Trae与Cursor：谁是更强的选择？韦子扬的深度解析

字节跳动推出了国内首款 AI IDE，那么与 Cursor 相比，它有哪些独特的优势呢？是否具备一键生成完整项目代码的能力？

Trae 今天再次火速更新！而这次的更新不仅在国内版本同步推出，国际版也同样更新了！此次带来了众多新功能，其中大家期待已久的 MCP 功能终于上线，还有智能体功能也如愿以偿，真是令人振奋！

我们先来快速浏览一下这次更新的主要功能：

1. Chat 模式与 Builder 模式合并

1. 支持创建 MCP 工具及自定义智能体

1. 丰富的上下文功能

1. 自定义规则

接下来，我们将详细了解这些功能的具体交互方式～

新增的内置工具

在 Trae 的 Builder 模式中，目前内置了以下几种工具：

1. 文件系统
2. 终端
3. 联网搜索
4. 预览功能

Trae 现在终于可以实现通过网络搜索与用户对话了！

在 AI 对话过程中，它会根据需要自动引用相关代码作为上下文来回答问题。

此外，当你请求执行命令时，可以开启“从下次开始自动运行命令和 MCP 工具”的选项，这样在之后的命令执行中，它就会自动运行相关命令及 MCP 工具：

当然，启动自动执行后，你随时可以进入智能体配置页面，设置命令行或 MCP 工具的黑名单，确保黑名单中的命令和工具不会被自动执行：

开启自动运行后，整体交互效果如下（对技术小白相当友好）：

当我请求预览生成的代码时，AI 首先试图执行程序，但报错，发现缺少依赖库的模块（AI 迅速解析了错误信息），并尝试执行安装该模块的命令以解决问题，随后再次执行程序，这次程序顺利运行：

上下文功能

代码索引管理

现在系统会自动索引你当前的项目代码，后续在提问时，你可以使用 #Workspace 直接引用当前代码项目来获取回答，不过实际上你无需明确指定，系统会根据需求自动参考。

忽略文件

当然，你也可以在上下文配置中设置忽略文件。无论你是否配置了忽略文件，系统会自动忽略 .gitignore 中所配置的文件。

文档集

这类似于为项目增添上下文知识库，如果项目需要引用一些只能本地访问的资源，或者在开发系统时需要遵循需求文档或设计文档，这些文档可以配置到文档集中，提升 AI 回答的准确性。

自定义规则

那么，自定义规则究竟是什么呢？别担心，Trae 为我们提供了相关的引导介绍：

顾名思义，这相当于我们传统开发中的“代码规范”，可以分为当前项目和全局两类。在项目规则文件中，你可定义 Trae 需遵循的开发规范，类似于生活中的各种规章制度：

1. 如家庭装修时指定用材品牌，你可以规定项目使用的框架版本和依赖库
2. 小区禁止放烟花爆竹的规定，可以限制某些不安全或过时的 API 的使用
3. 餐厅食品安全检查标准，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，可以规定代码格式和风格标准
5. 节能减排指标要求，可以设定应用程序的性能优化目标

具体的规则模板，其实与 Cursor 的 .cursorrules 文件原理相似，例如在编写 next.js 项目时，你可以直接参考如下规则模板：

---
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

如果你希望获取更多规则模板，可以直接浏览以下 GitHub 项目 awesome-cursorrules 以获取更多资料：

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

MCP 功能集成

这次 Trae 竟然也集成了近期热门的 MCP 工具，这个工具的功能是什么呢？

简单来说，它能够让 AI 与外部工具进行“对话”的一种协议。想象一下，过去的 AI 大模型就如同被关在小房间里，只能依赖自身知识回答问题。而通过 MCP，AI 可以“走出”这个房间，结合各种外部工具的能力来完成工作。这里我附上一张形象展示 MCP 功能定位的关系图：

在这里，MCP 就像我们手提电脑上的扩展坞，使得各种工具可以连接进来，从而让 AI 能够通过 MCP 直接调用这些工具的能力。

MCP 与 Coze 的插件功能对比

MCP（Model Context Protocol）与 Coze 的插件功能看似相似，但在设计理念和技术实现上有一些重要区别：

简而言之，MCP 类似于“通用电源适配器”，能够让 AI 连接不同的外部工具。只要遵循 MCP 协议，任何支持 MCP 的 AI 都能使用这些工具，无论开发者是谁。

