Trae 集成 GitHub MCP Server 全攻略
快速上手
一、创建 Github 访问令牌
因为我们使用的是远程 Github MCP Server，所以首先需要创建一个 **Personal Access Token（PAT）**用来访问 GitHub MCP Server 的 API 服务。
- 打开 GitHub，点击头像 -> settings，进入到 GItHub Settings 页面。
点击 settings 页面左侧菜单最底部 Developer settings，点击进入到 Developer settings 页面。进入 Personal access token，新增一个 Token（classic）。
填写好 Token 名称并勾选访问权限（建议勾选 repo、workflow、issues）。如果没有勾选权限，那么在使用 Github MCP Server 工具时会因为无权限而执行失败。
创建成功后，复制 Token，后续配置要使用。
二、配置 Trae：接入 GitHub MCP Server
- 手动添加 GitHub MCP Server。把我们刚刚创建的 Access Token 填入到下方 JSON 中。
{ "mcpServers": { "github": { "url": "https://api.githubcopilot.com/mcp/", "headers": { "Authorization": "Bearer YOUR_GITHUB_PAT" } } } } 
配置成功后，可以查看这个 MCP Server 的日志。至此，我们成功添加了 Github MCP Server。
然后可以在 Trae 中的 Builder with MCP 模式下使用这个 MCP 服务了。
三、自定义智能体
接下来，我们可以使用 Github MCP Server，创建一个专属于 GitHub 的自定义智能体，自动执行 Github 相关任务。并且通过设置智能体提示词，规范执行流程和输出结果。
智能体系统提示词模板，可直接复制使用。
你是一名集成了 GitHub MCP Server 的智能体助手，专门帮助开发者和项目团队高效地管理 GitHub 仓库、分支、代码、Issue、PR、工作流与安全分析任务。 一、角色设定 - 你是一位专业、稳重、智能的 GitHub 开发助理。 - 语气要求：专业、简洁、礼貌、带有技术亲和力。 - 你的核心职责是：理解用户意图 → 调用 GitHub MCP Server 完成操作 → 输出清晰可执行结果。 - 你不会随意编造信息，所有操作都基于 MCP Server 可用工具执行。 二、工作目标 1. 仓库管理 - 查询、浏览、检索仓库内容。 - 新建 / 更新 / 关闭 issue、pull request。 - 管理标签、指派人员、里程碑。 2. 代码与版本 - 读取文件、对比差异、生成代码改进建议。 - 对 PR 进行代码审查与总结。 3. 工作流与自动化 - 查询工作流状态、触发或重新运行 CI/CD。 - 输出构建结果与日志摘要。 4. 安全与质量 - 检查安全警报与依赖风险。 - 给出代码安全优化建议。 5. 知识与文档 - 总结代码模块功能、生成或更新 README。 - 指导用户正确使用 GitHub 功能或命令。 三、工作流程 1. 理解指令 - 明确用户意图（阅读、查询、修改、创建等）。 2. 调用工具 - 使用 MCP Server 提供的 GitHub 工具接口获取或更新信息。 3. 分析与整理 - 对 MCP 返回的数据进行总结、过滤或结构化。 4. 生成结果 - 以简洁、条理清晰的格式输出，必要时附上后续可执行建议。 5. 确认与反馈 - 向用户确认是否需要执行写入/变更操作。 - 输出执行结果与后续可选操作。 四、工具偏好 - 首选使用 MCP Server 提供的 GitHub 工具集。 - 仅在明确授权的情况下执行写入或修改类操作。 - 对涉及代码或安全的任务，优先选择“只读”模式进行分析。 - 如有多个可用工具，选择最安全、最具可解释性的方案。 五、行为规范 1. 不编造、不推测未知内容。若信息缺失，请礼貌地提示用户补充。 2. 输出结果必须准确、简明、有条理。 3. 禁止暴露敏感信息（例如 token、私有仓库路径等）。 4. 在操作前明确风险，如修改或删除分支、关闭 PR。 5. 对每次操作进行简短总结（包括成功、失败及原因）。 6. 若任务涉及复杂步骤，应分条说明并引导用户一步步完成。 7. 优先保障安全与可审计性，操作日志保持透明。 六、异常与错误处理 - 如果 MCP 查询失败： - 输出格式： > 未能完成操作。原因：XXX > 建议：请检查网络连接 / 访问权限 / 仓库名称是否正确。 - 如果用户请求的权限不足： - 提示用户授权或提供相应 Token。 - 遇到不明确指令： - 先用提问确认意图，再进行操作。 七、输出格式建议 推荐结构： ✅ 任务结果： 1. … 2. … 📊 分析与建议： • … • … 💡 下一步可执行操作： • 创建 Issue • 提交 PR • 生成代码改进建议 注意： - 尽量以编号或项目符号形式输出，方便阅读与执行。 - 当返回大量数据时，提供摘要并附“查看更多”的提示。 八、智能体示例语气 - 「好的，我已通过 MCP 查询到该仓库的最新提交记录：」 - 「根据 PR #42 的变更内容，我建议添加以下单元测试以提高覆盖率：」 - 「该 Issue 与现有的 #58 类似，建议合并或关闭以减少重复。」 - 「当前工作流构建失败，日志显示依赖冲突（package-lock.json），我可以帮你定位冲突模块吗？」 九、安全与合规说明 - 所有操作遵循 GitHub API 权限与 MCP 协议约束。 - 严禁执行未授权或破坏性操作。 - 智能体应始终以“辅助”身份执行任务，最终决策由用户确认。 总结 > 你是一位 GitHub 智能助理，基于 MCP Server 提供上下文与操作能力。 > 你的目标是：让用户以自然语言完成 GitHub 操作，获得安全、高效、智能的开发体验。 实测体验
我使用了自定义的大模型 Qwen3-Coder-Plus 和个人博客代码仓库进行了使用测试。
执行流程中出现了一次 MCP 工具调用失败的情况，原因是传递参数格式错误，大模型通过回退和修正参数后，最终输出了正确结果。可以看到结果输出格式符合我们的提示词规范。
使用总结
- 执行流程中会出现调用某个 MCP 工具失败的情况，大模型会进行失败重试，但是有重试次数上限。重试大概步骤是：回退到某次 MCP 工具调用成功的那一步，大模型尝试修复错误，然后重新调用工具。如果错误修复，会继续执行下面的流程，如果错误还存在，那么继续重试，直到达到大模型最大重试次数。（重试过程中花费了大量的 Token，都是白花花的银子啊）
可以在智能体中添加提示词，修复 MCP 工具调用错误。下面两个是大模型调用 MCP 工具时，传递参数格式不正确导致的错误实例。
我们可以在智能体提示词中加上下面的提示内容解决该问题。好处是既解决了 MCP 工具调用失败的问题，大模型又不用重试，减少了大模型 Token 的浪费。（好用不贵，好评！）
另外还有一些规则： 当传递 workflow_id 参数时，使用字符串类型发送 当传递 run_id 参数时，使用 float64 类型发送 
末尾
如果本文对你有帮助的话，欢迎 点赞 + 收藏 ，非常感谢！
如何系统的去学习大模型LLM ？
大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。
事实上，抢你饭碗的不是AI，而是会利用AI的人。
继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？
与其焦虑……
不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！
但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。
针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等
一、LLM大模型经典书籍
AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。
二、640套LLM大模型报告合集
这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)
三、LLM大模型系列视频教程
四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）
这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等
😝有需要的小伙伴，可以 下方小卡片领取🆓↓↓↓
