1024 大赏：TRAE 开发者最爱用的 10 个 MCP Server

MCP（Model Context Protocol，模型上下文协议）是一套连接 AI 应用与外部工具、数据源的开放协议。通过统一的接口，AI 可以调用浏览器、数据库、开发工具和命令行等能力，直接获取信息或执行任务，减少不同工具之间的适配成本。MCP 的能力取决于所连接的服务及其权限，因此在使用前应明确访问范围，并谨慎开放写入、删除或执行命令等高风险权限。

TRAE 中 Top 10 MCP 一览

数据口径：近一个月高频调用数据排行

我们将这些 MCP 分为了以下几类，分别是浏览器操作、数据库操作、3D 素材创作、2D/3D 应用开发和命令行。​来看看有没有能帮助到你的。

浏览器操作相关 MCP

Puppeteer

Puppeteer MCP 提供了浏览器导航、截图、点击、表单填写、页面 JavaScript 执行和控制台日志读取等能力。

它体现了浏览器类 MCP 的基本工作方式：AI 接收任务后，通过浏览器打开页面、操作元素、读取结果，并把结果返回给开发者。

Puppeteer MCP 默认以无头模式（headless: true）启动 Chromium，浏览器进程在后台跑、没有可见窗口。若要展示可见窗口，需在指令中明确指定 headless: false。

• 如何添加 Puppeteer MCP：
  1. 在 TRAE 中，前往 设置 > MCP。
  2. 点击 添加 > 从市场添加，然后在 MCP 市场中搜索并找到 Puppeteer。
     
  3. 点击 +，然后直接点击弹窗右下角的 确认 按钮，完成添加。该 MCP 无需手动填写自定义 JSON 配置，使用弹窗中的默认配置即可。
• 使用案例：
  使用以下提示词，让 TRAE 调用 Puppeteer MCP 测试鲜达超市页面。

  用 Puppeteer MCP 测试鲜达超市页面，验证 “搜索 > 加购 > 计价” 这一核心链路。
  
  页面：~/Downloads/Puppeteer/鲜达超市.html
  
  需要展示可见窗口，即 `headless: false`。
  
  执行：
  1. 打开页面，截取首屏
  2. 在搜索框输入"苹果"，点击搜索按钮
  3. 点击第一张商品卡片的"加入购物车"按钮
  4. 读取页面状态：购物车角标数量（应为 1）、商品小计、合计金额
  5. 截图保存购物车最终状态
  
  输出：一句话结论（通过/失败）、实际读到的角标与合计金额、两张截图路径。
  

  收到指令后，TRAE 先读源码定位关键选择器并推算预期值，然后用 Puppeteer（headless: false）依次完成：打开页面截首屏 > 输入"苹果"并搜索 > 点击加购 > 读取角标、小计、合计 > 截终态图，最终核对数据全部符合预期，给出 “通过” 结论。
  测试过程如下方视频所示：
  
  TRAE 的输出如下：
  

Playwright

Playwright MCP 可以让 AI 在真实浏览器中打开网页、点击元素、填写表单、截取页面图片和执行 JavaScript。它还支持不同浏览器和多种设备的模拟。

Playwright MCP 会在本机启动由 Playwright 管理的浏览器实例，用于执行测试、截图和页面交互；默认情况下，它与用户日常使用的浏览器环境相互隔离。

它适合前端开发、端到端测试和产品验收等场景。开发者修改页面后，可以让 AI 完成一次完整的操作流程，并根据页面的实际操作结果判断功能是否正常。

• 如何添加 Playwright MCP：
  1. 在 TRAE 中，前往 设置 > MCP。
  2. 点击 添加 > 从市场添加，然后在 MCP 市场中搜索并找到 Playwright。
     
  3. 点击 +，在弹窗中输入以下 JSON 配置，然后点击 确认 按钮。

     {
       "mcpServers": {
         "playwright": {
           "command": "npx",
           "args": ["-y", "@executeautomation/playwright-mcp-server"]
         }
       }
     }
     