而 ** 扣子插件更像是“专属配件”**，专为扣子平台设计，能够在其生态中发挥良好作用，但未必能在其他 AI 系统上使用。

如果你是一位开发者希望构建可供多个 AI 系统使用的工具，MCP 可能会更合适；而如果你只想在扣子平台上快速开发应用，扣子的插件系统会更加便利。

Trae 中的 MCP 功能表现如何

接下来，我们查看 Trae 的 MCP 功能交互界面：

初步观察，Trae 集成了许多实用的工具：

• GitHub：无需自己搜索，AI 直接为你找到代码
• Figma：设计文件也能直接连接使用
• Google Maps：地图信息轻松获取
• AWS 知识库：AWS 云服务问题快速解决
• 还有更多 …

当然，除了内置的这些，我们还可以自定义添加其他的第三方 MCP 工具。

值得注意的是，此次 Trae 集成的 MCP 功能在交互上变得更加简洁，技术小白甚至可以在不理解相关概念的情况下，直接使用内置的 MCP 工具。

Trae 竟然也能创建智能体

首先，我们来看看 Trae 的配置界面：

我选择了我临时创建的一个 Trae 智能体来展示。从图中可以看到工具箱中主要有两类工具：

1. MCP 工具（高级工具）

我选了一些 Trae 内置的 MCP 工具来构建这个智能体，例如：

• Puppeteer：可以自动浏览网页、点击按钮和填写表格
• docker-mcp：用于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）

每个智能体创建时默认包含 4 个工具，分别是：

• 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：能够上网帮助查找资料
• 预览：可以预览生成的内容

当然，在创建智能体时，你也可以选择取消某个内置工具的勾选，这样该工具就不会出现在智能体中。

有一个概念可以帮助大家更好地理解，先看下图：

实际上，Trae 默认自带的就是我们常用的一个 Builder 智能体，内置了上述 4 个工具，而我们的 Builder 模式正是使用它进行交互的：

还有一个 Builder with MCP 智能体，它是在 Builder 智能体的基础上，添加了对 MCP 工具的支持：

因此，接下来我们将结合 智能体 +MCP 的方式实际体验一下～

智能体与 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“网页版的 Photoshop”，但更专注于界面设计。它最大的特点在于支持多人实时协作，大家可以像编辑文档一样共同进行设计。设计师使用它来创建网站和应用的界面，而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。对于非技术人员而言，Figma 可以被视为一个在线画板，用于绘制精美的网页和应用界面。

我直接将 Figma AI Bridge 这个 MCP 工具添加到 Builder with MCP 智能体中：

随后，我们在线找到一个 Figma 的 UI 模板进行试验：

模板链接：https://www.figma.com/community/file/989274600796773962

接下来，我们开始一次对话：

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，这个网站的初步形态就被成功复刻出来了：

这一体验非常不错，它不仅能够根据 Figma 模板生成相关代码，还可以根据我的描述生成代码。例如，我提到这是一个基于 next.js 框架的网站，它便会生成对应的代码。

案例 2：沉浸式抓取指定网站的信息

我创建了一个新的智能体 – 网页 AI 助手，并直接选择了一个热门工具 – Puppeteer，用于抓取网页内容：

然后，我们选择这个智能体进行对话：

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）：

看看生成的 md 文件的样子：

尽管这只是基础的网页内容抓取，然而它不仅抓取了相关内容的图片，还自动生成了 markdown 文档，体验非常不错。此外，它还会按需访问每个相关链接的子链接，以获取更详细的信息。

总结

AI 协作工具的变革：从智能助手到数字同事

Trae 的此次重大更新，不仅仅是功能上的一次进步，它更象征着人工智能协作工具正在经历从“智能助手”向“数字同事”的转变。

这一现象揭示了人机合作模式的深刻变化：我们过去是“利用工具”，而现在则是开始“培养同事”。

正如工业革命时期人类与机器的协作一样，AI 时代我们正在学习如何与智能体进行有效的合作。Trae 降低了 MCP 的使用门槛，使得普通用户也能够体验到这种前沿的人机协作方式。

未来，随着 MCP 生态的不断完善，我们将迎来一个全新的“工具互联”时代。届时，AI 不再局限于单一工具的调用，而是能够贯通设计、开发、测试和部署的每一个环节，真正成为项目生命周期中的“数字合伙人”。

在这一人机协作的新时代，最大的竞争优势或许不再是掌握多少工具，而是能够多快培养出最适合自己的数字同事。你是否已经准备好迎接你的首位 AI 工作伙伴了呢？