大模型赋能投研之八：拥抱MCP，Trae代码能力与赋能投研评测

TraeCN：国内AI原生IDE 随着人工智能技术的飞速发展，AI在编程领域的应用逐渐从辅助工具变成开发程序流程的核心手段。AI原生集成开发环境（IDE）搭配强有力的工具接口，正在重新定义开发者的工作方式。在2024年底，以Cursor为首的AI原生集成开发环境在海外发布，以高效的编程协作能力在人工智能领域掀起浪潮。2025年1月19日，Trae海外版发布。 2025年3月3日，字节跳动推出国内AI编程工具Trae CN，填补了国内IDE领域的空缺。目前为止，Trae海外版搭配了Claude-3.5-Sonnet、Claude-3.7-Sonnet、GPT-4o等多个大模型，而Trae CN搭载了Doubao-1.5-pro,支持切换DeepSeekV3、V3-0324、R1。功能方面，Trae CN支持实时续写代码、智能排查bug、自动构建项目等。Trae CN分为两种模式：Chat和Builder。用户可以在Chat模式通过对话的方式对编程和代码库问题进行提问，获取建议和优化方案。而Builder模式可以帮助开发者从0到1构建项目，实现端到端的开发流程。 TraeCN更新后的新增功能 4月22日，TraeCN发布新版本v0.5.2后对多个模块的能力进行加强。第一个新增功能是Chat和Builder面板的合并，用户可以直接在Chat对话框中@Builder直接唤出Builder进行程序开发，使确定开发需求和编程协作能够无缝衔接。第二个增强使对于上下文模块的拓展。更新后Trae CN支持将文档内容和网页信息作为上下文背景，用户可以通过选择联网搜索，上传文档url或.md/.txt文件丰富背景信息，实现更加高效的开发协作能力。第三个新增功能是规则配置。通过设置个人规则和项目规则，用户可以根据使用习惯与偏好更有效的规范AI行为。其中个人规则应用于所有项目，而项目规则仅使用当前项目。第四个功能是新增了MCP工具，TraeCN提供内置MCP市场，目前包含超过80个MCPServer增强编程开发的工具，同时支持快速添加第三方MCPServers，减轻用户前期配置MCP的流程压力。最后一个增强是升级智能体的能力，用户可以自定义智能体提示词和自由配置MCP创建不同的‘AI专家’针对不同场景下的需求。Trae CN还提供了两个内置智能体，分别是Builder和Builderwith MCP。 综合来看，前四个功能增强主要是对市场上主流IDE（Cursor、Windsurf）的功能补齐，提升了TraeCN的协作能力，能够以更高的效率、更丰富的知识背景与工具以及更贴合用户习惯的工作方式帮助用户完成程序开发或方案优化。而最后一点更新，通过灵活配置MCP工具和自定义提示词，让TraeCN进一步了解任务场景和工具，设身处地的满足用户需求。本文从具体的任务场景出发，探索TraeCN的新功能在经济金融领域中的实际应用效果，将TraeCN在该领域中的协同工作能力与效率具像化。本文将设置不同的应用场景，测试TraeCN的新功能的数据分析能力、与用户协同的默契程度和使用MCP工具的具体情况。 TraeCN与主流IDE能力比较 TraeCN的更新丰富了开发工具，加强了开发能力，也可以独立承担更多复杂的任务，大幅提高了工作效率。而如今市场上的主流的IDE，如Cursor、Windsurf，协同开发能力也非常强悍。因此，增强后的TraeCN能否达到，甚至赶超主流IDE的工作能力和效率成为本文的研究重点。本文将在Trae CN和Cursor中设置同样的金融应用场景和提示词，多方面比较两者之间的工作能力，侧面反映Trae CN的未来潜力。 风险提示 大语言模型输出结果具有一定随机性的风险，模型迭代升级、新功能开发可能会导致结论不同。新闻可能包含误导性的信息，语料质量对结果正确性存在负面影响的风险。人工智能模型得出的结论仅供参考，可能出现错误答案的风险。 