通过引入合适的 MCP Server，智能体可以更深度地参与到日常开发流程中，协助完成项目文件读取、官方文档获取、浏览器自动化、代码仓库管理，以及跨会话的上下文维护等任务。

本文基于真实开发场景，介绍 TraeCode 中常用的 10 个 MCP Server，梳理它们的核心能力、使用场景与可用工具，帮助你在不同开发阶段选择合适的 MCP Server，从而提升开发效率。

概览

本文介绍的 10 个 MCP Server 如下：

Context7

Context7 MCP Server 提供面向 AI 模型的文档检索与上下文注入能力，可实时获取官方文档的最新内容和指定版本的代码示例，确保模型在回答问题、生成代码或提供方案时，基于最新的官方信息。

• 核心功能
  • 官方文档实时检索 直接从官方文档源获取内容，而非依赖模型训练阶段的静态知识，支持检索最新或指定版本的 API 参考与示例代码。
  • 文档上下文注入 将检索到的文档内容直接注入到 LLM 的上下文中，使模型在“已阅读官方文档”的前提下进行回答或生成代码。
  • 库与文档的标准化解析 将模糊的库名映射为 Context7 可识别的库 ID，确保后续可准确查询到目标文档。
• 使用场景
  • API 开发 获取最新框架或 SDK 的 API 定义与示例，避免误用已废弃或不存在的接口。
  • 配置与脚本编写 编写 Cloudflare Workers、中间件，或构建、部署相关配置时，确保配置项和字段名称与官方文档中的内容一致。
  • 代码生成与重构 在生成或重构代码时，确保实现方式符合当前的官方推荐做法，减少因文档过时导致的返工。
  • 问题排查与最佳实践查询 基于官方文档获取错误说明、使用限制和推荐方案，提高问题定位与解决的准确性。
• 工具 Context7 MCP Server 为 LLM 提供以下可调用的工具：

  工具	描述
  resolve-library-id	将通用的库名称解析为 Context7 兼容的库 ID。
  query-docs	使用 Context7 兼容的库 ID 获取指定库的文档。

Puppeteer

Puppeteer MCP Server 提供浏览器自动化能力，使 LLM 能够在真实的浏览器环境中与网页进行交互、截取屏幕截图，并执行 JavaScript。

• 核心功能
  • 浏览器控制自动化 在真实浏览器中进行页面导航，支持点击、悬停、表单填写等基础网页交互操作，模拟用户行为。
  • JavaScript 执行 直接在浏览器控制台中执行 JavaScript，既能读取当前页面的各类状态信息，也能完成计算任务或触发页面的内置逻辑。
  • 页面捕获 对整个页面或指定元素进行截图，为 AI 模型提供直观、可验证的页面渲染结果。
  • 控制台日志监控 获取浏览器控制台的输出信息，包括页面脚本产生的所有 console 日志，辅助调试与问题定位。
• 使用场景
  • 网页功能验证与调试 验证网页交互功能是否符合预期效果，同时结合捕获的控制台日志，辅助开发人员快速定位并调试前端问题。
  • 页面状态与渲染检查 通过截图功能确认网页的 UI 渲染效果是否达标，同时可对比不同操作前后的页面变化，验证操作对页面的影响。
• 工具 Puppeteer MCP Server 为 LLM 提供以下可调用的工具：

  工具	描述
  puppeteer_navigate	在浏览器中导航到任意 URL。
  puppeteer_screenshot	对整个页面或指定元素进行截图。
  puppeteer_click	点击页面中的元素。
  puppeteer_hover	将鼠标悬停在页面元素上。
  puppeteer_fill	填写输入框。
  puppeteer_select	选择带有 SELECT 标签的元素。
  puppeteer_evaluate	在浏览器控制台中执行 JavaScript。

Sequential Thinking

Sequential Thinking MCP Server 通过结构化的思维流程，为动态且具反思性的问题求解提供工具。

• 核心功能
  • 将复杂问题拆解为可管理的步骤。
  • 随着理解加深，对思路进行修订和完善。
  • 在不同的推理路径之间进行分支探索。
  • 动态调整整体思考步骤的数量。
  • 生成并验证解决方案假设。
• 使用场景
  • 拆解复杂问题，并按步骤逐步解决。
  • 需要预留修改空间的规划与设计过程。
  • 可能需要中途调整方向的分析任务。
  • 一开始难以完全明确问题范围的场景。
  • 需要在多个步骤中持续保持上下文的任务。
  • 需要过滤无关信息、聚焦关键信息的情况。
• 工具 Sequential Thinking MCP Server 为 LLM 提供以下可调用的工具：

