Trae：搭建一体化测试智能体

梦想的征途2026-07-15 22:11

第 1 步：安装基础软件环境

1.1 下载安装 Trae‑CN 个人版

  1. 访问官网 trae.cn 下载 Windows 客户端并安装，注册账号登录。
  2. 开启 Solo‑Agent 模式：打开软件，左上角选择 SOLO 模式（只有 Solo 模式支持 Agent 互相调用）。

1.2 安装运行依赖

  1. 安装 Python‑3.13.14 版本，勾选 Add Python to PATH；

  2. 打开 Windows PowerShell 执行下面命令：

    pip install fastmcp pydantic pandas openpyxl reportlab playwright

    安装Node.js，用于Playwright‑MCP

    npm install -g npx

    一键安装 Playwright 内置浏览器（Chromium 核心，够用）

    playwright install chromium

    可选：补全所有浏览器内核（Firefox/WebKit）

    playwright install

    #解决依赖
    playwright install-deps chromium

    #验证playwright是否安装成功
    playwright --version

  3. 安装外部测试工具并记下绝对路径：

    • JMeter‑5.6.3，安装路径：D:\software\apache‑jmeter‑5.6.3\bin\jmeter.bat
    • Xray‑Windows 版本：D:\software\xray_windows_amd64.exe

  4. 创建项目目录（固定路径）：

    mkdir D:\trae-mcp
    mkdir D:\trae-output
    mkdir D:\trae-doc

  • D:\trae‑mcp：存放 MCP‑Server Python 脚本；
  • D:\trae‑output：保存测试用例、压测数据、漏洞报告、等保测评结果；
  • D:\trae‑doc：存放 Open‑API 文档、需求文档。

第 2 步：编写适配 Windows‑Trae 个人版的 MCP‑Server 代码

2.1 文件清单，在 D:\trae‑mcp 下新建 3 个 Python 文件

文件 1：mcp‑jmeter‑server.py（性能测试 MCP）
复制代码 
from fastmcp import FastMCP
import subprocess
import os
import json

mcp = FastMCP("jmeter‑server")
JMETER_BIN = r"D:\software\apache-jmeter-5.6.3\bin\jmeter.bat"
OUTPUT_DIR = r"D:\trae-output\perf_result"
os.makedirs(OUTPUT_DIR, exist_ok=True)

@mcp.tool()
def create_jmeter_script(api_url: str, req_body: str, script_name: str) -> str:
    """生成jmeter的jmx脚本文件"""
    jmx_content = f"""<?xml version="1.0" encoding="UTF-8"?>
<jmeterTestPlan version="1.2" properties="5.0">
  <hashTree>
    <ThreadGroup>
      <elementProp name="HTTPSamplerProxy">
        <stringProp name="domain">{api_url}</string>
        <elementProp name="HTTPArgument"><stringProp>{req_body}</stringProp></elementProp>
      </elementProp>
    </ThreadGroup>
  </hashTree>
</jmeterTestPlan>"""
    save_path = os.path.join(OUTPUT_DIR, f"{script_name}.jmx")
    with open(save_path, "w", encoding="utf-8") as f:
        f.write(jmx_content)
    return save_path

@mcp.tool()
def run_jmeter(file_path: str, threads: int, duration: int):
    """执行压测，返回TPS、95%RT、CPU使用率"""
    result_file = os.path.join(OUTPUT_DIR, "result.jtl")
    cmd = [JMETER_BIN, "-n", "-t", file_path, "-l", result_file]
    subprocess.run(cmd, capture_output=True, encoding="utf-8")
    # 模拟解析jtl结果；正式项目可以引入jtl‑parser库解析真实结果
    tps = 120
    rt_95 = 420
    cpu = 65
    result_data = {
        "TPS": tps,
        "95%RT": rt_95,
        "CPU使用率": cpu,
        "是否达标": rt_95 < 500 and cpu < 70
    }
    with open(os.path.join(OUTPUT_DIR, "perf_summary.json"), "w", encoding="utf-8") as f:
        json.dump(result_data, f, ensure_ascii=False, indent=2)
    return json.dumps(result_data, ensure_ascii=False)

if __name__ == "__main__":
    mcp.run()
文件 2：mcp‑xray‑server.py（安全扫描 MCP）
复制代码 
from fastmcp import FastMCP
import subprocess
import json
import os

mcp = FastMCP("xray‑server")
XRAY_PATH = r"D:\software\xray_windows_amd64.exe"
OUTPUT_DIR = r"D:\trae-output\security"
os.makedirs(OUTPUT_DIR, exist_ok=True)

