Trae与Cursor的优势对比分析揭秘！

字节跳动推出了中国第一款 AI IDE，它与 Cursor 相比，有哪些显著的优势呢？它是否能够轻松生成整个项目的代码呢？

Trae 今天又进行了更新，速度可谓飞快！而且此次更新同时发布了国内和国际版本！新版本带来了许多令人期待的功能，其中大家期待已久的 MCP 功能终于到来了，还有智能体功能也正式上线，真是让人兴奋不已！

接下来，我们快速浏览一下这次更新的新功能：

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. 增强的上下文功能

1. 自定义规则设置

接下来，让我们深入了解这些功能的具体交互方式吧～

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

Trae 现在终于可以直接进行联网搜索进行对话了！

在 AI 对话过程中，它会根据需要自动参考具体的代码作为上下文来回答问题。

同时，在请求命令执行时，您可以开启“从下次开始自动运行命令和 MCP 工具”的选项，这样在后续的命令执行中，它都会自动运行相关命令和 MCP 工具：

当然，开启自动执行功能后，您也可以随时访问智能体配置页面，设定命令行或 MCP 工具的黑名单，这样黑名单中的命令和工具将不会被自动执行：

当自动运行功能开启后，整体交互效果如下（对于技术小白来说十分友好）：

假设我想预览生成的代码效果，AI 会首先尝试运行程序，但因缺少依赖库而报错（AI 能够直接理解该错误），并且会自动执行安装缺失模块的命令来解决问题，接着再次运行程序，这次程序就能正常运行了：

上下文功能

代码索引管理

现在，系统会自动为您当前的代码项目进行索引，之后您可以在输入问题时加上 #Workspace 来直接参考您当前的代码项目进行回答。但实际上，您完全可以不必显式指定，系统也会根据需求自动参考。

忽略文件

同时，您可以在上下文配置中指定忽略文件，值得一提的是，无论您是否配置了扩展的忽略文件，系统都会直接忽略 .gitignore 文件中所配置的文件。

文档集

这相当于为项目增加一些上下文知识库，比如项目中需要引用的素材只能在本地访问，或者在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，从而使 AI 的回答更加准确。

自定义规则

那么自定义规则具体是什么呢？不用担心，Trae 已经为我们提供了相应的引导介绍：

顾名思义，这相当于传统开发中的“代码规范”，分为针对具体项目和全局的规范。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标准，类似于生活中的各类规则：

1. 家庭装修时会要求使用某个品牌的材料，您可以指定项目所使用的框架版本和依赖库。
2. 小区禁止燃放烟花爆竹的规定，您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，您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，您可以规定代码的格式和风格标准。
5. 节能减排的指标要求，您可以设置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，例如在编写 next.js 项目时，您可以直接参考下面的规则模板：

---
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

当然，如果您想获取更多的规则模板，可以直接访问以下的 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 竟然支持了最近流行的 MCP 工具，这个工具具体用于什么呢？

简单来说，它是一种使 AI 能够与外部工具进行“对话”的协议。想象一下，以前的 AI 模型就像被锁在一个小房间里，只能依靠自身的知识来回答问题。而现在有了 MCP，AI 可以“走出去”，结合各种外部工具的能力来完成任务。以下是展示 MCP 功能定位关联图的示意图：

在这里，MCP 就像我们电脑上的一个扩展坞，可以将各种工具连接进来，AI 便可以通过 MCP 直接调用这些工具的功能。

MCP 与扣子（Coze）插件功能对比

MCP（Model Context Protocol）与扣子（Coze）的插件功能看似相似，但在设计理念和技术实现上存在一些关键差异：

简而言之，MCP 就像一个“通用电源适配器”，它允许 AI 连接不同的外部工具。无论工具的开发者是谁，只要符合 MCP 协议，任何支持 MCP 的 AI 都能够使用这些工具。