  工具	描述
  sequential_thinking	为问题求解和分析提供细致的、逐步推进的思考过程。

GitHub

GitHub MCP Server 基于 GitHub API，允许 LLM 直接访问并管理 GitHub 上的仓库、代码、用户、Issue 与 Pull Request。

该 MCP Server 支持的所有操作仅作用于 GitHub 上的远程资源：所有文件操作均发生在 GitHub 仓库中，通过 Commit 与 Pull Request 提交，不会读取或修改用户本地的文件系统。

• 核心功能
  • 仓库与文件管理 支持全面管理代码库，支持仓库的创建、Fork、搜索及分支管理；同时具备精细的文件操作功能，允许直接读取内容、创建或更新文件以及批量推送代码。
  • Issue 追踪 聚焦于项目进度的管理与协同，支持对 Issue 进行创建、筛选、状态更新及评论。
  • Pull Request 协作 涵盖代码合并的全生命周期，从发起 Pull Request、查看变更详情、同步分支最新改动，到最终合并代码。
  • 代码评审与信息检索 支持发起和管理代码评审，获取评审意见；同时提供强大的搜索能力，可快速定位代码片段、用户或相关评论。
• 使用场景
  • AI 辅助代码开发 自动执行从代码修改、分支创建到变更提交的全流程。在遵循版本控制规范的前提下，实现开发需求的快速落地与代码历史的清晰记录。
  • 自动化协作工作流 全面接管 Issue 追踪与 Pull Request 管理。自动完成任务创建、上下文补充、评审及分支合并，减少人工操作成本。
  • 项目调研与分析 深度解析仓库的架构、代码逻辑及变更历史。结合全局检索能力，快速定位核心信息并梳理项目脉络，然后生成调研报告。
  • 智能的仓库管理 将 AI 作为团队协作的一部分，执行重复性的 GitHub 操作，提升个人或团队的开发效率。
• 工具 GitHub MCP Server 为 LLM 提供以下可调用的工具：

  工具	描述
  create_or_update_file	在仓库中创建或更新单个文件。
  push_files	在一次提交中推送多个文件。
  search_repositories	搜索 GitHub 仓库。
  create_repository	创建新的 GitHub 仓库。
  get_file_contents	获取文件或目录内容。
  create_issue	创建新的 Issue。
  create_pull_request	创建新的 Pull Request。
  fork_repository	Fork 一个仓库。
  create_branch	创建新分支。
  list_issues	列出并筛选仓库 Issue。
  update_issue	更新已有 Issue。
  add_issue_comment	为 Issue 添加评论。
  search_code	在 GitHub 上搜索代码。
  search_issues	搜索 Issue 和 Pull Request。
  search_users	搜索 GitHub 用户。
  list_commits	获取仓库某个分支的提交记录。
  get_issue	获取仓库中指定 Issue 的内容。
  get_pull_request	获取指定 Pull Request 的详情。
  list_pull_requests	列出并筛选仓库的 Pull Request。
  create_pull_request_review	为某个 Pull Request 创建评审。
  merge_pull_request	合并 Pull Request。
  get_pull_request_files	获取某个 Pull Request 中变更的文件列表。
  get_pull_request_status	获取某个 Pull Request 的所有状态检查的汇总状态。
  update_pull_request_branch	使用 base 分支的最新更改更新某个 Pull Request 分支（等同于 GitHub 中的 “Update branch” 按钮）。
  get_pull_request_comments	获取某个 Pull Request 的评审评论。
  get_pull_request_reviews	获取某个 Pull Request 的评审记录。

Figma AI Bridge

Figma AI Bridge MCP Server 针对设计到实现阶段，提供查看、分析和提取 Figma 设计数据的能力，帮助 LLM 理解你的设计思路并辅助你精确还原设计稿中的内容。

• 核心功能
  • Figma 设计解析 获取 Figma 文件或指定节点的布局与结构信息。在无法直接获得节点 ID 的情况下，仍可分析整个设计文件。
  • 设计资源下载 根据图像或图标节点 ID，自动下载设计中使用的 SVG / PNG 图片，便于在实现阶段直接复用设计资产。
  • 为 AI 提供可理解的设计上下文 将 Figma 中的设计信息转换为 AI 可消费的数据，为后续的代码生成、样式还原或布局分析提供依据。
• 使用场景
  • 设计还原与前端实现 辅助 AI 理解设计的结构，提高实际实现与设计稿的一致性。
  • 设计资产自动提取 自动下载图标、图片等资源，减少手动操作。
  • 设计到代码的自动转换 为代码生成提供设计思路相关的准确上下文，作为从设计到实现链路中的关键一环。
  • Agent 驱动的 UI 分析与实现 让 AI 在理解设计思路的基础上分析 UI 布局并思考实现方案。
• 工具 Figma AI Bridge MCP Server 为 LLM 提供以下可调用的工具：