@mcp.tool()
def run_security_scan(target_url: str):
    """调用xray做黑盒漏洞扫描"""
    report_file = os.path.join(OUTPUT_DIR, "vuln.json")
    cmd = [XRAY_PATH, "webscan", "--url", target_url, "--json-output", report_file]
    subprocess.run(cmd, capture_output=True)
    if os.path.exists(report_file):
        with open(report_file, "r", encoding="utf-8") as f:
            vuln_data = json.load(f)
    else:
        vuln_data = []
    high_num = sum(1 for item in vuln_data if item.get("level") == "high")
    result = {
        "漏洞列表": vuln_data,
        "高危漏洞数量": high_num,
        "安全是否通过": high_num == 0
    }
    return json.dumps(result, ensure_ascii=False)

if __name__ == "__main__":
    mcp.run()
文件 3：mcp‑etc‑check‑server.py（等保 + 保密测评 MCP）
复制代码 
from fastmcp import FastMCP
import json
import os
from datetime import datetime

mcp = FastMCP("etc‑check‑server")
BASE_DIR = r"D:\trae-output"
etc_items = [
    {"id": "E‑01", "name": "三员账号分离", "标准": "系统管理员、安全管理员、审计员账号独立分开"},
    {"id": "E‑02", "name": "日志留存", "标准": "日志保存时长≥6个月"},
    {"id": "E‑03", "name": "国密算法合规", "标准": "敏感数据传输使用SM2/SM4国密算法"},
    {"id": "E‑04", "name": "高危漏洞清零", "标准": "高危漏洞数量必须等于0"}
]

@mcp.tool()
def get_all_test_result():
    """读取安全测试、性能测试结果"""
    vuln_path = os.path.join(BASE_DIR, "security", "vuln.json")
    perf_path = os.path.join(BASE_DIR, "perf_result", "perf_summary.json")
    vuln_info = {}
    perf_info = {}
    if os.path.exists(vuln_path):
        with open(vuln_path, "r", encoding="utf-8") as f:
            vuln_info = json.load(f)
    if os.path.exists(perf_path):
        with open(perf_path, "r", encoding="utf-8") as f:
            perf_info = json.load(f)
    return {"vuln": vuln_info, "perf": perf_info}

@mcp.tool()
def etc_evaluate(level: str = "level3"):
    """逐条判定等保三级和保密合规结果"""
    test_result = get_all_test_result()
    high_count = test_result.get("vuln", {}).get("高危漏洞数量", 99)
    evaluate_result = []
    for item in etc_items:
        status = "不符合"
        evidence = ""
        advice = ""
        if item["id"] == "E‑04":
            if high_count == 0:
                status = "符合"
                evidence = "安全Agent扫描结果：高危漏洞数量为0"
            else:
                advice = "全部高危漏洞必须修复完成后才能通过等保测评"
        if item["id"] == "E‑03":
            advice = "当前未使用SM4国密算法，需要改造接口替换RSA/AES为国密算法，满足保密测评要求"
        evaluate_result.append({
            "测评项编号": item["id"],
            "测评项名称": item["name"],
            "合规要求": item["标准"],
            "判定结果": status,
            "证据": evidence,
            "整改建议": advice
        })
    final_report = {
        "测评时间": datetime.now().strftime("%Y‑%m‑%d %H:%M:%S"),
        "测评项详情": evaluate_result
    }
    out_file = os.path.join(BASE_DIR, "etc_report.json")
    with open(out_file, "w", encoding="utf-8") as f:
        json.dump(final_report, f, ensure_ascii=False, indent=2)
    return json.dumps(final_report, ensure_ascii=False)

if __name__ == "__main__":
    mcp.run()

2.3 验证 MCP 脚本能否独立运行

在 PowerShell 依次执行下面命令，没有报错代表代码正常：

复制代码 
python D:\trae-mcp\mcp-jmeter-server.py
python D:\trae-mcp\mcp-xray-server.py
python D:\trae-mcp\mcp-etc-check-server.py

按Ctrl + C关闭进程；Trae 后续调用时会自动启动这段进程。

第 3 步：Trae‑CN 配置 MCP 服务（可视化配置，不用编写 mcp.json）

  1. 打开 Trae‑CN 客户端，点击右上角设置图标，选择 MCP；
  2. 点击【添加】‑【手动添加 MCP 服务】，依次配置 3 个自定义 MCP；

配置 1：jmeter‑server

复制代码 
{
  "mcpServers": {
    "jmeter-server": {
      "command": "C:\\Users\\dell\\AppData\\Local\\Programs\\Python\\Python313\\python.exe",
      "args": [
        "D:\\trae-mcp\\mcp-jmeter-server.py"
      ],
      "env": {
        "PYTHONUNBUFFERED": "1"
      }
    }
  }
}

配置 2：xray‑server

复制代码 
{
  "mcpServers": {
    "xray-server": {
      "command": "C:\\Users\\dell\\AppData\\Local\\Programs\\Python\\Python313\\python.exe",
      "args": [
        "D:\\trae-mcp\\mcp-xray-server.py"
      ],
      "env": {
        "PYTHONUNBUFFERED": "1"
      }
    }
  }
}

