Trae与Cursor的优势对比分析揭秘！

字节跳动推出的中国首款 AI 集成开发环境，和 Cursor 相比，具备哪些独特优势呢？它能否实现一键生成整个项目的代码？

今天，Trae 又迎来了重磅更新！值得一提的是，这次更新同时涵盖了国内和国际版本！此次新增了许多功能，用户此前期待的 MCP 功能也终于上线，智能体功能也一同发布，真是令人振奋！

接下来，让我们快速了解一下本次更新的主要功能：

1. Chat 模式与 Builder 模式整合

1. 支持创建 MCP 工具和自定义智能体

1. 更丰富的上下文功能

1. 自定义规则

接下来，让我们深入探讨这些功能的具体交互细节～

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 现在终于支持直接联网搜索进行对话了！

在 AI 对话过程中，它将根据需要自动参考相关代码，以便更好地解决我们的疑问。

此外，当请求执行命令时，可以选择“从下次开始自动运行命令和 MCP 工具”，这意味着在后续的命令执行中，它会自动启动命令和 MCP 工具：

当然，开启自动执行后，用户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：

当启用自动运行时，整体交互效果如下（对于技术新手非常友好）：

我希望预览生成的代码效果，AI 首先会尝试运行程序，但出现了错误，发现某些依赖库模块未安装（AI 能够直接解读错误信息），并尝试执行安装该模块的命令以解决问题，随后再次运行程序，这次运行就成功了：

上下文功能

具体的上下文功能包含以下几个方面：

代码索引管理

现在，系统会自动索引你当前的代码项目。在输入问题时，可以通过 #Workspace 直接参考当前代码项目来获得答案。不过，实际上，你完全可以不需要特别指定，系统也会根据需要自动进行参考。

忽略文件

当然，你可以在上下文配置中设置忽略文件。无论你是否配置了这个扩展的忽略文件，系统都会自动忽略 .gitignore 文件中所列的文件。

文档集

这个功能相当于为项目扩展了一些知识库，例如项目中需要引用的本地素材，或者在开发系统时需要遵循的需求文档和软件设计文档，这些文档可以纳入文档集中，以便 AI 在回答时能够提供更准确的信息。

自定义规则

那么，自定义规则具体是指什么呢？别担心，Trae 已经为我们提供了相应的指导说明：

顾名思义，这相当于我们传统开发中的“代码规范”，有针对项目和全局的区分。在项目规则文件中，可以定义 Trae 当前项目所需遵循的开发规范，类似于日常生活中的各种规则：

1. 家庭装修时规定使用的材料品牌，你可以指定项目所用的框架版本和依赖库
2. 小区内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，其实与 Cursor 的 .cursorrules 文件原理类似，比如在撰写 next.js 项目时，可以直接复用我以下的规则模板：

---
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，如果想要更多的规则模板，可以直接参考以下的 GitHub 项目 awesome-cursorrules 来获取更多：

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

MCP 功能集成

这次 Trae 竟然也支持了最近广受欢迎的 MCP 工具，这个工具到底有什么用途呢？

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，之前的 AI 大模型犹如被困在一个小房间里，只能依靠自身的知识回答问题。而有了 MCP，AI 可以“走出去”，结合各类外部工具的能力来完成任务。下面是一张形象展示 MCP 功能定位的关系图：

MCP 就像是我们手提电脑上的扩展坞，能够将各种工具连接起来，AI 也可以通过 MCP 直接调用这些工具的功能。

MCP 与扣子（Coze）的插件功能对比

MCP（Model Context Protocol）和扣子（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显著差异：

简而言之，MCP 就像是一个“多功能电源适配器”，使得 AI 能够与各种外部工具无缝连接。无论是哪个开发者的工具，只要符合 MCP 协议，任何支持 MCP 的 AI 都可以顺利使用。

而 ** 扣子的插件则更像是“专属配件”**，它们是专门为扣子平台量身定制的，虽然在这个生态中表现出色，但不一定能够在其他 AI 系统中使用。

如果你是开发者，想要创建一个可在多个 AI 系统中使用的工具，MCP 可能更合适；而如果你的目标是在扣子平台上迅速构建应用，那么扣子的插件系统无疑是更便捷的选择。