而 ** 扣子的插件则更像是“专用配件”**，专为扣子平台量身打造，在其生态系统中表现优异，但未必能在其他 AI 系统中使用。

开发者如果希望创建可在多个 AI 系统间使用的工具，选择 MCP 更为合适；而若只想在扣子平台上迅速构建应用，则扣子的插件系统将更加便捷。

Trae 中的 MCP 功能展示

接下来我们将一探 Trae 的 MCP 功能的交互界面：

初步观察，Trae 内置了许多实用的工具：

• GitHub：无需自己查找代码，AI 可直接为你找到
• Figma：设计文件能够直接连接
• Google Maps：轻松获取地图信息
• AWS 知识库：一键解决 AWS 云服务相关问题
• 还有更多功能 …

当然，除了这些内置工具外，我们还可以自定义添加其他第三方的 MCP 工具。

需要特别注意的是，这次 Trae 集成的 MCP 功能整体交互大大简化，技术小白甚至无需理解这些概念，就能较为顺利地使用（当然是基于内置的 MCP 工具而言）。

Trae 竟然可以创建智能体

首先让我们来查看 Trae 的配置界面：

我临时创建了一个 Trae 智能体来进行展示，从图中可见工具箱里主要分为两类工具：

1. MCP 工具（高级工具）

在这里我选择了一些 Trae 内置的 MCP 工具来构建这个智能体，例如：

• Puppeteer：能够自动浏览网页、点击按钮和填写表格
• docker-mcp：管理本机上的应用容器
• GitHub：直接操作代码仓库，无需自行查找代码
• 等等 …

2. 内置工具（基础工具）

每个智能体创建时默认内置了四个工具，分别是：

• 文件系统：可读写电脑上的文件
• 终端：可以执行电脑命令
• 联网搜索：上网帮助查找资料
• 预览：可以查看生成的内容

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。

接下来，大家可以通过下图来帮助理解：

实际上，Trae 默认自带的就是一个我们常用的 Builder 智能体，里面包含了上述四个工具，我们的 Builder 模式正是利用它进行交互的：

还有一个 Builder with MCP 智能体，它实际上是在 Builder 智能体的基础上，增加了对 MCP 工具的支持：

接下来，我们将结合 智能体 +MCP 的方式来看一下实际使用情况～

智能体 +MCP 实战应用

案例 1：使用内置 MCP 智能体生成基于 Figma 的代码

Figma 是一种什么工具？ Figma 是一款在线设计工具，可以被视为一个“网页版的 PS”，但更专注于界面设计。它的最大特色是支持多人实时协作，仿佛大家在共同编辑一份文档。设计师利用该工具设计网站或应用的界面，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。对于不懂技术的人而言，可以想象它是一个在线画板，用于绘制美观的网页和应用界面。

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

随后我们在网络上找到一个 Figma 的 UI 模板进行测试：

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

接下来我们开始进行对话：

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

没过多久，这个网站的初步形态就被快速复刻出来了：

这个体验相当不错，它不仅能根据提供的 Figma 模板生成对应的代码，还能根据你的描述生成代码，比如我描述的是基于 next.js 框架的网站，它就会生成符合该描述的代码。

案例 2：沉浸式抓取特定网站的信息

我这里创建了一个新的智能体 – 网页 AI 助手，并选择了一个热门的网页内容抓取工具 – Puppeteer：

然后我们直接选择这个智能体来开始对话：

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

接下来我们来看看实际效果（7 倍速回放）：

看看它生成的 md 文件的样子：

虽然这是基础的网页内容抓取，但它不仅将相关内容的图片一并抓取，还自动生成了一个 markdown 文档，体验相当不错。而且，它还能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

Trae 的革新：从智能助手到数字同事的跨越

此次 Trae 的重要升级，不仅仅是功能上的一次提升，更是代表着人工智能协作工具正在经历从“智能助手”向“数字同事”的演变。

这一变化反映了人机协作模式的深刻变化：曾几何时，我们只是简单地“使用工具”，而如今则开始着手“培养同事”。

正如工业革命时期人类逐渐学会与机器共同工作一样，进入 AI 时代，我们正在掌握与智能体协作的全新语言。Trae 通过降低 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模式。

随着 MCP 生态环境的日益完善，我们可以预见一个全新的“工具互联”时代的到来。届时，人工智能不仅能使用单一工具，还能整合设计、开发、测试到部署的全过程，真正成为贯穿项目全生命周期的“数字合伙人”。

在这个新的人工智能与人类协作的时代，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。你是否准备好迎接你的第一位 AI 工作伙伴呢？