• 使用案例：
  使用以下提示词，让 TRAE 调用 Playwright MCP 测试 “鲜达超市” 网页。

  用 Playwright MCP 测试本地超市页面（勿用 file://）：
  http://localhost:8765/%E9%B2%9C%E8%BE%BE%E8%B6%85%E5%B8%82.html
  
  演示账号：手机号 13800138000 / 密码 123456。关键步骤截图，最后输出断言 PASS/FAIL 汇总。
  
  1. 登录表单：点页头“登录 / 注册” → 弹窗内填 13800138000 / 123456 → 点“登录”。断言：弹窗关闭，页头出现用户胶囊（“演示用户”）。
  2. 品类切换：依次点“水果”、“蔬菜”、“零食” Tab。断言：网格仅显示对应品类商品；再点“全部”恢复全部商品。
  3. 加购物车：找一件有货商品点“加入购物车”。断言：购物车角标 +1，右侧面板出现该商品；再点“+”断言数量与小计同步增加；点“×”断言该行移除、金额回落。
  

  根据提示词，TRAE 完成了三个场景的测试，并输出了 “测试结果汇总表” 表格和截图。
  测试过程如下方视频所示：
  

  测试结果汇总表：	截图：

Chrome DevTools MCP

Chrome DevTools MCP 将 Chrome DevTools 的能力提供给 AI。AI 可以查看并分析控制台日志、网络请求和性能信息，对页面进行截图，也可以运行 Lighthouse 的无障碍、SEO 和性能检查。

它适合前端和全栈开发者排查页面问题。例如，用户反馈 “点击保存后没有反应” 时，AI 可以检查浏览器控制台中的报错、接口的请求和响应，以及页面状态的变化。

Chrome DevTools MCP 默认会启动一个本机 Chrome 实例。经过配置后，它也可以连接到正在运行的 Chrome，用于检查页面、网络请求和控制台信息。

• 如何添加 Chrome DevTools MCP：
  1. 在 TRAE 中，前往 设置 > MCP。
  2. 点击 添加 > 从市场添加，然后在 MCP 市场中搜索并找到 Chrome DevTools MCP。
     
  3. 点击 +，在弹窗中填入以下 JSON 配置，然后点击 确认 按钮。

     {
       "mcpServers": {
         "chrome-devtools": {
           "command": "npx",
           "args": ["-y", "chrome-devtools-mcp@latest"]
         }
       }
     }
     

• 使用案例：
  使用以下提示词，让 TRAE 调用 Chrome DevTools MCP 测试鲜达超市页面。

  调用 Chrome DevTools MCP 测试鲜达超市页面（http://localhost:3123/），覆盖以下 3 个场景。
  
  场景一：控制台日志
  
  1. 打开鲜达超市 http://localhost:3123/?console=all
  2. 等待 3 秒
  3. 列出所有控制台消息
  4. 查看每条消息的级别、文本、堆栈来源
  5. 汇报：发现了哪些 warn / error / 未捕获 Promise？来源行号分别是什么？
  
  场景二：网络请求
  
  1. 打开鲜达超市（商品接口 500 场景）http://localhost:3123/?products=500
  2. 找到 /api/products?scenario=500
  3. 查看该请求的 URL、方法、状态码、响应体
  4. 打开鲜达超市（正常）http://localhost:3123/，在优惠券输入框输入 NEW10 后点击"使用"，找到 POST /api/coupons/validate，查看请求体和响应体
  5. 汇报：500 场景响应体内容？优惠券请求体和响应体分别是什么？
  
  场景三：性能
  
  1. 打开鲜达超市（性能场景）http://localhost:3123/?perf=all
  2. 开始录制
  3. 等待 8 秒后停止录制
  4. 分析洞察
  5. 汇报：发现了哪些长任务？最大耗时多少？有哪些慢资源？
  

  根据提示词，TRAE 用 Chrome DevTools MCP 对鲜达超市跑了三项测试：控制台日志（采集到 1 warn、2 error、1 未捕获 Promise 及来源行号）、网络请求（500 接口响应体 + 优惠券 NEW10 的请求体和响应体）、性能分析（录 8 秒追踪，定位 LCP 6053ms 主因是图片加载延迟 6011ms 和/api/recommendations 耗时 4019ms），最后输出了一份结构化报告。
  测试过程如下方视频所示：
  
