Trae与Cursor的优势对比分析

字节跳动推出了中国首款人工智能集成开发环境，和 Cursor 相比，它有哪些独特的优势呢？是否能够一键生成整个项目的代码呢？

Trae 今天又一次迎来了更新，而且这次是国内外版本同时发布！此次更新涵盖了众多功能，期待已久的 MCP 功能终于上线，还有智能体功能也正式推出，真的是令人兴奋！

让我们快速回顾一下此次更新的具体功能吧：

1. Chat 模式与 Builder 模式的整合

1. 支持创建 MCP 工具和自定义智能体

1. 更为丰富的上下文功能

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～

新加入的内置工具

Trae 的 Builder 模式现已内置以下几种工具：

1. 文件系统
2. 终端
3. 联网搜索
4. 预览

Trae 现在可以直接通过网络进行搜索来进行对话了！

在 AI 对话的过程中，它会根据具体需求自动参考相关代码作为上下文来解决问题。

此外，在请求执行命令时，你可以开启“从下次开始自动执行命令和 MCP 工具”的选项，这样在之后的命令执行过程中，它将自动运行这些命令和 MCP 工具：

当然，在启用自动执行后，你仍然可以随时前往智能体配置页面，设置命令行或 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运行：

启用自动运行后，整体交互效果如下（对技术小白非常友好）：

我希望预览生成的代码效果，AI 首先尝试运行程序，结果出现了错误，发现缺少依赖库的模块（AI 自动解读了这个错误），随后尝试执行安装该模块的命令解决问题，再次运行程序，这次就正常了：

上下文功能

代码索引管理

现在默认情况下，当前代码项目会自动被全部索引，你在提问时可以直接添加 #Workspace 来参考当前代码项目的回答。但实际上，你完全可以不必显式指定，它也会自动按需参考。

忽略文件

你还可以在上下文配置中设置忽略文件。不论你是否配置了这个扩展的忽略文件，目前它都会直接忽略 .gitignore 文件中指定的内容。

文档集

这相当于为项目扩充了一些上下文知识库。例如，如果项目中有一些素材需要本地访问，或者你需要依据需求文档或软件设计文档开发，这些文档可以配置到文档集中，从而使 AI 的回答更为精准。

自定义规则

那么，自定义规则具体指的是什么呢？Trae 为我们提供了相应的引导：

顾名思义，这就类似于我们传统开发中的“代码规范”，它可以是针对当前项目的，也可以是全局的。在项目规则文件中，你可以定义 Trae 在当前项目中需要遵循的开发规范，就像生活中的各种规章制度一样：

1. 在家庭装修时会规定使用特定品牌的材料，你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，你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，你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，你可以规定代码的格式和风格标准
5. 节能减排的指标要求，你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 文件原理类似。例如，当我在编写 next.js 项目时，可以直接使用以下规则模板：

---
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

当然，如果你想获得更多的规则模板，可以参考以下 GitHub 项目awesome-cursorrules：

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

MCP 功能集成

此次 Trae 竟然也支持了近期非常流行的 MCP 工具，这个工具的作用是什么呢？

简单来说，它使得 AI 能够与外部工具进行“对话”的一种协议。想象一下，过去的 AI 大模型就像被限制在一个小房间内，只能依赖自己所了解的内容来回答问题。而有了 MCP，AI 能够“走出房间”，结合各种外部工具的能力来完成任务。下面是一个展示 MCP 功能定位的关系图：

这里的MCP 就像是我们手提电脑上的扩展坞，可以将各种工具连接到一起，AI 则可以通过 MCP 直接调用这些工具的功能。

MCP 与 Coze 插件功能的对比

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方面存在一些关键区别：

简单来说，MCP 就像是一款“通用电源适配器”，使得 AI 能够连接各种外部工具。只要遵循 MCP 协议，任何支持 MCP 的 AI 都能与之兼容，不论开发者是谁。

