字节的野心：Trae新增MCP功能，深度测评

网址

Caption

type

date

slug

summary

核心更新亮点

先来看看官方的更新日志：

统一对话体验：Chat与Builder面板合并，支持通过@Builder进入Builder Agent模式

上下文能力增强：新增#Web和#Doc两种Context

自定义规则上线：支持个人规则和项目规则配置

Agent能力全面升级：支持自定义Agent、自动运行模式等

MCP支持上线：内置MCP市场，支持第三方工具扩展

上面是海外版本，国内版本功能类似，如下图所示，这里不再赘述

这次更新不是简单的功能叠加，而是字节对AI辅助开发范式的重新思考。让我们继续深入了解每个功能点的实际表现。

统一对话体验

以前使用Trae最大的痛点是什么？

对我来说绝对是Chat和Builder之间的割裂感。每次从需求讨论切换到代码实现，都需要在两个面板间来回切换，上下文经常丢失。

这次合并后的体验让我惊喜。界面设计保持了简洁，只需在对话框中输入"@Builder"就能无缝切换到Builder模式。我测试了一个数据可视化仪表盘开发流程：

在Chat中讨论需求："我需要一个展示销售数据的仪表盘，包含趋势图和地区分布"

AI给出设计建议和技术选型

输入"@Builder"切换到Builder模式

直接获得完整实现代码，无需重复描述需求

整个过程流畅自然，就像与一个既懂产品又会编程的同事协作。这种"一次对话，全程服务"的体验，显著提高了我的工作效率。

不过，我也发现了一个小问题：在复杂项目中，Builder模式有时会"遗忘"之前Chat中讨论的一些细节约束。当我询问原因，Trae团队表示这是上下文长度限制导致的，后续版本会优化这一点。

上下文能力增强

上下文能力增强：新增支持 #Web 和 #Doc 两种 Context

我体验了一翻，Trae新增的#Web和#Doc两种Context真是太实用了！

#Web支持直接粘贴链接，AI自动提取网页内容。我测试了GitHub仓库页面、技术博客和API文档，提取效果都很不错。比如我粘贴了React文档链接，Trae立即能基于最新文档回答我的问题，甚至能指出官方示例中的一些微妙问题。

从演示结果来看，它不仅分析了github链接，它还会从知乎、talkdata等平台获取信息

#Doc则支持上传文档或添加URL作为知识库。系统支持最多1000个文件，总容量50MB。这是什么概念？官方说法是相当于152本金庸小说的内容量！我实测上传了一个技术文档集（约30MB），Trae不仅能准确回答文档内容问题，还能结合多个文档进行交叉分析，帮我发现了几处文档间的矛盾点。

最让我震惊的是，当我同时使用#Web和#Doc，Trae能够无缝整合网络信息和本地知识，给出更全面的解答。这对于需要同时参考官方文档和内部规范的开发场景简直是救星。

MCP支持

MCP支持是此次更新的最大亮点，也是Trae与其他AI IDE的重要差异点。

内置的MCP市场提供了丰富的工具扩展：GitHub、PostgreSQL、Puppeteer、Figma AI Bridge等。我重点测试了GitHub和PostgreSQL集成：

GitHub MCP：

授权后，Trae可以直接查看、创建和管理仓库。我让它"分析项目中最频繁修改的文件并创建性能优化Issue"，它完成得相当出色——不仅找出了热点文件，还给出了针对性的优化建议并自动创建了Issue。

PostgreSQL MCP：这个真是数据分析的利器。我连接了自己的测试数据库，然后要求"分析过去30天用户活跃度变化并找出异常点"，Trae自动生成SQL查询，分析数据趋势，甚至还生成了可视化图表展示结果。整个过程无需我写一行代码！

MCP最强大之处在于组合使用。例如，我可以让Trae：

从PostgreSQL数据库获取用户行为数据

自动分析用户路径和转化漏斗

生成优化建议报告

创建对应的GitHub Issue并分配任务

这种"一条指令，全流程自动化"的体验，让我真切感受到了AI工具链的威力。

不过，MCP集成也有一些问题。权限管理还不够精细，某些敏感操作（如数据库结构变更）缺乏二次确认机制。

Agent能力全面升级

Agent能力的升级主要体现在三个方面：自定义Agent、自动运行模式和工具调用。

自定义Agent

Trae支持通过prompt和tools自定义Agent。我创建了一个"代码审查专家"Agent，

为它配置了自定义规则（如"遵循SOLID原则"）和工具组合（如代码静态分析工具），效果相当惊艳。

提示词如下：

这个Agent能从代码中识别设计模式问题，并给出重构建议，甚至能自动修复部分代码质量问题。

自动运行模式

这个功能极大提升了使用体验。以前使用其他AI工具比如cursor，每次需要执行命令或调用工具都要手动确认，打断思路。现在Trae支持自动执行命令和工具调用，整个流程更加流畅，有点类似前几天我测评jetbrains的brave mode。

当然，为了安全起见，我也配置了命令黑名单，禁止执行rm、kill等危险命令。

工具调用

Agent支持使用历史配置成功的全部MCP工具执行复杂任务。我让Builder Agent"分析项目代码质量并提出重构建议"，它自动调用了代码分析工具、Git历史分析和文档生成器，最终生成了一份详尽的重构报告，简直像有一个资深技术主管在帮我审核代码。

自定义规则

自定义规则是Trae的另一大亮点。系统支持两级规则：个人规则（user_rules.md）和项目规则（.trae/rules/project_rules.md）。

个人规则适用于所有项目，我配置了一些个人偏好，如"使用TypeScript而非JavaScript"、"遵循函数式编程范式"等。

项目规则则针对特定项目，我在公司项目中设置了"遵循公司编码规范"、"使用特定版本依赖"等要求。

实测下来，Trae能很好地遵循这些规则。更让我惊讶的是，它不仅遵循明确的指令，还能理解规则背后的意图。例如，我在规则中提到"代码应当健壮"，它会自动添加输入验证、错误处理、单元测试等内容，展现出对软件工程原则的深刻理解。

真实项目体验：内容管理系统从0到1

为了全面测试Trae的能力，我尝试用它从头开发一个简单的内容管理系统。整个过程如下：

需求讨论：我描述了基本需求"一个博客CMS，支持文章编辑、分类管理和用户权限控制"

架构设计：Trae提供了几种技术方案，我选择了Next.js+PostgreSQL方案

数据库设计：通过PostgreSQL MCP，Trae设计了数据库结构并自动生成迁移脚本

代码实现：使用@Builder模式，Trae生成了前后端代码

API测试：Trae自动生成了API测试脚本，确保接口正常工作

部署流程：通过GitHub MCP，自动创建仓库并设置Vercel部署配置

用到的提示词如下：

整个过程中，最让我印象深刻的是Trae处理身份认证和权限控制的方式。它不只是简单实现登录功能，还考虑了RBAC权限模型、CSRF保护和安全存储，展现出专业级的安全意识。

当我提出要支持Markdown编辑器时，Trae立即推荐了几个成熟方案，并针对我选择的库自动集成了图片上传、预览和语法高亮功能，细节处理得相当到位。

最终，我只花了约2小时就完成了一个功能完整的CMS系统，比我预计的时间少了60%以上。用户体验和代码质量也远超我的预期。