Trae-Agent源码剖析

2 5~6 min

Trae-Agent源码剖析

架构

┌─────────────────────────────────────────┐
│              CLI Interface              │
├─────────────────────────────────────────┤
│              Agent Layer                │
├─────────────────────────────────────────┤
│              Tools System               │
├─────────────────────────────────────────┤
│            LLM Client Layer             │
├─────────────────────────────────────────┤
│         Utils & Infrastructure          │
└─────────────────────────────────────────┘

Agent

代码写的很烂, 明明有更简单的方案来抽象Agent, 如果不想要依赖Langchain也可以用pydantic-ai, 但是就抽象各种傻卵Agent.判断为写Java入魔了, 还在那AbstractClass???

┌─────────────────────────────────────────┐
│           TraeAgent (具体实现)           │
├─────────────────────────────────────────┤
│            Agent (抽象基类)             │
├─────────────────────────────────────────┤
│     AgentStep | AgentExecution         │
│     AgentState | AgentError            │
└─────────────────────────────────────────┘
graph TD A[任务初始化] --> B[设置工具和消息] B --> C[开始执行循环] C --> D[THINKING: LLM生成响应] D --> E{检查任务完成?} E -->|是| F[COMPLETED: 任务完成] E -->|否| G{有工具调用?} G -->|是| H[CALLING_TOOL: 执行工具] G -->|否| I[继续对话] H --> J[处理工具结果] J --> K{需要反思?} K -->|是| L[REFLECTING: 生成反思] K -->|否| M[更新对话历史] L --> M M --> N{达到最大步数?} N -->|否| C N -->|是| O[执行超时] F --> P[记录轨迹并返回] O --> P

Tools

现在看使用Tools也非常的有限, 几乎没有学习的价值

TraeAgentToolNames = [
    "str_replace_based_edit_tool",
    "sequentialthinking",
    "task_done",
    "bash"
]

总结

我觉得trae-agent整体来看是一个不够字节的项目:

  1. 不够现代化, 明明更简单就能实现的方案不用, 非要自己抽出一些很垃圾的概念, 我建议立刻用pydantic-ai重写client, agent的部分
  2. 无脑的tools, 我本来以为字节能够给出一些富有新意的index + context-engine 甚至更好的一些解决方案, 但是实现令人失望, 完全依靠模型和简单的tools.

我认为: 基于 cherry-studio + FS MCP + SequentialThinking MCP的组合效果应该和现在的trae-agent效果差不多.

这个开源项目完全没有诚意, 代码垃圾, 创意垃圾, 就像是一个实习生项目一样, 如果trae项目组的能力就如这个开源项目所示, 那trae还是早点倒闭的好.

‍