配置 3：etc‑check‑server

复制代码 
{
  "mcpServers": {
    "etc‑check‑server": {
      "command": "C:\\Users\\dell\\AppData\\Local\\Programs\\Python\\Python313\\python.exe",
      "args": [
        "D:\\trae-mcp\\mcp-etc-check-server.py"
      ],
      "env": {
        "PYTHONUNBUFFERED": "1"
      }
    }
  }
}

配置 4：Playwright‑MCP（功能测试）

  1. 在 MCP 市场搜索playwright，一键添加；
  2. PowerShell 执行：npx -y @playwright/mcp验证可用。

保存配置，MCP 列表全部显示绿色对勾，代表 MCP 配置完成。

第 4 步：在 Trae‑CN 里创建 5 个 Agent（Solo 模式）

两种创建方式：①界面手动创建（推荐）；②导入.agent.yaml文件。

通用规则：

  1. 模型选择 Trae‑CN 云端模型，温度全部设置为 0.2‑0.3；
  2. 子 Agent 绑定对应的 MCP；
  3. 总控 Agent 开启调用子 Agent 权限。

Agent‑1：Function‑Test‑Agent（功能测试智能体）

  1. 打开对话框输入@ → 创建智能体；

  2. Agent 名称：Function‑Test‑Agent；标识符：function‑test‑agent；

  3. 绑定 MCP：playwright；

  4. Prompt 复制如下：

    你是资深功能测试工程师，调用playwright‑MCP完成Web自动化测试。
    输入被测系统地址、openapi文档。
    1、采用等价类划分法、边界值分析法设计测试用例；覆盖正常场景、异常场景；
    2、调用playwright‑MCP执行页面操作、接口调用，捕获页面报错；
    3、生成pytest自动化脚本，将BUG清单、测试用例保存到D:\trae‑output\function目录；
    BUG分为致命、高危、中危、低危等级，BUG结果必须有截图或接口返回日志作为证据；
    所有结论依靠MCP返回结果，禁止凭空猜测。

Agent‑2：Perf‑Test‑Agent（性能测试 Agent）

  1. Agent 名称：Perf‑Test‑Agent；标识符：perf‑test‑agent；

  2. 绑定 MCP：jmeter‑server；

  3. Prompt复制如下：

    你是性能测试工程师，调用jmeter‑server完成压测。
    1、自动生成jmeter脚本，分常规负载50并发、峰值200并发、极限500并发执行测试；
    2、获取TPS、95%响应时间、CPU使用率；判定标准：95%RT<500ms，CPU＜70%才算合格；
    3、分析性能瓶颈，给出优化方案；
    4、测试结果输出至D:\trae‑output\perf_result；禁止对生产环境执行高压测试。

Agent‑3：Security‑Test‑Agent（安全测试 Agent）

  1. Agent 名称：Security‑Test‑Agent；标识符：security‑test‑agent；

  2. 绑定 MCP：xray‑server；

  3. Prompt复制如下：

    安全测评工程师，遵循OWASP‑Top10安全标准。
    1、调用xray‑server扫描SQL注入、越权访问、文件上传、XSS漏洞；
    2、输出漏洞编号、风险等级、漏洞原理、复现步骤、修复建议；
    3、漏洞结果保存到D:\trae‑output\security；只以扫描结果作为判定依据。

Agent‑4：Etc‑Check‑Agent（等保‑保密测评 Agent）

  1. Agent 名称：Etc‑Check‑Agent；标识符：etc‑check‑agent；

  2. 绑定 MCP：etc‑check‑server；

  3. Prompt复制如下：

    你是等保三级、保密合规测评专家，调用etc‑check‑server开展合规验证。
    1、读取前面功能、性能、安全Agent生成的结果作为测评证据；
    2、逐条校验GB/T22239‑2019‑三级测评项和保密要求；判定分为符合、部分符合、不符合；
    3、核查三员账号分离、日志留存时长、国密SM2/SM4加密、高危漏洞问题；
    4、输出：测评项‑现状‑判定‑证据‑整改建议；结果写入D:\trae‑output；所有结论必须有证据支撑。

Agent‑5：Test‑Manager‑Agent（总控调度 Agent）【核心】

  1. Agent 名称：Test‑Manager‑Agent；标识符：test‑manager‑agent；

  2. 开启配置：可以调用其他智能体 ，勾选下面 4 个子 Agent 标识符：

    • function‑test‑agent
    • perf‑test‑agent
    • security‑test‑agent
    • etc‑check‑agent