  检查结果和性能问题总结如下：
  

数据库操作类 MCP

MySQL Server

MySQL Server 可以让 AI 查看数据库中的表、读取表结构、抽样查看数据，以及执行 SQL 查询。它支持本地运行，也支持通过 HTTP 或 SSE 的方式部署。

它适合后端、数据开发和排障场景。许多问题不能只通过代码定位，例如订单没有生成、字段没有写入、数据统计不一致等。此时，AI 可以先查看表结构和数据样本，再根据实际数据编写 Query。

这个 MCP 的重点不只是让 AI 生成 SQL，而是让 AI 根据数据库中的真实结构和查询结果继续分析问题。

• 如何添加 MySQL Server：
  1. 在 TRAE 中，前往 设置 > MCP。
  2. 点击 添加 > 从市场添加，然后在 MCP 市场中搜索并找到 MySQL Server。
     
  3. 点击 +，在弹窗中填入所需 JSON 配置，然后点击 确认 按钮。

     {
       "mcpServers": {
         "MySQL Server": {
           "command": "mysql_mcp_server",
           "args": [],
           "env": {
             "MYSQL_DATABASE": "",       // 要连接的 MySQL 数据库名称
             "MYSQL_HOST": "localhost",  // MySQL 服务器的主机地址
             "MYSQL_PASSWORD": "",       // MySQL 用户的密码
             "MYSQL_PORT": "3306",       // MySQL 服务器的端口号，默认为 3306
             "MYSQL_USER": ""            // 用于连接 MySQL 的用户名
           }
         }
       }
     }
     

• 使用案例：
  本示例用到的数据库为 mcp_test，通过专用账号 mcp_user 授权访问。库内包含两张关联表：users（用户表：用户 ID、姓名、邮箱、账户状态、注册时间）与 orders（订单表：订单 ID、下单用户、订单金额、下单时间），通过 user_id 关联。示例数据包含 20 名用户与 23 笔订单。

  users 表：	orders 表：

  提示词如下：

  调用 MySQL Server MCP，帮我完成对 mcp_test 数据库本周的用户与订单例行分析。所有表名一律使用限定名 mcp_test.users、mcp_test.orders，不要省略库名。先查看这两张表的结构和样本数据了解字段含义，然后依次完成：
  
  1. 给我一份业务总览：当前总用户数、各账户状态（active/frozen）的人数及占比、总订单数、总交易额、客单价。
  2. 找出核心用户：按消费总金额排名，列出前 10 名用户的姓名、邮箱、订单数、消费总额，并指出谁是最有价值用户。
  3. 分析转化缺口：列出注册了但从未下过单的用户，给出姓名、邮箱、注册时间，我要安排运营去触达；邮箱为空的单独标出来，提醒我补全联系方式。
  4. 看一下订单金额分布：按 0～50、50～100、100 以上三个区间统计订单量和占比，用文字描述消费结构。
  5. 我刚确认用户王五的邮箱已核实，帮我在 mcp_test.users 中把他的邮箱更新为 wangwu@example.com，更新后查询确认生效。
  6. 最后用一段话给出结论：业务现状如何、最需要关注的问题是什么、建议下一步做什么。
  

  TRAE 先读取了 MySQL MCP 中三个工具的参数描述，随后并行获取mcp_test.users 和mcp_test.orders 的表结构与样本数据以确认字段含义；接着并行执行了业务总览、Top10 消费排名、未下单用户、订单金额分布四项查询；然后把王五的邮箱更新为wangwu@example.com 并回查确认生效，同时全库扫描了邮箱为空的用户；最后将所有结果整理成六部分的分析报告并给出结论与建议。
  

DBX

DBX 是一款轻量级的跨平台数据库客户端，支持 MySQL、PostgreSQL、SQLite、Redis、MongoDB 等多种数据库和中间件。

DBX MCP 是 DBX 提供的 MCP Server。它让 TRAE 等 AI 工具使用 DBX 中已经配置好的数据库连接，执行查询、查看表结构和浏览数据。

它适合同时管理多个数据库的开发者。你不需要为 MySQL、PostgreSQL、Redis 或 MongoDB 分别配置不同的 MCP；在 DBX 中完成连接配置后，可以选择哪些连接允许 AI 访问。

