此次Trae的更新确实带来了显著的提升，尤其是在MCP的配置和使用上，无需复杂的前期准备，直接通过API Key即可快速完成。然而，Trae的对话生成排队机制和功能同质化问题仍然存在！
核心更新
1、自定义智能体：重新定义编程协作方式
Trae新增了@Agent功能，允许开发者自定义专属的智能体。通过简单的配置，用户可以创建适合特定场景的AI助手，例如“性能优化专家”或“代码生成器”。
功能特点：
-
使用@Builder进入智能体模式，或自定义创建专属Agent。
-
每个智能体可以配置不同的工具和技能，例如MCP、文件系统、终端等。
-
支持通过提示词定义智能体的行为，例如“你是专门优化代码性能的专家”。
实际体验： 测试发现，虽然智能体功能强大，但在实际调用中仍存在一些bug，例如连续调用时可能出现逻辑混乱。
2、MCP：扩展能力的“外挂接口”
MCP（Model Context Protocol）是Trae本次更新的最大亮点之一，它允许用户自由接入外部工具和资源，例如搜索、数据库、自动化脚本等。
功能特点：
-
内置MCP市场，支持快速配置第三方工具，例如Figma MCP Server只需输入API Key即可完成。
-
用户可以自定义MCP配置，通过JSON文件扩展功能。
-
MCP与智能体结合使用，例如调用高德地图API进行旅游路线规划。
实际体验：MCP的配置流程非常友好，无需复杂的前期准备，但部分模型（如Claude 3.7）在调用MCP时表现更佳。
MCP 市场除了内置一些MCP服务之外，还允许快速用户添加第三方 MCP Servers，Agent 可灵活使用 MCP 工具，扩展其能力。Trae 试图在自己搭建这一个生态系统，开发者和第三方可以通过创建、共享和定制不同的 Agent 来无限扩展 Trae 的能力。
3、Rules配置：塑造专属编码风格
Trae引入了规则系统，允许开发者自定义编码风格、复杂度限制和架构指南。
功能特点：
-
个人规则：创建
user_rules.md，跨项目生效。 -
项目规则：放置于
.trae/rules/project_rules.md，规范当前项目行为。 -
支持通过命令
/generate rules自动生成规则。
实际体验：虽然Rules系统功能强大，但目前缺乏像Cursor那样的自动化生成能力，需要手动配置。
4、联网搜索与文档集：强大的知识支持
Trae增强了上下文理解能力，支持联网搜索和文档集功能，为开发提供了更全面的知识支持。
功能特点：
-
支持通过URL或上传文件（如.md/.txt）添加文档，最多支持1000个文件（50MB）。
-
联网搜索功能可以直接将网页内容作为上下文，提升AI对需求的理解能力。
实际体验：联网搜索功能在复杂场景下表现尚可，但在简单查询中偶尔会出现错误。
5、统一的聊天界面：对话即编程
Trae将Chat和Builder功能合二为一，践行“对话即编程”的理念。
功能特点：
-
通过自然语言与AI交互，提出需求、请求代码片段或澄清概念。
-
支持多模态能力，例如代码补全、问题识别和动态代码生成。
实际体验： 统一界面虽然提升了流畅度，但也让部分用户感到混乱，尤其是功能过多导致界面显得拥挤。
改进空间
尽管Trae本次更新带来了诸多亮点，但仍有待改进的空间：
-
排队机制问题： 目前Trae的排队时间较长，影响了用户体验。
-
功能同质化： 与Cline、Roo Code、Cursor等工具相比，Trae的核心功能并无显著差异。
-
模型依赖问题： 部分模型（如Claude 3.7）在调用MCP时表现更佳，但其他模型仍存在兼容性问题。
总结
Trae的更新无疑为开发者提供了一个更强大的AI编程工具，其自定义智能体、MCP、Rules配置等功能为个性化开发提供了更多可能性。然而，排队机制和模型兼容性问题仍然是其痛点。
如果你是AI编程工具的探索者，现在或许是尝试Trae的最佳时机——在可能的收费模式推出前，抓住这个免费红利期，体验这款被誉为“开发者新宠”的工具。