与 Trae 集成
Trae 是一款可集成 MCP Server 的 IDE，可从官网下载最新版本。
本文将展示如何使用 Trae 与 seekdb Agent Skill 集成，快速构建可被 AI 自动调用的知识包 + 工作流，以及如何使用 Trae 与 seekdb MCP Server 集成，快速构建后端应用程序。
- seekdb Agent Skill 与 Trae 集成
- seekdb MCP Server 与 Trae 集成
Agent Skills 是由 Anthropic 主导设计、现已作为开放标准发布的 AI 能力扩展格式。其核心思想是：将指令、脚本和资源打包成一个文件夹，AI Agent 可以按需发现并加载这些「技能」，从而更准确、更高效地完成任务。
seekdb Agent Skills 是基于该标准构建的「可被 AI 自动调用的知识包 + 工作流」。在 Trae 中安装后，当你提问 seekdb 相关问题时，Trae 的 AI 会自动按技能说明查阅 seekdb 文档或执行数据导入导出等操作，无需记住命令或手动复制文档，即可在编码过程中获得 seekdb 的官方文档支持与实操能力。更多关于 Agent Skill 的信息，请参考 seekdb Agent Skills。
支持的技能
| 技能 | 说明 | 典型问题示例 |
|---|---|---|
| seekdb（默认安装） | 覆盖 seekdb 官方文档（快速入门、开发指南、SDK/API、多模型数据、集成与运维等），AI 会根据你的问题自动定位到对应文档并给出答案或示例。 | 如何部署 seekdb？ / seekdb 的向量搜索怎么用？ |
| importing-to-seekdb | 将数据导入 seekdb 的集合（Collection），支持指定列做向量化。导入前 可预览 Excel/CSV 结构和样例数据。 | 把 sample_products.xlsx 导入 seekdb，Details 列向量化。 |
| querying-from-seekdb | 按元数据条件过滤进行标量搜索，支持全文 + 语义混合搜索（RRF 排序），结果可导出为 CSV 或 Excel。 | 推荐 2 款评分 4.3 以上、AMOLED 屏的手机。 |
在 Trae 中安装 seekdb Agent Skills
Trae 通过项目根目录下的 .trae/skills 目录识别并加载 Agent Skill。按以下步骤完成安装：
-
进入你希望安装技能的项目根目录。
cd /path/to/your/project -
安装交互式安装器。
pip install seekdb-agent-skills -
运行交互式安装器。
seekdb-agent-skills -
选择工具。
通过键盘上的 ↑↓ 键选择 Trae，Enter 键确认。
🚀 seekdb Agent Skills Installer
==================================================
📋 Select tool to install to:
? Select one tool (use ↑↓ to navigate, Enter to confirm, Ctrl+C to cancel): (Use arrow keys)
Claude Code
OpenClaw
Cursor
Codex
OpenCode
GitHub Copilot
Qoder
» Trae -
确认安装位置。
📁 Project root: /path/to/your/project
(Skills will be installed under .trae/skills)
? Install skills to this directory? (Y/n)输入
Y确认，输入n退出安装器。 -
选择需要安装的技能。
如果仅需要 AI 参考 seekdb 文档，直接回车即可。如果需要向 seekdb 中导入导出 Excel/CSV 文件，可以同时选择 importing-to-seekdb 和 querying-from-seekdb 技能。通过键盘上的 ↑↓ 键选择技能，空格 进行多选，Enter 键确认安装。
📦 Select skills to install:
? Select skills (use ↑↓ to navigate, Space to select, Enter to confirm, Ctrl+C to cancel): (Select multiple with Space)
» ● seekdb
○ importing-to-seekdb
○ querying-from-seekdb
在 Trae 中使用 seekdb Agent Skills
安装完成后，使用 Trae 打开安装了技能的项目根目录，在聊天中直接提问即可。AI 会自动调用对应技能并基于文档或技能能力作答。
示例提问：
- 怎么在 Mac 上部署 seekdb？
- seekdb 的向量搜索怎么用？
- 在 seekdb 中如何实现混合搜索？
MCP（Model Context Protocol） 是 Anthropic 公司于 2024 年 11 月推出并开源，旨在实现大语言模型与外部工具或数据源交互的协议。通过 MCP，用户不需要将大模型的输出手动复制执行，大模型可以直接指挥工具执行相应的动作（Action）。
MCP Server 通过 MCP 协议提供了大模型与 seekdb 交互的能力，可以执行 SQL 语句。通过合适的客户端可以快速搭建项目原型，已在 github 上开源。
前提条件
-
您已完成部署 seekdb。
-
安装 Python 3.11 及以上版本 和相应 pip。如果您的机器上 Python 版本较低，可以使用 Miniconda 来创建新的 Python 3.11 及以上的环境，具体可参考 Miniconda 安装指南。
-
安装 Python 包管理器 uv。安装完成后，可使用
uv --version命令验证安装是否成功：pip install uv
uv --version -
下载 Trae IDE，根据自己的操作系统选择合适的版本进行安装。
步骤一：获取数据库连接信息
联系 seekdb 部署人员或者管理员获取相应的数据库连接串，例如：
mysql -h$host -P$port -u$user_name -p$password -D$database_name
参数说明：