DBX 还提供三种权限模式：只读、允许数据读写和完全访问。开发者可以先给 AI 分配只读权限，用它查看表结构、分析数据和验证 SQL；在确有需要时，再单独开放写权限。

• 前置条件：
  • 安装 DBX 客户端。
  • 在 DBX 客户端中连接你常用的数据库。你可以让 TRAE 帮你连接，提示词：

    把 {库名} 连接到 DBX
    

    连接完成后，前往 DBX 客户端验收（以小编本地的 MySQL 数据库为例）：
    
• 如何添加 DBX MCP：
  1. 在 TRAE 中，前往 设置 > MCP。
  2. 点击 添加 > 手动配置。
  3. 在弹窗中填入以下配置，然后点击 确认 按钮。

     {
       "mcpServers": {
         "dbx": { "command": "npx", "args": ["-y", "@dbx-app/mcp-server"] }
       }
     }
     

• 使用案例：
  数据库信息如下：
  本示例用到的数据库为 mcp_test，通过专用账号 mcp_user 授权访问。库内包含两张关联表：users（用户表：用户 ID、姓名、邮箱、账户状态、注册时间）与 orders（订单表：订单 ID、下单用户、订单金额、下单时间），通过 user_id 关联。示例数据包含 20 名用户与 23 笔订单。

  users 表：	orders 表：

  提示词如下：

  调用 DBX MCP，完成以下任务：
  
  1. 列出 DBX 客户端内 local-mysql 中的所有库
  2. 进 mcp_test 库，把所有表和每张表的结构给我
  3. 在 mcp_test 开事务，往 users 表插入一条测试数据
     （id=9999, name='MCP测试用户', email='mcp_test@example.com', status='active'，
     created_at 走默认值），然后查询确认写入
  

  输出如下：
  TRAE 通过 DBX MCP 依次列出 local-mysql 的全部库（共 5 个），查看 mcp_test 库下 orders 与 users 两张表的完整结构。随后开启事务，向 users 表插入 id=9999 的测试数据并查询确认写入成功，最后提交事务并关闭会话。除一次受事务保护的写入外，其余操作均为只读探查。
  

PostgreSQL

PostgreSQL MCP 是一个面向 PostgreSQL 的 MCP Server。它允许 AI 查看数据库中的表结构，并执行只读 SQL 查询；所有查询都会在只读事务中运行，因此不会修改数据库中的数据。

它适合数据排查、业务分析和 SQL 验证等场景。对于团队来说，先接入只读数据库 MCP，通常比直接开放写操作更容易控制风险。

• 如何添加 PostgreSQL MCP：
  1. 在 TRAE 中，前往 设置 > MCP。
  2. 点击 添加 > 从市场添加，然后在 MCP 市场中搜索并找到 PostgreSQL MCP。
     
  3. 点击 +，在弹窗中填写 PostgreSQL URL。你可以直接让 TRAE 根据你的数据库信息生成，然后复制粘贴即可。
     填写完成后，下方 JSON 配置中会自动添加你的 PostgreSQL URL。
     
  4. 点击 确认 按钮。
• 使用案例：
  mcp_lab 数据库由 products、customers、orders 和 order_items 四张表组成。数据包含：
  • 5 位客户、10 件商品、15 笔订单
  • 已支付（paid）、已取消（cancelled）、待配送（pending_delivery）三类订单
  • 库存为 0 和低库存商品
  • 2 条故意构造的异常数据

  产品信息表（products）：	顾客表（customers）：
  订单表（orders）：	订单明细表（order_items）：

  提示词如下：

  使用 PostgreSQL MCP 连接 mcp_lab 库，然后完成以下任务：
  
  1. 元数据探查
  列出所有表及各表行数，并说明 orders 与 order_items 的字段结构（字段名、类型、主键、外键指向）。
  
  2. 多表 JOIN 聚合报表
  在 mcp_lab 库中统计每位客户的订单数与累计消费金额。
  口径：排除已取消（cancelled）订单；金额按订单明细汇总（Σ 数量×单价），不使用 orders.total_amount。
  按金额降序输出客户姓名、订单数、消费金额。
  