相比之下，** 扣子的插件更像是“专属配件”**，它们专为扣子平台而设计，能够在其生态系统中高效运行，但在其他 AI 系统中未必兼容。

若你是一位开发者，想要构建可以被多个 AI 系统使用的工具，那么 MCP 将是更优选择；而如果你希望在扣子平台上快速开发应用，扣子的插件系统将更加便捷。

Trae 中的 MCP 界面

接下来，让我们了解一下 Trae 的 MCP 功能和交互界面：

从初步观察来看，Trae 集成了许多实用工具：

• GitHub：无需自行查找代码，AI 直接提供帮助
• Figma：设计文件也能方便连接
• Google Maps：轻松查询地图信息
• AWS 知识库：一键解决 AWS 云服务相关问题
• 还有更多功能 …

当然，除了这些内置的工具外，用户还可以自定义添加其他第三方 MCP 工具。

需要特别指出的是，Trae 集成的 MCP 功能使得整体交互变得更加简单，技术小白甚至不必完全理解这些概念，也能顺利使用（当然是针对内置的 MCP 工具而言）。

Trae 也支持智能体创建

接下来，我们查看 Trae 的配置界面：

我临时创建了一个 Trae 智能体，图中显示工具箱主要包含两类工具：

1. MCP 工具（高级工具）

我选择了一些 Trae 自带的 MCP 工具来构建这个智能体，例如：

• Puppeteer：可自动浏览网页、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）

每个智能体创建时默认包含 4 个工具，分别为：

• 文件系统：可读写本地文件
• 终端：可执行计算机命令
• 联网搜索：能够在线查找资料
• 预览：可预览生成的内容

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。

还有一个概念方便大家理解，如下图所示：

实际上，Trae 默认提供了我们常用的一个 Builder 智能体，内置了上述的 4 个工具，而我们的 Builder 模式正是基于它进行交互的：

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

接下来，我们结合 智能体 +MCP的方式来看看实际操作效果～

智能体与 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，类似于“网页版的 PS”，但更专注于界面设计。其最大特点在于支持多人实时协作，仿佛大家共同编辑一个文档。设计师利用它设计网站及 App 界面，开发者则可以直接查看这些设计并将其转化为真实的网站或应用。对于非技术用户，可以将其视为一个能够绘制精美网页与 App 界面的在线画板。

我将 Figma AI Bridge 这个 MCP 工具添加到 Builder with MCP 智能体中：

随后，我们在网上找到一个 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复刻了出来：

这一体验相当不错，不仅能够根据提供的 Figma 模板生成相应的代码，还能根据描述生成代码。例如，当我描述一个基于 next.js 框架的网站时，它就会生成与之对应的代码。

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，并选择了一个非常流行的网页内容获取工具 – Puppeteer：

然后我们开始对话，选择这个智能体：

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

让我们来看一下实际效果 (7 倍速回放)：

看看生成的 md 文件效果：

虽然这只是基础的网页内容抓取，但它能够抓取相关内容的图片，并自动生成一个 markdown 文档，体验感还是相当不错。而且，它也会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

AI 协作工具的革命：从智能助手到数字同事

Trae 这次的重大升级不仅仅是功能上的一次改进，更是标志着人工智能协作工具的演变过程，从 ” 智能助手 ” 逐步迈向 ” 数字同事 ” 的新时代。

这一变化反映了人机合作模式的深刻变革：曾几何时，我们只是 ” 使用工具 ”，而如今，我们开始 ” 培养同伴 ”。

就如同工业革命时期人类逐渐学会与机器协作一样，在人工智能时代，我们正在学习与智能体共同工作的全新语言。Trae 降低了 MCP 的使用门槛，使得普通用户也能体验到这种先进的人机协作方式。

展望未来，随着 MCP 生态系统的不断成熟，我们即将进入一个 ” 工具互联 ” 的崭新阶段。届时，AI 不再局限于调用单一工具，而是能够贯穿设计、开发、测试和部署的完整流程，真正成为项目生命周期中的 ” 数字合作伙伴 ”。

在这个人机协作的新纪元，最大的竞争优势或许将不再是掌握的工具数量，而是培养出最适合自己的数字同事的速度。你是否已经准备好迎接你的第一位 AI 同事呢？