію репозиторію, а не вгадуючи назви ключів. Ланцюжок з трьох назв тихо ламається. agents.trae_agent.model має називати запис у models, а model_provider того запису має називати запис у model_providers. Перейменуйте один і не інші — і прогін провалюється при старті з помилкою резолюції, а не помилкою запиту, що вказує на YAML, а не на мережу. base_url хоче включений /v1, узгоджено з апстрим-прикладом, що вказує на корінь /v1 роутера. Голий хост видає 404, щойно клієнт додасть шлях chat-completions. Lakeview падає, поки агент працює, означає, що lakeview_model посилається на id, якого ендпоінт не обслуговує, легко пропустити, бо ви тестували основну модель і забули про другий слот. А змінні середовища, що тихо підтримують провайдера, який ви вважали налаштованим через файл, особливо OPENAI_API_KEY, варті перевірки, коли автентифікація поводиться непослідовно між оболонками.

Хто спрямовує Trae Agent через шлюз.

• Розробники, що хочуть, щоб Claude чи GPT керували циклом агента, а GLM, Kimi чи DeepSeek були за один прапорець, не тримаючи обліковий запис у кожного постачальника.
• Білінгвальні команди, що працюють на китайських і англійських кодових базах, для яких найсильніша модель на репозиторій може прийти з будь-якої екосистеми, адресована через один ключ.
• Інженери, що запускають пакетні чи CI-завдання агента, де відстеження використання за ключем перетворює флот прогонів trae-cli на читабельний звіт вартості.
• Дослідники, що бенчмаркують моделі агентів, оскільки Trae Agent побудований для порівняння в стилі абляції, а шлюз робить кожного кандидата тією самою зміною в один прапорець.
• Розробники без доступу до білінгу певного постачальника. Доступ на основі поповнення без вимоги картки прибирає залежність від реєстрації в кожного провайдера.

Перевірте ендпоінт і налагодьте перше завдання.

Підтвердіть, що ендпоінт обслуговує ваші id, перш ніж перший прогін: лістинг /v1/models вашим ключем — авторитетне написання для кожного поля model у YAML, і основний слот, і слот Lakeview. Збої першого прогону сортуються чисто. Помилка резолюції конфігурації до будь-якого запиту — це ланцюжок з трьох назв чи застарілий файл JSON. 401 — це api_key у блоці провайдера чи змінна середовища, що перевизначає його. 404 на кожен запит — base_url без /v1. Помилка model-not-found називає слот, що неправильний, перевірте, чи це модель агента чи модель Lakeview. А прогін, що починається, але зависає посеред завдання, зазвичай означає, що модель блукає, а не ендпоінт падає, для чого й існують max_steps і лог кроків. Щойно завдання прогоняться, консоль APIsRouter показує модель на запит, кількість токенів і витрати. Агент, що робить сотню кроків на завдання, множить усе, і лог використання — те місце, де ви дізнаєтесь, скільки насправді коштує завдання на кожній кандидатській моделі.

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

Поширені запитання