Trae 中的 MCP 界面

接下来，我们看看 Trae 的 MCP 功能交互界面：

从初步观察来看，Trae 集成了许多实用的工具：

• GitHub：AI 可直接帮助你查找代码，无需手动搜索
• Figma：设计文件也能便捷连接
• 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
• 还有更多其他工具 …

当然，除了内置的功能外，我们还可以自定义添加其他第三方的 MCP 工具。

值得特别注意的是，Trae 这次集成的 MCP 功能在整体交互上简化了许多，技术小白都能在不需要了解上述概念的情况下直接使用（当然这是基于内置的 MCP 工具而言）。

Trae 也能创建智能体

首先，让我们查看 Trae 的配置界面：

我这里展示的是我临时创建的一个 Trae 智能体，从图中可以看到工具箱内主要有两类工具：

1. MCP 工具（高级工具）

在这里，我选择了一些 Trae 内置的 MCP 工具来搭建这个智能体，例如：

• Puppeteer：可以自动浏览网页、点击按钮、填写表单
• docker-mcp：用于管理计算机上的应用容器
• GitHub：无须自己查找代码即可直接操作代码仓库
• 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：可读取和写入计算机上的文件
• 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

在创建智能体时，你也可以选择不使用某个内置工具，这样该工具就不会出现在智能体中。

接下来有个概念，大家可以轻松理解，看看下面的图：

实际上，Trae 默认内置的就是我们常用的一个 Builder 智能体，里面包含了上述四个工具，我们的 Builder 模式就是基于它进行交互的：

还有一个 Builder with MCP 智能体，实际上是基于 Builder 智能体的基础上，添加了对 MCP 工具的支持：

因此，我们接下来就结合 智能体 +MCP的方式来看看实际使用效果如何～

智能体 +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，类似于一个“网页版 Photoshop”，但更专注于界面设计。它的最大特点是支持多人实时协作，就像一起编辑文档一样。设计师使用它来设计网站和 App 界面，而开发人员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。对于非技术人员来说，Figma 可以被视为一个可以绘制精美网页和 App 界面的在线画板。

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

接着我们在网上找到了一个 Figma 的 UI 模板来进行尝试：

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

我们随后开始了一次对话：

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

没过多久，这个网站的初步形态就被迅速复刻出来了：

这种体验相当不错，它不仅能根据提供的 Figma 模板生成相应的代码，还能依据描述产生对应代码。例如，当我描述这是一个基于 next.js 框架的网站时，它会根据这个描述生成相关代码。

案例 2：沉浸式抓取特定网站的信息

我创建了一个新的智能体 – 网页 AI 助手，并选择了一个非常热门的网页内容获取工具 – Puppeteer：

随后我们通过这个智能体开始对话：

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

让我们看看实际效果（7 倍速回放）：

看看它生成的 md 文件长什么样：

虽然这个功能仅是基础网页内容抓取，但它将相关内容的图片一并抓取，并自动生成了一个 markdown 文档，这种体验还是相当不错的。同时，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

Trae 重磅升级：迈向数字同事的崭新时代

此次 Trae 的重大更新，不仅仅是功能的简单提升，更是标志着人工智能协作工具正在经历从“智能助手”到“数字同事”的深刻蜕变。

这一变化深刻反映了人机协作模式的根本性转变：我们曾经是“使用工具”，如今则开始“培养同事”。

就如同工业革命时期人类学习如何与机械协作一样，在 AI 时代，我们正在掌握与智能体协作的新交流方式。Trae 通过降低 MCP 的使用门槛，使得普通用户也能体验到这一前沿的人机协作形式。

可以预见，随着 MCP 生态的逐步完善，我们即将迎来一个“工具互联”的新纪元。在这一阶段，AI 不仅能够操作单一工具，还能够贯通设计、开发、测试、部署的全流程，真正成为项目生命周期中不可或缺的“数字合伙人”。

在这个人机协作的新时代，最大的竞争力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。那么，你是否已经准备好迎接你的第一位 AI 工作伙伴了呢？