字节跳动推出了国内首款AI IDE，和Cursor比起来，它有哪些更牛的功能呢？能不能一键搞定整个项目的代码呢？
今天，Trae又迎来了新一轮更新，真是太给力了！这次不仅国内外版本同步更新，大家期待已久的MCP功能也终于上线了，还有智能体功能，简直让人惊喜！
咱们先快速过一下这次更新都带来了哪些新功能吧：
- Chat模式和Builder模式整合
- 支持创建MCP工具和自定义智能体
- 更强大的上下文功能
- 自定义规则
接下来，咱们来看看这些新功能具体是怎么用的～
新增的内置工具
在Trae的Builder模式中，现在有了以下几个内置工具：
- 文件系统
- 终端
- 联网搜索
- 预览
Trae现在终于可以直接联网搜索与我们对话了！
在与AI对话时，它会自动根据上下文引用具体代码来解决问题。
而且，你在请求执行命令时，可以开启“从下次开始自动运行命令和MCP工具”的功能，以后每次执行命令时，它都会自动运行这些命令和工具：
当然，开启自动执行后，你可以随时去智能体配置页面，设置一些命令或MCP工具的黑名单，确保这些不会被自动执行：
开启自动运行后，整体的交互效果非常友好，尤其对技术新手来说：
我想预览生成的代码效果，AI首先尝试运行程序，然后报错了，发现缺少某个依赖库（AI直接识别了错误），接着它便执行了一条安装命令来解决问题，之后程序就正常运行了：
上下文功能
具体的上下文功能包括：
代码索引管理
现在你的代码项目会自动被索引好，之后在输入问题时，只需加上#Workspace，就能直接参考当前项目的代码来回答。不过其实你可以不指定，AI也会根据需要自动引用。
忽略文件
你可以在上下文配置中设置忽略文件。无论你是否设置了这个扩展的忽略文件，系统都会直接忽略.gitignore文件中配置的内容。
文档集
这就像是为项目增加一些知识库，比如需要引用的素材或是开发时要遵循的需求文档，你可以将这些文档添加到文档集中，这样AI在回答时会更准确。
自定义规则
自定义规则到底是什么呢？别担心，Trae提供了详细的引导介绍：
简单来说，这就像是传统开发中的“代码规范”，分为项目级和全局级。在项目规则文件中，你可以定义Trae在当前项目中需要遵循的开发标准，就像生活中的各种规矩一样：
- 就像家庭装修需要规定材料品牌一样，你可以指定项目的框架版本和依赖库
- 小区禁止燃放烟花的规定，可以限制使用某些不安全或过时的API
- 餐厅对食品安全的检查标准，你可以定义代码测试的严格程度和覆盖范围
- 公司着装要求，规定代码的格式和风格标准
- 节能减排的指标要求，可以设置应用程序的性能优化目标
具体的规则模板，其实和Cursor的.cursorrules文件原理类似，比如我在写next.js项目时，可以直接使用以下规则模板：
---
description: Next.js with TypeScript and Tailwind UI best practices
globs: **/*.tsx, **/*.ts, src/**/*.ts, src/**/*.tsx
---
# Next.js Best Practices
## Project Structure
- Use the App Router directory structure
- Place components in `app` directory for route-specific components
- Place shared components in `components` directory
- Place utilities and helpers in `lib` directory
- Use lowercase with dashes for directories (e.g., `components/auth-wizard`)
## Components
- Use Server Components by default
- Mark client components explicitly with 'use client'
- Wrap client components in Suspense with fallback
- Use dynamic loading for non-critical components
- Implement proper error boundaries
- Place static content and interfaces at file end
## Performance
- Optimize images: Use WebP format, size data, lazy loading
- Minimize use of 'useEffect' and 'setState'
- Favor Server Components (RSC) where possible
- Use dynamic loading for non-critical components
- Implement proper caching strategies
## Data Fetching
- Use Server Components for data fetching when possible
- Implement proper error handling for data fetching
- Use appropriate caching strategies
- Handle loading and error states appropriately
## Routing
- Use the App Router conventions
- Implement proper loading and error states for routes
- Use dynamic routes appropriately
- Handle parallel routes when needed
## Forms and Validation
- Use Zod for form validation
- Implement proper server-side validation
- Handle form errors appropriately
- Show loading states during form submission
## State Management
- Minimize client-side state
- Use React Context sparingly
- Prefer server state when possible
- Implement proper loading states