  工具	描述
  download_figma_images	根据图像或图标节点的 ID，下载 Figma 文件中使用的 SVG 和 PNG 图片。
  get_figma_data	当无法获取节点 ID 时，用于获取整个 Figma 文件的布局信息。同时支持获取某个 Figma 文件或文件中指定节点的相关信息。

Playwright

Playwright MCP Server 基于 Playwright 提供浏览器自动化能力，使 LLM 能够在真实的浏览器环境中与网页交互、截取屏幕截图、生成测试代码、抓取网页内容，并执行 JavaScript。

相较于基础浏览器自动化，它进一步扩展了测试代码生成、网络请求控制与多设备模拟等能力，适合更复杂、结构化的网页测试。

• 核心功能
  • 自动化浏览器控制
    • 支持页面导航、点击、悬停、表单填写、拖拽、键盘操作等交互。
    • 覆盖普通 DOM 以及 iframe 场景。
  • 代码生成与测试录制（Codegen）
    • 支持开启代码生成会话，记录浏览器操作。
    • 自动生成可复用的 Playwright 测试代码文件。
  • 页面内容捕获
    • 对页面或指定元素进行截图。
    • 提取页面可见文本或 HTML 内容。
    • 支持将页面保存为 PDF。
  • JavaScript 执行与控制台调试
    • 在浏览器上下文中执行 JavaScript。
    • 获取并过滤浏览器控制台日志，用于调试与分析。
  • 网络请求与响应控制
    • 主动发起 HTTP 请求。
    • 支持等待并断言特定网络响应，便于接口级验证。
  • 多设备与浏览器环境模拟
    • 调整浏览器视口大小或使用设备预设。
    • 内置 143+ 设备模型，提供正确的 User-Agent 与触控模拟，支持自定义 User-Agent。
• 使用场景
  • 自动化测试与测试代码生成
    • 执行由 AI 驱动的网页测试并录制真实操作，生成 Playwright 测试脚本。
    • 回归测试、端到端测试。
  • 复杂网页交互验证
    • 验证页面在不同设备、分辨率和 User-Agent 下的交互逻辑。
    • 处理 iframe、文件上传、标签页切换等复杂交互。
  • 请求级调试与验证
    • 同时验证前端交互与后端接口响应。
    • 适合需要精确控制请求与响应的调试场景。
  • Agent 驱动的网页操作与信息采集
    • 抓取可见内容或结构化 HTML。
    • 在真实浏览器上下文中完成端到端任务。
• 工具 Playwright MCP Server 为 LLM 提供以下可调用的工具：

  工具	描述
  start_codegen_session	开始一个新的代码生成会话，用于记录 Playwright 操作。
  end_codegen_session	结束代码生成会话并生成测试文件。
  get_codegen_session	获取关于代码生成会话的信息。
  clear_codegen_session	清除代码生成会话而不生成测试文件。
  playwright_navigate	导航到一个 URL。
  playwright_screenshot	对当前页面或特定元素进行截图。
  playwright_click	点击页面上的元素。
  playwright_iframe_click	点击 iframe 中的元素。
  playwright_iframe_fill	在页面中的 iframe 里填充某个元素。
  playwright_fill	填写输入字段。
  playwright_select	使用 Select 标签选择页面上的元素。
  playwright_hover	悬停在页面的元素上。
  playwright_upload_file	将文件上传到页面中的 input[type="file"] 元素。
  playwright_evaluate	在浏览器控制台执行 JavaScript。
  playwright_console_logs	检索浏览器的控制台日志（带过滤选项）。
  playwright_resize	使用自定义尺寸或设备预设来调整浏览器视口大小。支持 143 种以上的设备预设，包括 iPhone、iPad、各类 Android 设备以及桌面浏览器，并提供正确的 User-Agent 和触控（Touch）模拟。
  playwright_close	关闭浏览器并释放所有资源。
  playwright_get	执行 HTTP GET 请求。
  playwright_post	执行 HTTP POST 请求。
  playwright_put	执行 HTTP PUT 请求。
  playwright_patch	执行 HTTP PATCH 请求。
  playwright_delete	执行 HTTP DELETE 请求。
  playwright_expect_response	请求 Playwright 开始等待某个 HTTP 响应。该工具只会启动等待操作，但不会阻塞或等待该操作完成。
  playwright_assert_response	等待并校验之前已发起的 HTTP 响应等待操作。
  playwright_custom_user_agent	为浏览器设置自定义 User-Agent。
  playwright_get_visible_text	获取当前页面的可见文本内容。
  playwright_get_visible_html	获取当前页面的 HTML 内容。默认情况下，输出结果会移除所有 <script> 标签，除非显式将 removeScripts 设置为 false。
  playwright_go_back	在浏览器历史中后退。
  playwright_go_forward	在浏览器历史中前进。
  playwright_drag	将元素拖动到目标位置。
  playwright_press_key	按下键盘键。
  playwright_save_as_pdf	将当前页面保存为 PDF 文件。
  playwright_click_and_switch_tab	点击一个链接并切换到新打开的标签页。

