Trae与Cursor的对比：谁才是AI领域的佼佼者？大瑜为你揭秘！

字节跳动推出了国内首款 AI IDE，这款产品与 Cursor 相比，到底有哪些独特的优势呢？它能否实现一键生成完整项目代码的功能呢？

今天，Trae 又迎来了激动人心的更新！而且此次更新涵盖了国内外版本！新增了许多令人期待的功能，之前大家盼望的 MCP 功能终于上线，还有智能体功能也如期而至，真是令人兴奋不已！

接下来，我们来快速了解一下本次更新的亮点功能：

1. Chat 模式与 Builder 模式的整合

1. 支持 MCP 工具和自定义智能体的创建

1. 更加丰富的上下文功能

1. 自定义规则功能

接下来，我们将具体探讨这些功能的互动效果～

新增内置工具

Trae 的 Builder 模式目前集成了以下几种工具：

1. 文件管理
2. 终端
3. 在线搜索
4. 预览功能

现在，Trae 终于可以通过联网搜索进行对话互动了！

在 AI 对话过程中，它会根据需要自动参考相关代码，帮助解决问题。

此外，当请求执行命令时，您可以开启“从下次开始自动运行命令和 MCP 工具”的选项，这样在后续执行命令时，它会自动运行这些命令和工具：

当然，您开启自动执行后，可以随时访问智能体配置页面，设置命令行或 MCP 工具的黑名单，确保黑名单中的命令不会被自动执行：

启用自动运行后，整体互动效果如下（对初学者非常友好）：

当我想预览生成的代码时，AI 首先尝试执行程序，但由于缺少依赖库而报错（AI 迅速解析了错误），接着它自动执行了一条安装该模块的命令，然后再次运行程序，结果这次程序顺利执行了：

上下文功能

代码索引管理

默认情况下，当前项目的代码会自动被全部索引。在输入问题时，您可以显式加上 #Workspace 来直接参考当前代码项目，但实际上，您完全可以不必特意指定，它也会根据需要自动参考相关代码。

忽略文件功能

当然，您也可以在上下文配置中选择忽略某些文件。无论您是否配置了忽略文件，该系统都会直接忽略 .gitignore 文件中列出的文件。

文档集功能

这就相当于为项目增加了一些上下文知识库。比如，项目中需引用的素材只能在本地访问，或者开发系统时通常需要遵循需求文档或软件设计文档，这些文档可以配置到文档集中，这样 AI 的回答会因有这些文档的上下文而变得更加准确。

自定义规则

那么，自定义规则具体是怎样的呢？别担心，Trae 为我们提供了详细的指导介绍：

顾名思义，这相当于我们在传统开发中所遵循的“代码规范”，一方面是针对当前项目，另一方面是面向全局。在项目规则文件中，您可以定义 Trae 在当前项目中需要遵循的开发规范，这可以类比于生活中的各种规则：

1. 家庭装修时规定使用某些品牌材料，您可以指定项目所用框架的版本和依赖库
2. 小区禁止燃放烟花爆竹的规定，可以限制使用某些不安全或过时的 API
3. 餐厅对食品安全的检查标准，可以定义代码测试的严格程度和覆盖范围
4. 公司着装要求，可以规定代码的格式和风格标准
5. 节能减排的指标要求，可以设定应用程序的性能优化目标

具体的规则模板，实际上与 Cursor 的 .cursorrules 文件原理类似。例如，当我在编写 next.js 项目时，可以直接复用下面的规则模板：

# Next.js 最佳实践指南

## 项目结构

– 采用应用路由的目录构造
– 将与路由相关的组件放置于 `app` 目录中
– 共用的组件应放在 `components` 目录下
– 实用工具与辅助功能放入 `lib` 目录
– 目录命名使用小写字母与短横线（如 `components/auth-wizard`）

## 组件设计

– 默认使用服务器组件
– 客户端组件需明确标记为 ‘use client’
– 客户端组件应被包裹在 Suspense 中，并设置后备内容
– 对于非关键组件，采用动态加载
– 设立恰当的错误边界
– 静态内容与接口应放置于文件末尾

## 性能优化

– 图片优化：使用 WebP 格式、提供大小数据、实现懒加载
– 减少 ‘useEffect’ 和 ‘setState’ 的使用
– 尽可能优先使用服务器组件（RSC）
– 对于非关键组件，采取动态加载
– 实施有效的缓存策略

## 数据获取

– 尽量使用服务器组件进行数据获取
– 对数据获取过程实施适当的错误处理
– 采用合理的缓存策略
– 适当地处理加载与错误状态

## 路由管理

– 遵循应用路由的规范
– 为路由实现恰当的加载与错误状态
– 适当地使用动态路由
– 必要时处理并行路由

## 表单与验证

– 使用 Zod 进行表单验证
– 实施合适的服务器端验证
– 适当处理表单错误
– 在表单提交期间显示加载状态

## 状态管理

– 尽量减少客户端状态的使用
– 谨慎使用 React Context
– 优先选择服务器状态
– 实施合理的加载状态

当然，如果你想要了解更多规则模板，可以直接参考以下的 GitHub 项目 awesome-cursorrules 来获取更多信息：

https://github.com/PatrickJS/awesome-cursorrules

MCP 功能集成

这次 Trae 居然也支持了最近颇受欢迎的 MCP 工具，究竟这个工具是用来干什么的呢？

简单来说，它是一种协议，使得 AI 能够与外部工具进行“对话”。想象一下，以前的 AI 大模型就像被困在一个小房间里，只能依赖自身的知识回答问题。而有了 MCP，AI 能够“走出去”，结合各种外部工具的能力来完成任务。下面是一张展示 MCP 功能定位的关系图：