  3. 找出商品销售 Top3
  在 mcp_lab 库中统计商品销售 Top3，两种口径并列给出：
  - 按销售数量：Σ quantity（排除已取消订单的明细）；
  - 按销售金额：Σ 数量×单价（同上排除已取消订单）。
  同一口径内出现并列时全部列出。输出：商品名、销量、销售额。
  
  4. 数据质量校验
  在 mcp_lab 库中做订单一致性校验，输出两类问题订单：
  - total_amount 与明细汇总（Σ 数量×单价）不一致的订单；
  - 没有任何明细行的订单。
  输出：订单号、状态、total_amount、明细汇总、差额；无问题的部分返回空集。
  

  输出如下：
  TRAE 通过 PostgreSQL MCP 连上 mcp_lab 库，依次完成：先查 information_schema 盘点 4 张表（customers 5 行、orders 15 行、order_items 24 行、products 10 行）及 orders/order_items 的字段、主键与外键指向；随后按指定口径，跑了客户消费聚合、商品销量/销售额双口径 RANK Top3（并列全列）、以及订单 total_amount 与明细汇总一致性和无明细订单两类质量校验，最后把结果整理成表格并标注了订单 15 同时命中两类问题。
  

3D 素材创作

Blender

Blender 是一款开源的 3D 创作软件，常用于建模、材质制作、动画、渲染和游戏资产制作。开发者和设计师可以用它制作产品原型、游戏场景和技术演示素材。

Blender MCP 是一个连接 AI 与 Blender 的社区项目。它让 AI 可以在 Blender 中创建、修改和删除 3D 对象、调整材质与颜色、执行 Blender Python 脚本，并输出渲染图来协助你检查结果。

例如，可以让 AI 根据文字描述先搭建一个基础场景，再逐步调整模型、灯光和材质。它适合需要快速制作 3D 原型、游戏素材或演示场景的开发者。

• 使用前提：
  • Blender：3.0 或更高版本
  • Python：3.10 或更高版本
  • 已安装 uv 包管理工具（uv package manager）
• 如何添加 Blender MCP：
  1. 在 TRAE 中，前往 设置 > MCP。
  2. 点击 添加 > 从市场添加，然后在 MCP 市场中搜索并找到 Blender MCP。
     
  3. 点击 +，直接使用弹窗中的默认 JSON 配置，然后点击 确认 按钮。
• 使用案例：
  在本使用案例中，使用的提示词十分简单，如下：

  调用 Blender MCP 创建一个 3D 场景：广阔的草坪上，立着一栋小木屋。
  

  接收到指令后，TRAE 便调用 Blender MCP 依次完成了以下任务：
  1. 连接 Blender 并清空默认场景。
  2. 创建广阔草坪，由大地面和草地材质组成。
  3. 搭建小木屋，由墙体、人字屋顶、门、窗、烟囱组成。
  4. 配置灯光、天空与相机机位。
  5. 细化场景，包括草地起伏与颜色、散布草叶、石头。
  6. 重调阳光、天空、机位并渲染确认。
     最终构建的场景如下：
  
  场景构建过程如下方视频所示：

2D/3D 应用开发

unityMCP

Unity 是一款常用于游戏、实时 3D 应用和交互式内容开发的引擎。开发者可以通过 Unity 编辑器管理场景、游戏对象、资源和 C# 脚本。

unityMCP 是一个连接 Unity 编辑器与 AI 工具的 MCP 项目。它可以让 AI 获取当前的场景层级、选中的对象和运行状态，读取 Unity 的日志，并在编辑器中执行 C# 命令。