一、TraeCN：国内AI原生IDE 1.1TraeCN使用场景 在2024年底，以Cursor为首的AI原生集成开发环境在海外发布，以高效的编程协作能力在人工智能领域掀起浪潮。2025年1月19日，Trae海外版发布。2025年3月3日，字节跳动推出国内AI编程工具Trae CN，填补了国内IDE领域的空缺。目前为止，Trae海外版搭配了Claude-3.5-Sonnet、Claude-3.7-Sonnet、GPT-4o等多个大模型，而Trae CN搭载了Doubao-1.5-pro,支持切换DeepSeek V3、V3-0324、R1。，而Trae CN搭载了Doubao-1.5-pro,支持切换DeepSeek V3、V3-0324、R1。在公开展示的工作文档中，TraeCN不仅展示了智能回答和实时代码建议的功能，还有代码片段生成以及从0到1开发项目的编程能力。在案例中，输入生成风险敞口分析的指令，TraeCN根据指令开发风险分析的程序，并且依据要求加入了GARCH模型。 图表1：TraeCN从0到1的程序开发 TraeCN代码补全功能可以辅助用户编写程序。用户首先在编写区域添加代码注释，尝试用python编写一个MSE函数。回车之后TraeCN会阅读和理解相关代码注释，然成相关代码，用户只需要按tab键就可以自动补全所有代码。然后用户写下线性回归函数的名字，Trae CN也能根据函数名字自动生成和补全所需要的代码。 图表2：通过注释补全代码 图表3：通过函数名字补全代码 TraeCN在其宣传视频中，宣称其为一个全新的AI开发搭档。不同于传统人工智能，在用户提出开发需求和具体使用场景后，Trae CN能不止步于仅仅提供方案或者示例代码，还可以亲自运行程序，同时实时监测运行情况，通过运行反馈结果修改相应代码，最终向用户交付成果。在下面的具体使用场景中，用户通过Chat面板提出提取本地文件数据的需求，并且给出了数据列表的筛选条件。TraeCN接收到任务指令时，先通过用户提供的地址找到文件地址，第一次尝试读取失败后TraeCN分析出读取失败的原因是因为在索引中输入了错误的工作表名称。因此在第二次读取文件数据时修改了索引名称，并且成功调取文件中对应工作表的数据内容，为后面做筛选任务做铺垫。 图表4：TraeCN监测任务进度并修改 1.2TraeCN操作界面及任务执行流程 TraeCN的操作页面简洁，用户只需要通过页面下方对话框与TraeCN提出需求即可进入开发流程。TraeCN支持文件夹、代码、网页、工作区等多种类型的上下文嵌入。在指令发出后，TraeCN能根据提示词、规则、上下文和MCP按照用户的需求，完全自主地实现复杂任务的拆解、规划与具体步骤的执行。在执行期间，页面左侧显示当前正在运行的代码内容，右侧则显示与用户的对话框，包含了TraeCN是如何收到指令后参考不同的上下文信息，把项目拆解成具体的步骤、程序运行过程中实时反馈以及TraeCN根据反馈判断和做出有必要的代码修改。由于TraeCN有强大的上下文检索功能，一方面TraeCN可以检索到本次聊天对话中上文提到信息对后续任务步骤进行调整；同时用户可以选中其他代码库中的程序或者后续提供网页内容，帮助Trae CN更好的了解当前任务的背景。Trae CN会在任务完成后通过聊天页面发送通知并形成阶段性的总结。 图表5：系统运行状态与正在访问的界面 图表6：程序运行报错结果可以作为上下文背景 案例中，在对沪深300指数数据分析程序开发后，还可以增加另外一组上证50的数据，通过对话框输入分析和对比指令。TraeCN可以根据指令内容在原有程序的基础上插入对上证50数据的获取，并且与沪深300指数数据进行分析对比。 图表7：指数数据分析任务后追加其他指数信息 二、TraeCN更新后的功能增强 4月22日，TraeCN更新后在多个模块的能力进行加强。 Chat和Builder面板的合并。