大家好，我是东哥。「Vibe Coding AI编程实战」系列第5篇。
上一篇我们梳理了智能数据分析系统的需求和架构，用Trae的Plan模式生成了实施规划，一份长长的待办清单。阶段1到阶段N，每一步都拆好了。
但问题来了。这么多任务，今天做不完，明天接着做，后天忘到哪了？团队协作的时候，A做前端、B做后端，怎么知道谁干了什么、干到哪了？
答案就是接一个MCP，让AI自己管自己。
MCP是什么——一个”中间人”
MCP，全称Model Context Protocol，说人话就是：一个让AI IDE能跟外部平台打交道的中间人。
正常来说，AI在IDE里写代码，它碰不到外面的东西。你要让它去Linear上创建任务、更新进度，没路可走。MCP就是这条路——它在Trae和外部平台之间搭了一座桥，AI通过自然语言就能操作那些平台。
Trae从v1.3.0开始支持MCP，配置很简单：Settings里找到MCP，添加一个MCP Server，把对应的配置粘进去就行。Linear官方就提供了MCP连接器，配好就能用，有42个工具可以用——从创建项目、创建任务、更新状态、查询进度，到关联代码仓库、设置里程碑，全都能通过自然语言操作。
为什么选Linear？因为它是专为AI时代设计的项目管理工具，界面干净、状态流转清晰，不像传统工具那样一堆字段要填。你只需要关注三件事：Todo（还没做）、In Progress（正在做）、Done（做完了）。
自然语言管任务：Todo → 进行中 → 完成
配好MCP之后，说句话就能管任务了。
比如你对着Trae说：”帮我查一下Linear里都有哪些工具。”它会列出所有可以操作的接口。再说：”帮我创建一个’智能数据分析’项目，加一个测试任务。”几秒钟，Linear上就多了一个项目和一个待办。
对于我们这种一个项目拆成40个阶段的情况，想要把Plan文档里的阶段全部同步到Linear上，也不用手动一个个创建。让AI读取Plan文档，按阶段1、阶段2这样的格式，批量创建为Linear的Todo任务。原本要手点半天的事，一句话就搞定。
任务状态有三种：Todo（还没做）、In Progress（正在进行）、Done（已完成）。这三种状态组成一个闭环——你领取任务、开发、提交代码、审核通过、标记完成。用MCP，这套流程可以在AI驱动下自动流转。
加一层Rules，让AI自动同步
光靠MCP还不够。每次都要手动去说”帮我把这个任务标记成进行中””帮我把那个标记成完成”，还是有点烦。
这时候就轮到Rules上场了。Rules本质上就是一个markdown文件，里面写好了规则和规范。Trae在执行任务前，会先读取Rules里的内容注入到上下文里，然后按照规则行事。
Rules有几种注入模式：总是生效、按文件类型触发、按语义自动匹配、手动@引用。对于任务管理这种场景，一般用语义触发——当你说”开始做某个功能”时，AI自动匹配到任务管理规则，帮你在Linear上更新状态。
这里有个关键经验：别手写Rules，也别上网找通用模板。直接把MCP的官方文档和Trae的Rules规范文档喂给AI，告诉它”我要实现自然语言驱动的任务管理，每当我说’开始做某个功能’，你就帮我在Linear上把对应任务标成In Progress，并创建对应的Git分支”，让它自己写一份Rules。写完之后在实际使用中反复迭代微调，比你自己憋半天靠谱得多。
最终效果：说句话，AI全包了
有了MCP + Rules这套组合，最终的体验是这样的：
你说”开始做阶段1，先搭前后端基础框架”，AI自动在Linear上把阶段1标成In Progress，然后开始干活。干完提交代码，再自动把状态改成Done，把阶段2标成In Progress。从头到尾你不用切到Linear看一眼。
团队协作也是同理。前端同事和后端同事各自领阶段，各自在Linear上跟踪，AI帮你们同步状态、提交代码、更新进度。所有人盯着一张看板就够了。
到了这一步，你就不是在管代码了，你是在管一份任务清单。这份清单自己会动，你只需要把握方向。
下一篇，我们正式进到研发阶段，把智能数据分析系统一行一行落地。