这里的MCP 就像我们笔记本电脑上的一个扩展坞，可以让你将各种工具连接进来，AI 便能直接通过 MCP 调用这些工具的功能。

MCP 与扣子（Coze）插件功能对比

MCP（模型上下文协议）和扣子（Coze）的插件功能表面上看似相似，但在设计理念和技术实现上存在一些重要区别：

简单地说，MCP 就像是“通用电源适配器”，使得 AI 可以连接各种外部工具，只要遵循 MCP 协议，任何支持 MCP 的 AI 都能使用。

而 ** 扣子的插件更像是“专用配件”**，专为扣子平台设计，能在其生态中良好运作，但不一定适用于其他 AI 系统。

如果你是开发者，想要构建可被多个 AI 系统使用的工具，MCP 可能更为合适；如果你希望在扣子平台上快速构建应用，那么扣子的插件系统将更为便捷。

Trae 中的 MCP 功能界面

现在我们来看看 Trae 的 MCP 功能交互界面：

从初步观察来看，Trae 内置了许多实用工具：

• GitHub：AI 直接帮您查找代码，无需自己动手
• Figma：设计文件也能直接连接
• Google Maps：轻松查询地图信息
• AWS 知识库：快速解决 AWS 云服务问题
• 还有更多 …

当然，除了内置的这些工具，我们还可以自定义添加其他第三方 MCP 工具。

需要特别注意的是，这次 Trae 集成的 MCP 功能整体交互变得非常简洁，技术小白甚至可以在不理解上述概念的情况下，基于内置的 MCP 工具进行操作。

Trae 也能创建智能体

接下来，我们看看 Trae 的配置界面：

以我临时创建的一个 Trae 智能体为例，从图中可见工具箱主要分为两类：

1. MCP 工具（高级工具）

我选了一些 Trae 内置的 MCP 工具来创建这个智能体，比如：

• Puppeteer：可以自动浏览网页、点击按钮、填写表单
• docker-mcp：管理电脑上的应用容器
• GitHub：直接操作代码仓库，无需自己查找代码
• 等等 …

2. 内置工具（基础工具）

每个智能体创建时已默认内置 4 个工具，分别是：

• 文件系统：读取和写入电脑上的文件
• 终端：运行电脑命令
• 联网搜索：帮助在线查找资料
• 预览：预览生成的内容

当然，在创建智能体时，您也可以取消某个内置工具的选项，这样该工具将不会出现在智能体中。

接下来，有一个概念大家可以方便理解，先看下图：

探索 Trae 的智能体与 MCP 工具的完美结合

实际上，Trae 默认包含一个我们常用的 Builder 智能体，其中内置了之前提到的四个工具。我们的 Builder 模式正是依赖于这个智能体进行互动的：

此外，还有一种名为 Builder with MCP 的智能体，它是在 Builder 的基础上，增加了对 MCP 工具的支持：

接下来，让我们通过 智能体 +MCP 的方式，实际体验一下它的使用效果吧～

智能体和 MCP 的实战应用

案例 1：利用 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，类似于一个 ” 网页版的 Photoshop”，但它更专注于界面设计。其最大特点在于支持多人在线协作，就像大家共同编辑一份文档一样。设计师利用它来创建网站和应用的界面，开发人员则可以直接查看这些设计并将其转化为实际的网站或应用。对不懂技术的人来说，可以将其视为一个能够绘制精美网页和应用界面的在线画板。

我已经将 Figma AI Bridge 这个 MCP 工具添加到 Builder with MCP 智能体中：

接着，我们在网上找到了一款 Figma 的 UI 模板来进行测试：

模板链接：点击这里查看模板

然后，我们开始进行对话：

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

不久之后，这个网站的初步形态便被成功复刻出来：

这个体验相当不错，不仅能根据提供的 Figma 模板生成相应的代码，还能根据描述生成对应的代码。例如，我提到的是基于 next.js 框架的网站，它便会依据这个描述生成相应的代码。

案例 2：深度抓取指定网站的信息

在这里，我创建了一个新的智能体——网页 AI 助手，并直接选择了一个流行的网页内容抓取工具——Puppeteer：

接下来，我们可以使用这个智能体开始我们的对话：

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

让我们看看实际效果（7 倍速回放）：

看看它生成的 markdown 文件长什么样：

尽管这只是基础的网页内容抓取，但它不仅抓取到了相关内容的图片，还自动生成了 markdown 文档，整个体验相当不错。同时，它还能够根据需求访问每个相关链接的子链接，以获取更详细的信息。

总结

此次 Trae 的重大更新，不仅仅是功能的迭代，更是 AI 协作工具从“智能助手”向“数字同事”演变的重要里程碑。

这一变化反映了人机协作范式的根本转变：过去我们是在“使用工具”，而现在则转向“培养同事”。

就如同工业革命时期人类学习与机械协作一样，在 AI 时代我们正在掌握与智能体协作的新语言。Trae 降低了 MCP 的使用门槛，使得普通用户也能体验到这种前沿的人机协作模式。

展望未来，随着 MCP 生态的不断完善，我们将迎来一个“工具互联”的新阶段。在那个时候，AI 不仅能够调用单一工具，更能将设计、开发、测试和部署的全流程连接起来，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。那么，你准备好迎接你的第一位 AI 工作伙伴了吗？