例如，开发者可以让 AI 检查当前场景中的对象结构，定位 Console 中的报错，或创建一个基础的游戏对象。

• 前置条件：
  • Unity 2022.3+
  • Node.js 18+
  • npm 9+
• 安装并设置 UnityMCP：

  步骤序号	具体操作
  第一步	配置 Unity 插件： 获取仓库：git clone https://github.com/jackwrichards/UnityMCP.git。 将仓库中的UnityMCPPlugin 文件夹复制到 Unity 项目的Assets 目录中。 打开 Unity Editor，等待编译完成。 在顶部菜单栏中，选择 UnityMCP > Debug Window，打开插件的调试窗口。
  第二步	配置 MCP Server： 打开终端。 切换到 unity-mcp-server 目录：cd unity-mcp-server。 安装项目依赖：npm install。 构建项目：npm run build。 确认构建产物存在：ls build/index.js
  第三步	在 TRAE 中连接 Unity MCP： 在 TRAE 中，前往 设置 > MCP。 点击 添加 > 手动配置。 在弹窗中，输入以下 JSON 配置，然后点击 确认 按钮。 { "mcpServers": { "unityMCP": { "command": "node", "args": ["/绝对路径/UnityMCP/unity-mcp-server/build/index.js"] } } }
  第四步	在 Unity 中保持 MCP 连接： 打开 Unity 项目（Editor 需处于运行状态）。 在顶部菜单栏中，选择 UnityMCP > Debug Window，打开 UnityMCP 调试窗口。 插件将自动尝试连接 MCP Server。 在窗口中通过 Connection Status 确认连接情况并排查问题。

• 提示词示例：
  单场景提示词：

  - 列出当前场景的完整层级结构，并标出我选中的物体。
  
  - 列出当前项目里所有脚本文件的路径。
  
  - 在场景原点创建一个立方体，命名为 Ground。
  
  - 把场景中名为 Ground 的物体移动到 (0, 1, 0)，并绕 Y 轴旋转 45 度。
  
  - 进入播放模式。
  
  - 列出 Console 里最近的报错，只保留消息内容和时间戳。
  

  组合场景提示词：

  - 先检查场景里有没有名为 Ground 的物体；如果没有，就在原点创建一个立方体并命名为 Ground。
  
  - 先列出场景里所有名字包含 Cube 的物体，等我确认后把它们全部删除。
  
  - 进入播放模式，然后读取 Console 日志，最后退出播放模式并汇总日志。
  

godot-ai

godot-ai 是一个连接 AI 助手与 Godot 编辑器的 MCP 项目。它可以让 TRAE 等 AI 编程工具读取当前场景，创建和编辑节点、脚本与信号，并配置 UI、材质、动画、粒子、相机和环境等内容。

它适合使用 Godot 开发游戏或交互式应用的团队。开发者可以让 AI 搭建基础场景、补全交互逻辑、搜索项目资源，或运行测试。

它对 GDScript 提供完整支持，包括语法校验、热重载和脚本挂载；对 C# 的支持目前以写入和修改 .cs 文件为主，不负责构建或报告 .NET 编译错误。

• 前置条件：
  • Godot 4.7+
  • uv
• 安装并设置 Godot AI：

  步骤序号	具体操作
  第一步	下载 godot-ai 插件：打开 GitHub Releases，下载最新 godot-ai-v4-plugin.zip。
  第二步	安装 godot-ai 插件： 解压 godot-ai-v4-plugin.zip。 你将获得 addons 文件夹，里面包含 godot_ai 子文件夹。 将整个 addons 文件夹放入你的项目文件夹中。
  第三步	启用 godot-ai 插件： 在 Godot 中打开项目。 前往 项目 > 项目设置 > 插件，启用 Godot AI。 启用后，编辑器右侧会出现 Godot AI dock ，显示连接状态。
  第四步	配置 MCP client（TRAE）： 在 TRAE 中，前往 设置 > MCP。 点击 添加 > 手动配置。 在弹窗中，填入以下 JSON 配置，然后点击 确认 按钮。 { "mcpServers": { "godot-ai": { "command": "/opt/homebrew/bin/uvx", "args": [ "--isolated", "--no-config", "--no-env-file", "--no-sources", "--no-build", "--index-strategy", "first-index", "--keyring-provider", "disabled", "--index", "https://pypi.org/simple", "--default-index", "https://pypi.org/simple", "--find-links", "https://pypi.org/simple/godot-ai/", "--link-mode", "copy", "--from", "godot-ai==4.3.0", "godot-ai", "attach", "--port", "8000", "--ws-port", "9500" ] } } }