当然，如果你想要更多的规则模板，可以参考以下的GitHub项目awesome-cursorrules获取更多：
https://github.com/PatrickJS/awesome-cursorrules
MCP功能集成
这次Trae还支持了超火的MCP工具，这个工具到底是干嘛的呢？
简单说，它就是让AI可以与外部工具“对话”的一种协议。想想以前的AI大模型，好比被锁在小房间里，只能依靠自己知道的东西来回答问题。而有了MCP，AI就能“走出来”，结合各种外部工具的能力来帮忙。这里有一张形象的关系图，展示了MCP的功能定位：
可以说，MCP就像是我们手提电脑上的扩展坞，将各种工具都连接进来，AI就能通过MCP来调用这些工具的能力了。
MCP与扣子（Coze）的插件功能对比
MCP（Model Context Protocol）和扣子（Coze）的插件功能看上去很像，但在设计理念和技术实现上还是有不少区别：
深入了解MCP与扣子插件的差异
| 特性 | MCP | 扣子(Coze)插件 |
|---|---|---|
| 开放性 | 遵循开放标准，适用于任何系统 | 封闭生态，仅限扣子平台 |
| 跨平台 | 兼容任何支持MCP的系统 | 主要支持字节旗下的产品 |
| 开发语言 | 支持各种编程语言 | 主要使用JavaScript |
| 部署方式 | 可以作为独立服务，灵活选择本地或云端 | 只能在平台内部署 |
| 社区生态 | 活跃于GitHub开源社区 | 专属字节官方生态 |
| 使用门槛 | 需要一定的开发技能 | 低代码，简单易学 |
简单来说，MCP就像是一个“万能充电器”，它允许AI连接各种外部工具，只要这些工具遵循MCP的协议，任何支持MCP的AI都能顺利使用。
而**扣子的插件则更像是“专用配件”**，它专为扣子平台设计，虽然在这个生态中运作得非常顺利，但可能不适用于其他AI系统。
如果你是开发者，想要创建一个可以在多种AI系统上使用的工具，MCP会是更好的选择；如果你只打算在扣子平台上快速开发应用，那么扣子的插件系统就会比较方便了。
Trae中的MCP界面
我们来看看Trae的MCP功能界面：
从初步观察来看，Trae集成了不少实用的工具：
- GitHub：不用自己去找代码，AI直接帮你搞定
- Figma：设计文件也能直接连接
- Google Maps：轻松查找地图信息
- AWS知识库：一键解决AWS云服务问题
- 还有更多…
当然，除了这些内置的工具，我们还可以自定义添加其他的第三方MCP工具。
需要特别注意的是，这次Trae的MCP功能交互界面变得更加简洁，技术小白甚至可以在不理解相关概念的情况下，直接开始使用（当然是基于内置的MCP工具而言）。
Trae也能创建智能体
首先我们来看看Trae的配置界面：
我临时创建了一个Trae智能体，图中显示了工具箱里主要有两类工具：
1. MCP工具（高级工具）
我在创建这个智能体时，选择了一些Trae的内置MCP工具，如下：
- Puppeteer：能够自动浏览网页、点击按钮、填表格
- docker-mcp：用来管理电脑上的应用容器
- GitHub：直接操作代码仓库，无需自己去找代码
- 等等…
2. 内置工具（基础工具）
每个智能体默认内置了四个工具，分别为：
- 文件系统：可以读写电脑上的文件
- 终端：可以执行电脑命令
- 联网搜索：能够上网查资料
- 预览：可以预览生成的内容
当然，在创建智能体时，你可以取消某个内置工具的勾选，这样这个工具就不会出现在智能体中。
接下来，为了方便理解，我们来看下图：
实际上，Trae默认自带的就是我们常用的一个智能体，里面包含了上面提到的四个工具，而我们的构建模式就是基于它进行交互的：
还有一个智能体，它其实是基于上述智能体，只不过添加了MCP工具的支持：
接下来，我们就结合这个智能体来看看实际的使用效果～
智能体+MCP实际应用
案例1：使用Figma内置MCP智能体生成代码
Figma是什么？ Figma是一款在线设计工具，类似“网页版的PS”，但更专注于界面设计。它的最大特点是支持多人同时在线协作，大家就像在编辑一个文档一样。设计师用它来设计网站和App的界面，开发人员可以直接查看这些设计，并将它们转变为实际的网站或应用。如果你不太懂技术，可以把它想象成一个在线画板，可以画出漂亮的网页和App界面。
我将Figma AI Bridge这个MCP工具添加到了Builder with MCP智能体中：
接着，我们在网上找了一个Figma的UI模板来试试：
模板链接：https://www.figma.com/community/file/989274600796773962
然后开始了我们的对话：
基于我这个 Figma template 帮我生成一个基于 next.js 框架的网站
https://www.figma.com/community/file/989274600796773962
没过多久，这个网站的初步形态就复刻出来了：
体验还挺不错的，它不仅能根据Figma模板生成对应的代码，还能根据你提供的描述生成代码。例如，我描述的是一个基于next.js框架的网站，它就能相应地生成代码。
案例2：高效抓取目标网站的信息
我创建了一个新的智能体 – 网页 AI 助手，并选择了一个热门工具 – Puppeteer，用于获取网页内容：
然后我们就开始对话，选择这个智能体：
帮我抓取一下 WaytoAGI 网站上有些推荐的 AI 智能体，将它们整理总结为一个图文并茂的 markdown 文档给我。
https://www.waytoagi.com/zh/agents
接下来我们来看看实际效果（7倍速回放）：
看看它生成的md文件长什么样：
虽然这是基础的网页内容抓取，但它不仅抓取了相关内容的图片，还自动生成了一个markdown文档，体验相当不错。而且它还会根据需要访问每个相关链接的子链接，获取更详细的信息。
总结
Trae 最近的重大更新可真不简单，不仅仅是增加了一些新功能，更是意味着 AI 协作工具正在从“智能助手”变成我们的“数字同事”了。
这其实反映了人机协作方式的根本变化：以前我们只是“使用工具”，而现在开始学着“培养同事”了。
就像在工业革命时期，人们逐渐学会与机器合作一样，在 AI 时代，我们也在探索与智能体协作的新方式。Trae 通过降低 MCP 的使用门槛，让更多普通用户也能体验到这种前沿的人机协作模式。
可以预见，随着 MCP 生态的不断完善，我们会进入一个全新的“工具互联”阶段。到那个时候，AI 不仅能使用单一工具，还能将设计、开发、测试和部署整个流程串联起来，真正成为贯穿整个项目生命周期的“数字合伙人”。
在这个人机协作的新纪元，最大的竞争优势可能不再是你掌握了多少工具，而是你能多快培养出最适合自己的数字同事。那么，现在，你准备好迎接你的第一位 AI 工作伙伴了吗？
