想让AI严格遵循你的规范在Linear上执行任务，只需三步：搭建MCP通道、编写Rules规则，并将两者紧密结合。如果仅对模型下达“帮我在Linear上创建一个任务”的指令，它很可能自由发挥、随意操作——但一旦正确配置了MCP与Rules，AI就能精准地自动创建任务、更新状态、关联代码仓库，每一步都严格遵循你设定的开发流程。

简单来说，MCP是工具链，让AI能够“触达”外部平台；Rules是行为边界，明确告知AI“哪些可以做、哪些不能做”。两者必须协同工作，缺一不可，才能实现高效的Trae MCP自动化工作流。

先配置MCP Server，让Trae能“连接”外部平台

操作非常直观：打开Trae Settings → 找到MCP模块 → 点击“Add MCP Server” → 粘贴Linear最新提供的JSON配置（包含token、workspace ID等）→ 点击Save。

这一步切勿图省事。如果token权限不足，后续所有状态流转都会受阻；如果workspace ID填写错误，AI可能将任务创建到其他项目中去。务必确认token已开通Linear API的写入权限，这是Trae MCP配置成功的关键前提。

配置完成后，在命令行输入@Builder list tools，如果看到42个可用接口，说明MCP通道已经顺利打通。

再编写Rules，告诉AI“哪些能做、哪些不能做”

在项目根目录新建.trae/rules.yaml文件，使用纯YAML语法定义规则，形成清晰的AI行为边界。

方法一：全局硬约束（对所有任务生效）
例如禁止AI在未确认前直接标记为Done：

on_task_status_change:
  - when: status == "Done"
    then: require_confirmation: true

方法二：阶段级软策略（仅对Plan文档中的特定阶段生效）
例如要求“阶段1必须先创建Git分支再写代码”：

if task_name starts_with "阶段1":
  enforce: ["git checkout -b feat/stage-1", "run linter before commit"]

注意：Rules并非提示词，它不参与模型推理，而是由Trae引擎在调用MCP之前进行强制校验。如果语法写错，整个Rules文件将加载失败，AI便会退回默认行为——那样前面的配置就白费了。

最后用Rules触发MCP，实现自动状态流转

第一步：在.trae/rules.yaml中定义触发条件
例如：

on_user_says:
  - match: "开始做阶段.*"
    action: mcp_linear_update_status(task_id, "In Progress")

第二步：确保MCP Server已注册名为mcp_linear_update_status的工具
这个函数名必须与Rules中写的一致，大小写、下划线都不可出错。

第三步：对Trae下指令：“开始做阶段3，先搭数据库迁移脚本”
Trae会立即执行：
① 解析语义，匹配Rules中的正则表达式
② 加载Memory中缓存的阶段3对应的Linear任务ID
③ 调用MCP协议向Linear发送状态变更请求
④ 返回确认信息：“已将阶段3标记为In Progress”

这一步成功的关键在于：Rules里的match字段必须覆盖你日常使用的真实句式。如果你习惯说“搞起阶段3”，但Rules只写了“开始做阶段.*”，那么AI将永远无法触发MCP，导致Linear自动化工作流无法正常运转。