Trae 新版发布！除了支持联网搜索、 MCP 外，还能创建智能体！

风风火火，Trae 今天又更新了！而且是国内外版本同时更新！这次更新了好多功能，之前大家一直期待的 MCP 功能也终于来了，还有智能体功能也终于上线了，简直太棒了！

我们先来简单快速看看这次更新了哪些功能吧：

Chat 模式和 Builder 模式统一

支持创建 MCP 工具和自定义智能体

更丰富的上下文功能

自定义规则

接下来我们来看看这些功能具体交互如何～

新增的内置工具

Trae 的 Builder 模式目前内置以下几个工具：

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来对话了！

现在在 AI 对话过程中，它会自动按需参考具体的代码作为上下文来解决我们的问题。

而且，现在在请求命令执行的情况下，你可以开启"从下次开始自动运行命令和 MCP 工具"的开关，这样在以后的命令执行过程中，它都会自动运行命令和 MCP 工具：

当然，在你开启了自动执行后，你也可以随时前往智能体配置页面，配置命令行或者 MCP 工具的黑名单，这样黑名单中的命令和 MCP 工具将不会被自动执行：

当开启了自动运行的开关后，整体交互效果是这样的（这对技术小白来说挺友好的）：

我想预览下生成的代码效果，AI 首先就尝试执行程序跑起来，然后报错了，发现有依赖库的模块没有安装（AI 直接解读了错误），并且尝试先执行一条新的安装这个模块的命令解决这个问题，然后再次执行程序，这次程序就正常运行了：

上下文功能

具体的上下文功能主要有这些：

代码索引管理

现在默认都是将你当前的代码项目自动全部索引好了，之后你可以显式在输入问题时加上#Workspace来直接参考你当前的代码项目来回答，但是我感觉就好像上面的演示一样，其实你完全可以不用显式指定，它也会自动按需参考。

忽略文件

当然，你也可以在上下文配置忽略文件，对了，不管你有没配这个扩展的忽略文件，目前它也是直接忽略了.gitignore文件中配置的文件。

文档集

这个就相当于给这个项目扩充一些上下文的知识库，就比如你这个项目有些要引用的素材是本地才能访问的，又或者你要开发一个系统，一般我们都要跟着需求文档或者软件设计文档来开发，这些文档你就可以配置到这个文档集里面，这样 AI 的回答会因为有这些文档的上下文而更加准确。

自定义规则

这个自定义规则具体是什么呢？不用担心，Trae 直接给了我们相应的引导介绍：

顾名思义，这个就是相当于我们以前传统开发中的"代码规范"，一个是针对当前项目，一个是针对全局。在项目规则文件中，你可以定义针对当前项目 Trae 需要遵循的开发规范，类比到生活中的各种规则一样：

家庭装修时会规定使用什么品牌的材料一样，你可以指定项目使用的框架版本和依赖库
小区禁止燃放烟花爆竹的规定，你可以限制使用某些不安全或过时的 APIs
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，你可以规定代码的格式和风格标准
节能减排的指标要求，你可以设置应用程序的性能优化目标

具体的规则模板，其实跟 Cursor 的 .cursorrules 文件是类似的原理的，比如我平时在写 next.js 项目时，你可以直接复用我下面这个规则模板：

markdown 复制代码

---
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，可以直接参考以下的一个 github 项目awesome-cursorrules来获取更多：

github.com/PatrickJS/a...

MCP 功能集成

这次 Trae 居然也支持了最近很火的 MCP 工具，这个工具是用来做什么的呢？

简单说，它就是让 AI 能跟外部工具"聊天"的一种协议。你想想，以前的 AI 大模型就像被关在一个小房间里，只能靠自己知道的东西回答问题。而有了 MCP，AI 就能"走出去"，结合各种外部工具的能力来帮 AI 做事情了。这里我放一张网上形象展示 MCP 这个功能定位的关系图：

这里的 MCP 就像我们手提电脑上的一个扩展坞，可以让你把各种工具都接进来，然后 AI 就可以直接通过 MCP 来调用这些工具的能力了。

MCP 和扣子（Coze）的插件功能对比

MCP（Model Context Protocol）和扣子（Coze）的插件功能看起来确实很相似，但它们在设计理念和技术实现上有一些关键区别：

特性	MCP	扣子(Coze)插件
开放性	开放标准，任何系统可实现	封闭平台，仅限扣子生态
跨平台	支持任何 MCP 兼容系统	主要支持字节系产品
开发语言	任何语言	主要是 JavaScript
部署方式	独立服务，可本地或云端	平台内部署
社区生态	GitHub 开源社区	字节官方生态
使用门槛	需要一定开发能力	低代码，易于上手

简单来说，MCP 就像是"通用电源适配器"，让 AI 能连接各种外部工具，不管是谁开发的工具，只要遵循 MCP 协议，任何支持 MCP 的 AI 都能用。

而扣子的插件更像是"专用配件"，专门为扣子平台设计，在其生态内工作得很好，但不一定能用在其他 AI 系统上。

如果你是开发者想要构建能被多个 AI 系统使用的工具，MCP 可能更适合；如果你只想在扣子平台上快速构建应用，那么扣子的插件系统会更方便。

Trae 里的 MCP 长啥样

我们来看看 Trae 的 MCP 功能的交互界面：

初步一看，Trae 内置集成了不少实用工具：

GitHub：不用自己查代码，AI 直接帮你找
Figma：设计文件也能直接连接
Google Maps：查地图信息不在话下
AWS 知识库：AWS 云服务问题一键解决
还有更多...