• 使用案例：
  用以下提示词，让 TRAE 调用 godot-ai MCP 搭建一个基础 3D 场景：

  帮我在 Godot 中搭建一个基础 3D 场景，要求如下：
  1. 以 Node3D 为根节点，保存为 main_3d.tscn。
  2. 添加 DirectionalLight3D，旋转约 (-45°, -30°, 0)，开启阴影。
  3. 添加 WorldEnvironment：程序化天空（ProceduralSky），环境光适中。
  4. 添加 Camera3D，位置 (0, 3, 8)，稍微向下俯视场景原点。
  5. 创建地面：StaticBody3D + BoxMesh（尺寸 20x1x20）+ 对应的 CollisionShape3D，位置 (0, -0.5, 0)。
  6. 在地面上摆放 3 个物体：一个 CSGBox3D（0, 0.5, 0）、一个 CSGSphere3D（2, 1, -1）、一个 CSGCylinder3D（-2, 1, -2），高度都以贴地为准。
  7. 完成后展示场景树结构并保存场景，最后截图给我确认效果。
  

  3D 场景自动构建过程如下方视频所示：
  

命令行

Windows CLI

Windows CLI MCP 是一个面向 Windows 的命令行 MCP Server。它可以让 AI 使用 PowerShell、CMD 和 Git Bash 执行命令，也可以通过 SSH 管理已配置的远程服务器。

项目支持设置允许操作的目录、禁止执行的命令、命令超时和 SSH 连接范围，用于限制 AI 的命令执行权限。由于它可以访问文件、环境变量和远程系统，使用时需要谨慎配置路径和 SSH 权限。

• 如何添加 Windows CLI MCP：
  1. 在 TRAE 中，前往 设置 > MCP。
  2. 点击 添加 > 从市场添加，然后在 MCP 市场中搜索并找到 Windows CLI MCP。
     
  3. 点击 +，在弹窗中填入以下 JSON 配置，然后点击 确认 按钮。

     {
       "mcpServers": {
         "windows-cli": {
           "command": "npx",
           "args": ["-y", "@simonb97/server-win-cli"]
         }
       }
     }
     

• 使用案例一：排查本地项目的启动问题
  开发者在 Windows 上运行项目时，常常需要检查 Node.js、Python、Git、环境变量、端口占用和日志文件。Windows CLI MCP 可以让 AI 在指定项目目录中执行这些检查，并汇总结果。

  在 C:\Projects\demo-app 中检查项目为什么无法启动。
  
  请依次执行以下操作：
  1. 查看 package.json 中的 scripts；
  2. 检查 Node.js、npm 和 Git 的版本；
  3. 检查 3000 端口是否被占用；
  4. 执行 npm install 和 npm run dev；
  5. 如果启动失败，读取错误输出并说明原因。
  
  不要修改 package.json、删除文件或结束任何进程。
  

  这个案例适合新成员配置开发环境，也适合处理本地项目无法运行之类的常见问题。配置时只需要将 C:\Projects 加入允许操作的目录。
• 使用案例二：检查远程测试服务器的服务状态和日志
  如果已经在 Windows CLI MCP 中配置了 SSH 连接，AI 可以通过 SSH 执行只读的巡检命令，例如检查服务状态、磁盘空间、最近的错误日志和端口监听情况。

  使用名为 staging-server 的 SSH 连接检查测试环境。
  
  请执行以下操作：
  1. 查看应用服务的运行状态；
  2. 查看磁盘使用率和内存使用情况；
  3. 查看最近 30 分钟的错误日志；
  4. 检查应用端口是否正在监听；
  5. 按“正常项、异常项、建议处理方式”输出结果。
  
  不要重启服务、修改配置、删除日志或执行部署操作。
  

  这个案例适合测试环境的日常巡检和问题初步定位。建议为 SSH 连接配置权限受限的账号，并将服务重启、部署和文件删除等命令加入禁止列表。