#TraeAgent # AI编程 一个可以在单次对话中持续与用户保持沟通的Agent

我用Trae 做了一个有意思的Agent 「Echo」。 点击 s.trae.ai/a/94dd3d 立即复刻，一起来玩吧！

需求发送给AI编辑器后，AI持续生成代码，尤其是对于大型项目，可能会因为中间方案细节与用户预期不符导致的一步步错误累计，最终效果相差甚远。开发部署了一个MCP工具，可以在Trae、VScode等AI编辑器中引入，通过prompt引入Agent持续沟通的工作范式。

最终效果：

示例为开发一个IP摄像头，中间开发过程可选组件方案众多，无介入持续控制过多次无法成功实现。

解决的问题：

1. 复杂项目中中间组件，方案选择先与用户确认。
2. 编译过程中AI日志、上下文召回的局限性可能导致很难或者需要很多次尝试才找到问题。
3. 通过开发者对问题的准确提炼，提供高信噪比上下文可大大节省AI重复次数，冗余代码引入。
4. 在很多项目的开发过程中，很难让AI通过自动化去得到运行效果（大数据计算、远端运行等），需要开发者介入提供运行效果反馈。
5. 各种AI编辑器即使订阅用户请求次数也有限，通过此Agent不需要停止当此运行，节省请求资源。
6. 通过持续的反馈大大减少AI无效的尝试，减少AI生成资源。

如何解决：

开发了可以本地弹窗跟用户对话的对话框并符合MCP协议——github.com/whyuds/Codi… 可以在Trae、Cursor、VScode等通过以下配置引入，并本地化运行。

{
  "mcpServers": {
    "CodingConverse": {
      "command": "python",
      "args": ["-m","coding_converse"],
      "env": {
        "PYTHONIOENCODING": "utf-8",
        "LANG": "zh_CN.UTF-8"
      }
    }
  }
}

演示开发的APP效果：

总结

Echo Agent是一个为AI编辑器设计的交互增强工具，解决了AI代码生成过程中缺乏持续反馈导致的方案偏离问题。是未来AI编程必要的开发范式之一。