用户可以直接在Chat对话框中@Builder唤出Builder进行程序开发，将确定开发需求到编程协作可以无缝衔接。 增强了上下文模块的拓展，更新后支持文档内容和网页信息作为上下文背景，用户可以通过选择联网搜索，上传文档url或.md/.txt文件。 新增规则配置。通过设置个人规则和项目规则，用户可以根据使用习惯和偏好有效规范AI行为。其中个人规则应用于所有项目，而项目规则金适用于当前项目。 新增支持MCP工具的功能，TraeCN提供内置MCP市场，其中包含超过80个MCPServe，同时支持快速添加第三方MCPServers，减轻用户前期配置MCP的流程压力。 升级智能体能力。用户可通过自定义智能体提示词和自由配置MCP创建不同的“AI专家”完成不容场景下的需求。 2.1Chat和Builder模块 Cursor中Ask负责用户的问答，Composer则负责帮助用户开发程序。如今Cursor将两个功能进行合并成Agent，用户可以在聊天框中输入指令，结合了Ask和Composer功能的Agent将会对用户问题形成回答，同时利用开发能力编程。TraeCN中Chat和Builder分别对应了Ask和Composer。Trae CN在更新中将Builder作为内置智能体嵌入到Chat对话框，用户可以通过在对话框内直接调用Builder功能。合并Chat和Builder模块后，用户可以先在Chat模式中让TraeCN回答具体问题，给出推荐的执行方案后在对话框中@Builder直接切换程序开发模式，在新创建的文档开始编写程序。同时Trae CN可以根据上下文信息，在相关文档中直接插入编写好的函数，在原用文档的基础上增添模块功能。 在功能演示中用户首先询问TraeCN风险评价和风险预算的区别以及各自的优缺点，得到TraeCN回答以及具体方案后直接在对话框中@Builder下达编写代码的指令。TraeCN得到指令后不仅按照要求编写出程序，同时结合上下文信息推测函数适用的程序文档，在保证代码风格一致性的情况下直接插入新增函数增强文档的分析能力。 图表8：Chat合并Builder功能演示 图表9：叠加使用内置智能体builder 图表10：风险评价和预算程序 Chat和Builder模式的丝滑切换提升了用户的使用体验，在确定任务需求和应用场景后直接开始程序开发，帮助用户省去了和Builder总结需求和开发要求的沟通时间成本。如同一个高效的协作团队，形成需求形成配合结果输出的一体式工作流程。 2.2上下文能力拓展 TraeCN上下文模块在原有基础上，更新后增加了对联网搜索、本地文件上传支持。在原有功能中，用户可以引用代码、TraeCN文件及文件夹和代码库作为上下文信息。而更新之后用户还可以要求TraeCN在网页中寻找和指令关键词相关的信息，在返回结果前通过网页搜集到的数据或新闻作为背景知识更精准的回答用户问题。同时用户还可以上传和指令相关的文件集，在对话框中用#Doc方式明确Trae CN的参考信息。文件集可以通过本地上传或者通过url添加两种方式。 图表11：上下文模块支持联网搜索和本地文件夹上传 此外，上下文功能模块支持用户引用多个信息源。通过同时选中多种上下文丰富信息，Trae CN可以参考更多相关文件，结合网页、文件、代码进行综合分析与总结。比如在上传本地分析报告文件集后，还可以通过联网搜索功能在网页上搜集报告内容以外的背景信息，让TraeCN对内容总结时效性更高，参考信息更丰富。Trae CN在进入开发流程或回答问题之前会展示参考了哪些上下文信息，用户可以在对话记录中Trae CN图标下查看。 图表12：Web上下文功能 图表13：支持引用多种上下文类型 但是，在测试过程中，TraeCN国内版软件会出现自动结合上下文和参考不必要信息的问题。在新的对话框中用户输入指令后，TraeCN可能在用户没有要求的情况下自动检索上下文找到关联性较高的信息作为参考。这种情况下，如果用户提出与当前背景不同类型的的指令，