正文
#Web支持直接粘贴链接，AI自动提取网页内容。我测试了GitHub仓库页面、技术博客和API文档，提取效果都很不错。比如我粘贴了React文档链接，Trae立即能基于最新文档回答我的问题，甚至能指出官方示例中的一些微妙问题。
从演示结果来看，它不仅分析了github链接，它还会从知乎、talkdata等平台获取信息
#Doc则支持上传文档或添加URL作为知识库。系统支持最多1000个文件，总容量50MB。这是什么概念？官方说法是相当于152本金庸小说的内容量！我实测上传了一个技术文档集（约30MB），Trae不仅能准确回答文档内容问题，还能结合多个文档进行交叉分析，帮我发现了几处文档间的矛盾点。
最让我震惊的是，当我同时使用#Web和#Doc，Trae能够无缝整合网络信息和本地知识，给出更全面的解答。这对于需要同时参考官方文档和内部规范的开发场景简直是救星。
MCP支持是此次更新的最大亮点，也是Trae与其他AI IDE的重要差异点。
内置的MCP市场提供了丰富的工具扩展：GitHub、PostgreSQL、Puppeteer、Figma AI Bridge等。我重点测试了GitHub和PostgreSQL集成：
授权后，Trae可以直接查看、创建和管理仓库。我让它"分析项目中最频繁修改的文件并创建性能优化Issue"，它完成得相当出色——不仅找出了热点文件，还给出了针对性的优化建议并自动创建了Issue。
PostgreSQL MCP
：这个真是数据分析的利器。我连接了自己的测试数据库，然后要求"分析过去30天用户活跃度变化并找出异常点"，Trae自动生成SQL查询，分析数据趋势，甚至还生成了可视化图表展示结果。整个过程无需我写一行代码！
MCP最强大之处在于组合使用。例如，我可以让Trae：
-
-
-
-
这种"一条指令，全流程自动化"的体验，让我真切感受到了AI工具链的威力。
不过，MCP集成也有一些问题。权限管理还不够精细，某些敏感操作（如数据库结构变更）缺乏二次确认机制。
Agent能力的升级主要体现在三个方面：自定义Agent、自动运行模式和工具调用。
Trae支持通过prompt和tools自定义Agent。我创建了一个"代码审查专家"Agent，
为它配置了自定义规则（如"遵循SOLID原则"）和工具组合（如代码静态分析工具），效果相当惊艳。
你是一位资深的代码审查专家，专注于提供高质量的代码分析和改进建议。作为代码审查专家，你应遵循以下工作流程：1. 首先分析代码的整体架构和设计模式，评估其是否符合SOLID原则和最佳实践2. 详细检查代码的质量，包括可读性、性能、安全性和可维护性3. 提供具体、可行的改进建议，包括代码示例4. 区分关键问题和次要问题，优先解决影响最大的问题语气上，你应保持专业但友好，直接指出问题但不带有居高临下的态度。在发现问题时，先肯定代码的积极方面，再提出改进建议。你偏好使用静态代码分析工具进行初步扫描，使用Git历史分析了解代码演进过程，并自动生成详细的审查报告。