-
$host：提供 seekdb 连接 IP 地址。 -
$port：提供 seekdb 连接端口，默认是2881。 -
$database_name：需要访问的数据库名称。提示连接的用户需要拥有该数据库的
CREATE、INSERT、DROP和SELECT权限。 -
$user_name：提供数据库连接账户。 -
$password：提供账户密码。
步骤二：配置 seekdb MCP Server
安装 seekdb MCP Server
执行下面的命令进行安装：
pip install seekdb-mcp-server
配置 seekdb 服务器环境变量到 .env 文件中
在当前目录下创建一个名为 .env 的文件，并添加以下内容：
vi .env
SEEKDB_HOST=localhost # 数据库主机
SEEKDB_PORT=2881 # 数据库端口（默认：2881）
SEEKDB_USER=your_username
SEEKDB_PASSWORD=your_password
SEEKDB_DATABASE=your_database
以 SSE 模式启动
env $(cat .env | xargs) uvx seekdb-mcp-server --transport sse --port 8000 --host 0.0.0.0
创建 Trae 客户端的工作目录并配置 seekdb MCP Server
手动创建一个 Trae 的工作目录，并用 Trae 打开，后面 Trae 生成的文件将放在这个目录下，示例的目录名为 trae-generate。
使用快捷键 Ctrl + U（Windows）或者 Command + U（MacOS）打开聊天对话框，点击右上角的齿轮，选择 MCP。
配置 seekdb MCP Server
-
点击
Add Custom MCP填写配置文件。 。
-
填写配置文件，点击确认。
{
"mcpServers": {
"sse-seekdb": {
"autoApprove": [],
"disabled": false,
"timeout": 60,
"type": "sse",
"url": "http://ip:port/sse"
}
}
} -
如配置成功，将显示
可使用状态。
测试 MCP Server
-
选择
Builder with MCP智能体。
-
在对话框中输入提示
How many tables in the test database?，Trae 客户端会主动执行完命令。将展示test库中的所有表名称，这就表明我们已经成功连接到 seekdb。
使用 FastAPI 快速创建 RESTful API 风格的项目
你可以使用 FastAPI 快速创建 RESTful API 风格的项目。FastAPI 是一个 Python 的 Web 框架，可以快速构建 RESTful API。
-
创建 customer 表
在对话框中输入提示：
Create a "customer" table with "ID" as the primary key and containing fields such as "name", "age", "telephone", and "location"，确认 SQL 语句后，点击Accept按钮执行。
-
插入测试数据
在对话框中输入提示：
Insert 10 pieces of data into the customer table。
-
创建 FastAPI 项目
在对话框中输入提示：
Create a FastAPI project on the customer table。
此步骤将自动生成多个文件。建议首次使用时选择
Accept All，因为 AI 生成的文件内容可能具有不确定性，后续可根据实际需求进行调整。 -
FastAPI 项目配置数据库连接信息
-
安装项目依赖
执行如下命令，安装项目依赖：
pip install -r requirements.txt -
启动 FastAPI 项目
执行如下命令，启动 FastAPI 项目：
source .env
uvicorn main:app --reload -
查看表中数据
在命令行中运行如下命令，或者使用其他请求工具，查看表中的数据：
curl http://127.0.0.1:8000/customers返回结果如下：
[{"name":"John Smith","age":35,"telephone":"555-1234","location":"New York, NY","ID":1},{"name":"Sarah Johnson","age":28,"telephone":"555-5678","location":"Los Angeles, CA","ID":2},{"name":"Michael Brown","age":42,"telephone":"555-9012","location":"Chicago, IL","ID":3},{"name":"Emma Davis","age":31,"telephone":"555-3456","location":"Houston, TX","ID":4},{"name":"James Wilson","age":45,"telephone":"555-7890","location":"Phoenix, AZ","ID":5},{"name":"Olivia Taylor","age":26,"telephone":"555-2345","location":"Philadelphia, PA","ID":6},{"name":"William Anderson","age":38,"telephone":"555-6789","location":"San Antonio, TX","ID":7},{"name":"Ava Thomas","age":33,"telephone":"555-0123","location":"San Diego, CA","ID":8},{"name":"Benjamin Martinez","age":40,"telephone":"555-4567","location":"Dallas, TX","ID":9},{"name":"Sophia Garcia","age":29,"telephone":"555-8901","location":"Austin, TX","ID":10}]