Memory

Memory MCP Server 通过本地知识图谱（Knowledge Graph）持久化记忆，使 LLM 能够跨会话保留用户相关的上下文信息。

它的核心目标是将零散、非结构化的用户信息转化为可结构化、可查询、可演化的长期记忆，并在后续对话中被持续维护和利用。

Memory MCP Server 采用知识图谱作为记忆模型，由以下三类核心概念共同构成一个可扩展的记忆网络：

• 核心功能
  • 结构化、持久化记忆 将用户相关信息以 Entity-Relation-Observation 的形式存储。存储的信息会跨会话持续存在，不随单次对话结束而丢失。
  • 记忆的增量演化 支持向已有 Entity 不断添加新的 Observation，以及创建和调整 Entity 之间的 Relation。
  • 查询与维护记忆 支持按条件搜索节点。可读取整个知识图谱，便于调试和理解记忆。
  • 清理记忆 支持删除指定 Entity 及其关联的 Relation；支持删除指定 Observation 或 Relation，避免记忆污染。
• 使用场景
  • 跨会话用户记忆 记住用户的偏好、背景、项目状态等信息，从而在后续对话中提供更连续、一致的体验。
  • Agent 的长期状态管理 让 AI Agent 拥有可演化的“内部状态”，支撑长期任务与多轮协作。
  • 复杂上下文的结构化管理 避免将大量历史信息堆叠在 Prompt 中，提高上下文可控性与可维护性。
  • 可解释的 AI 记忆系统 通过知识图谱，清晰展示模型所记住的信息，便于调试和人工干预。
• 工具 Memory MCP Server 为 LLM 提供以下可调用的工具：

  工具	描述
  create_entities	在知识图谱中创建多个新 Entity。
  create_relations	在 Entity 之间创建多条新关系。
  add_observations	向已有 Entity 添加新 Observation。
  delete_entities	删除 Entity 及其所有 Relation。
  delete_observations	从 Entity 中删除指定的 Observation。
  delete_relations	从知识图谱中删除指定的 Relation。
  read_graph	读取整个知识图谱。
  search_nodes	根据查询条件搜索节点。
  open_nodes	按名称获取指定节点。

Excel

Excel MCP Server 用于读取 Microsoft Excel 文件中的电子表格数据，或向其中写入数据。

• 核心功能
  • 读取 / 写入文本值
  • 读取 / 写入公式
  • 创建新的工作表
  • (仅 Windows) 实时编辑
  • (仅 Windows) 为工作表截图
• 使用场景
  • 自动化数据处理 批量读取、整理和写入 Excel 数据，自动生成结构化表格与计算公式。
  • 报表生成 自动生成分析报表或业务数据表。
  • 办公自动化与 Agent 流程 作为 AI Agent 操作办公文件的重要接口，可以与其他 MCP Server 协同使用。
  • 可视化结果校验（Windows） 通过截图方式确认表格的布局与内容是否符合预期。
• 工具 Excel MCP Server 为 LLM 提供以下可调用的工具：

  工具	描述
  excel_describe_sheets	列出指定 Excel 文件中的所有工作表信息。
  excel_read_sheet	以分页方式读取 Excel 工作表中的数据。
  excel_screen_capture	(仅 Windows) 以分页方式为 Excel 工作表截图。
  excel_write_to_sheet	向 Excel 工作表写入数据。
  excel_create_table	在 Excel 工作表中创建表格。
  excel_copy_sheet	将现有工作表复制为一个新的工作表。
  excel_format_range	为 Excel 工作表中的单元格设置样式格式。