  3. Prompt 内容：

    你是一体化测试任务总调度，由TRAE IDE内置的智能体Agent发起调用,只能调用已经注册好的4个子Agent：
    标识符分别为：function-test-agent、perf-test-agent、security-test-agent、etc-check-agent。
    严格串行执行，上一个Agent执行完成并且文件生成完毕，再执行下一个Agent，禁止并行执行。
    执行顺序：
    1、调用function‑test‑agent完成功能测试；
    2、调用perf‑test‑agent完成性能测试；
    3、调用security‑test‑agent完成安全测试；
    4、调用etc‑check‑agent完成等保三级、保密合规验证；
    5、调用 etc-check-server里面的generate_final_pdf工具生成最终PDF综合测试报告；
    全部测试结果输出到D:\trae‑output；
    最后汇总所有报告给出上线结论：致命和高危BUG清零、性能达标、高危漏洞清零、等保关键项通过才允许上线。

第 5 步：执行一体化测试（Trae‑CN 个人版运行入口）

  1. 在 Trae 对话框输入@，选中Test‑Manager‑Agent；
  2. 输入执行指令：

plaintext

复制代码 
被测系统地址：http://192.168.1.100:8080，openapi文档放在D:\trae-doc\api.json，执行功能测试、性能测试、安全测试，开展等保三级和保密合规验证。
  1. 执行过程：
    • Trae 对话窗口实时展示 Agent 思考过程、MCP 调用日志；
    • Windows 后台短暂启动 python 进程运行 JMeter 和 Xray；执行完毕进程自动关闭；
  2. 查看结果：打开D:\trae‑output文件夹，里面包含：
    • function 目录：测试用例、BUG 清单；
    • perf_result 目录：jmeter 脚本、压测指标；
    • security 目录：漏洞清单；
    • etc_report.json：逐条等保测评结果；
    • Trae 对话输出综合验收总结报告。

第 6 步：个人版 Trae‑CN 限制说明（重点）

  1. 没有 CLI 命令，不能对接 GitLab‑CI 实现自动化流水线；CI‑CD 只有企业私有化版支持；
  2. Agent 只能调用 Trae 云端大模型，无法接入本地私有化模型；内网离线测评只能使用企业版；
  3. MCP 进程按需启动，执行结束自动关闭，不能长期后台驻留；
  4. Trae‑CN 个人版适合做方案原型验证，正式涉密项目必须部署私有化企业版。

第 7 步：常见问题处理

  1. MCP 显示红色不可用：
    • 原因：文件路径分隔符写错；Python 环境变量未配置；
    • 解决：在 PowerShell 手动运行对应 python 脚本，如果正常运行，检查 Trae‑MCP 配置中的 args 路径；Windows 路径用\\双斜杠。
  2. Agent 不调用 MCP：
    • 确认 Trae 开启 Solo 模式，Agent 绑定了对应 MCP，temperature 设置为 0.2‑0.3。
  3. 总控 Agent 无法调用子 Agent：
    • 子 Agent 标识符和总控 Agent 填写的标识符必须完全一致，开启「可被其他 Agent 调用」。
相关推荐
KaneLogger2 天前
防止 AI Agent 误删文件，最简单的办法就是加一个 Hook
llm·agent·trae
anyup3 天前
30 分钟用 Trae Work + 魔珐星云做出会讲故事的 AI 3D 具身交互智能数字人
前端·ai编程·trae
豆包MarsCode5 天前
我用 TRAE Work 做了一个 C盘清理工具
trae
一叶飘零_sweeeet6 天前
IDEA 插件 Trae AI 最新全攻略（基于 TRAE AI: Coding Assistant 1.7.0.0）
java·intellij-idea·trae
豆包MarsCode6 天前
收藏！8 个 TRAE Work 入门技巧
trae
豆包MarsCode6 天前
4 个场景教你用 TRAE Work 告别重复工作
trae
豆包MarsCode9 天前
用 TRAE Work 实现数据采集分析自动化
trae
豆包MarsCode13 天前
用 TRAE Work 做 PPT，最重要的不是「生成」
trae
豆包MarsCode13 天前
网站不用部署就能浏览？TRAE Work 一招搞定！
trae
热门推荐
01GitHub 镜像站点022026年7月AI圈大地震：GPT-5.6被政府限制、Claude入驻Slack、Anthropic自研芯片03AI科技热点日报 | 2026年07月01日04幻兽帕鲁 - 服务器管理员权限与 GM 命令完全指南05AI 编程 IDE 全景解析 2026：Agent 全面接管开发链路06GPT-5.5 对比 GPT-5.6 Sol、Terra、Luna：官方性能数据与选型分析072026 国产 AI 大模型横评：DeepSeek、通义千问、Kimi、文心一言、星火、豆包谁更能打？08国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）09几个好用的ip纯净度检测网站10Codex 下载安装指南：Windows 和 macOS 官方版下载