当然，除了它内置的这些，我们还可以自定义添加其他的第三方 MCP 工具的。

这里有一点要特别留意一下，就是这次 Trae 集成的 MCP 功能整体交互简单了很多，技术小白甚至说不需要理解上面的这些概念也能大概直接用起来（当然是基于内置的 MCP 工具而言）。

Trae 居然也可以创建智能体

首先我们看看 Trae 的配置界面：

这里我拿了我临时创建的一个 Trae 智能体来展示，从图中我们能看到工具箱里主要有两类工具：

1. MCP 工具（高级工具）

这里我选择了一些 Trae 的内置 MCP 工具来创建这个智能体，比如：

Puppeteer：可以帮你自动浏览网页、点击按钮、填表格
docker-mcp：管理电脑上的应用容器
GitHub：直接操作代码仓库，不用你自己去找代码
等等...

2. 内置工具（基础工具）

这里本来每个智能体创建就内置了 4 个工具，分别是：

文件系统：可以读写你电脑上的文件
终端：可以运行电脑命令
联网搜索：能上网帮你查资料
预览：可以预览生成的内容

当然，你在创建智能体时，也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。

然后有个概念大家可以方便了解的是，先看下图：

其实 Trae 默认自带的就是我们一直常用的一个 Builder 智能体，里面内置了上述的 4 个工具，我们的 Builder 模式就是使用的它来交互的：

还有一个 Builder with MCP 智能体，它其实就是 Builder 智能体的基础上，只是添加了 MCP 工具的支持：

所以，接下来我们直接结合智能体+MCP的方式来看看实际用起来如何～

智能体+MCP 实战

案例 1：基于 Figma 使用内置 MCP 智能体生成代码

Figma 是什么？ Figma 是一款在线设计工具，就像是一个"网页版的 PS"，但更专注于界面设计。它最大的特点是可以多人同时在线协作，就像大家一起编辑一个文档一样。设计师用它来设计网站、App 的界面，然后开发人员可以直接查看这些设计并将它们变成真正的网站或应用。对于不懂技术的人来说，你可以把它想象成一个可以画出漂亮网页和 App 界面的在线画板。

我直接添加了 Figma AI Bridge 这个 MCP 工具到 Builder with MCP 智能体中：

然后我们在网上直接找了以下这一个 Figma 的 UI 模板来试试手：

模板链接：www.figma.com/community/f...

然后我们直接开始一个对话：

ruby 复制代码

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

不到一会功夫，这个网站的初步形态就直接复刻出来了：

这个体验还是挺不错的，它不仅会根据你给的 Figma 模板生成对应的代码，而且还会根据你给的描述生成对应的代码，比如我这里描述的是一个基于 next.js 框架的网站，它就会根据这个描述生成对应的代码。

案例 2：沉浸式抓取指定网站的信息

这里我创建了一个新的智能体 - 网页 AI 助手，这里我直接选择了一个关于获取网页内容很火个一个工具 - Puppeteer：

然后我们对话时直接选择这个智能体来开始吧：

arduino 复制代码

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

我们来看看实际效果 (7 倍速回放)：

看看它给我们的 md 文件长什么样子：

虽然这个算是基础抓取网页内容，但是它把相关的内容的图片也一并抓取下来了，并且还自动生成了一个 markdown 文档，这个体验还是挺不错的。而且它还会按需访问每个相关链接的子链接，以获取到更详细的信息。

结语

这次 Trae 的重大更新，不仅是一次功能迭代，更标志着 AI 协作工具正从"智能助手"向"数字同事"进化。

这背后反映的是人机协作范式的根本转变：过去我们"使用工具"，现在开始"培养同事"。

就像工业革命时期人类学会与机械协作一样，AI 时代我们正在掌握与智能体协作的新语言。Trae 通过降低 MCP 使用门槛，让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 生态的完善，我们将迎来一个"工具互联"的新阶段。届时，AI 不仅能调用单一工具，更能串联起设计-开发-测试-部署的全流程，真正成为贯穿项目生命周期的"数字合伙人"。

在这个人机协作的新纪元，最大的竞争优势或许不再是掌握多少工具，而是能多快培养出最适合自己的数字同事。现在，你准备好迎接你的第一位 AI 工作伙伴了吗？