File System

File System MCP Server 提供基于文件系统的文件读取能力。

• 主要功能
  • 通过 MCP 实现无缝的文件读取。
  • 命令行式的 API Key 配置。
• 使用场景
  • 文档与配置读取 在对话或自动化流程中直接读取项目文档、配置文件或说明文件，为模型提供准确的上下文。
  • 代码与资源分析 读取源代码、脚本或资源文件，辅助进行代码理解、审查或问题定位。
  • 工作流集成 将文件读取能力集成到现有流程中，减少手动复制粘贴文件内容，提高自动化水平。
• 工具 File System MCP Server 为 LLM 提供以下可调用的工具：

  工具	描述
  read-file	从文件系统读取文件。

Chrome DevTools MCP

Chrome DevTools MCP 让 AI 智能体能够直接控制并深入检查 Chrome 浏览器。它向 AI 开放了 Chrome DevTools 的全部能力，使其能更精准、高效地完成网页自动化测试、故障排查及性能分析等任务。

• 主要功能
  • 浏览器自动化 通过 Chrome DevTools Protocol 在 Chrome 中自动化各类操作，并自动等待结果。
  • 性能洞察 使用 Chrome DevTools 记录性能追踪（traces）数据，并提取可执行的性能优化策略。
  • 浏览器调试 分析网络请求、截取屏幕截图，并检查浏览器控制台信息。
• 使用场景
  • 浏览器相关操作自动化 由 AI 直接控制 Chrome 来执行页面交互（导航、点击、输入、等待等），实现稳定、可复现的自动化流程。
  • 前端调试与问题排查 访问控制台日志、网络请求和页面状态，辅助定位前端错误、接口异常等问题。
  • 性能分析与优化 记录并分析性能追踪数据，获取性能洞察和 Core Web Vitals 指标，用于发现并处理页面的性能瓶颈。
• 工具 Chrome DevTools MCP 为 LLM 提供以下可调用的工具：

  工具	描述
  click	点击指定的元素。
  close_page	根据页面索引关闭页面。最后一个打开的页面不能被关闭。
  drag	将一个元素拖拽到另一个元素上。
  emulate	在选中的页面上模拟多种特性。
  evaluate_script	在当前选中的页面中执行一个 JavaScript 函数，并将响应以 JSON 形式返回，使返回值可被 JSON 序列化。
  fill	在输入框或文本区域中输入文本，或从 <select> 元素中选择一个选项。
  fill_form	一次性填写多个表单元素。
  get_console_message	根据 ID 获取一条控制台消息。你可以通过调用 list_console_messages 获取所有消息。
  get_network_request	根据可选的 reqid 获取一条网络请求；如果省略，则返回 DevTools Network 面板中当前选中的请求。
  handle_dialog	如果打开了浏览器对话框，使用该命令进行处理。
  hover	将鼠标悬停在提供的元素上。
  list_console_messages	列出自上次导航以来，当前选中页面的所有控制台消息。
  list_network_requests	列出自上次导航以来，当前选中页面的所有网络请求。
  list_pages	获取浏览器中打开的页面列表。
  navigate_page	将当前选中的页面导航到一个 URL。
  new_page	创建一个新的页面。
  performance_analyze_insight	针对追踪记录结果中高亮显示的某个 Performance Insight，提供更详细的信息。
  performance_start_trace	在选中的页面上开始性能追踪记录。该记录可用于查找性能问题并获取改进页面性能的洞察，同时还会报告页面的 Core Web Vital（CWV）分数。
  performance_stop_trace	在所选中页面上，停止活跃的性能追踪记录。
  press_key	按下某个按键或组合键。当无法使用其他输入方式（如 fill()）时使用（例如键盘快捷键、导航键或特殊组合键）。
  resize_page	调整所选中页面的窗口的大小，使页面具有指定的尺寸。
  select_page	选择一个页面，作为后续工具调用的上下文。
  take_screenshot	对页面或元素进行截图。
  take_snapshot	基于 a11y（Accessibility）树，对当前选中的页面生成文本快照。快照会列出页面元素及其唯一标识（uid）。始终使用最新快照。 相比截图，优先使用快照。快照会指示 DevTools Elements 面板中选中的元素（如果有）。
  upload_file	通过提供的元素上传文件。
  wait_for	等待指定文本出现在选中的页面上。

如何添加 MCP Server？

关于如何在 TraeCode 中添加 MCP Server，参考添加 MCP Server。