Cursor: agentes que controlan su propio ordenador

Los agentes de IA solo son tan capaces como el entorno en el que se ejecutan. Si no pueden usar el propio software que están construyendo, chocan pronto con un límite. Cursor ha dado el siguiente paso: agentes en la nube con su propio ordenador de desarrollo, capaces de probar sus cambios, grabar vídeos, hacer capturas y generar PRs listos para mezclar.

Según cuentan, más del 30 % de los PRs internos que fusionan ya vienen de estos agentes autónomos operando en sandboxes aislados, no del trabajo manual del equipo humano.

---

El siguiente nivel de autonomía

Los agentes locales están bien para arrancar, pero compiten por CPU, memoria y estado con tu propio entorno. Los cloud agents de Cursor eliminan esa fricción:

• Cada agente obtiene su máquina virtual aislada con un entorno de desarrollo completo.
• Pueden compilar, ejecutar y probar el producto por su cuenta, iterando hasta que algo funcione en lugar de devolver el primer intento.
• Puedes lanzar varios agentes en paralelo sin bloquear tu propio ordenador.

En la práctica, el agente no solo genera código, sino que lo ejecuta, lo prueba y te entrega evidencias (vídeo, logs, capturas) de que realmente hace lo que le pediste.

---

Cómo usan los agentes en Cursor

En la propia empresa están usando estos cloud agents para tareas muy diferentes. Algunos ejemplos:

Construir nuevas funcionalidades

Les dan un prompt relativamente largo (por ejemplo, “para cada componente de una página de plugin, añade un enlace a su fichero fuente en GitHub”) y el agente:

• Modifica backend y frontend.
• Lanza la app en su VM.
• Navega hasta la página afectada y hace clic en los enlaces para verificar que apuntan al sitio correcto.
• Gestiona feature flags, rebasea con main, resuelve conflictos y deja un único commit limpio.

Reproducir vulnerabilidades

Desde Slack pueden lanzar un agente con un mensaje tipo: “Triágame y explícame esta vulnerabilidad de exfiltración de portapapeles”. El agente:

• Construye una página de demo que explota la vulnerabilidad.
• Arranca un servidor local para servir esa página.
• Abre el navegador integrado en Cursor, sigue todo el flujo del ataque y graba un vídeo de la explotación (copiar un UUID al portapapeles, robarlo desde la web, mostrar el resultado, etc.).
• Deja el HTML de demostración en el repo para que el equipo lo revise.

Arreglos rápidos en la interfaz

Para un cambio sencillo (por ejemplo, que una etiqueta muestre “No linter errors” o “Found N errors” según los diagnósticos), el agente:

• Edita el código.
• Lanza la app.
• Abre dos casos: un archivo con errores y otro limpio.
• Verifica visualmente que la UI responde como se espera y lo deja grabado en un vídeo.

Testing de UI end‑to‑end

Pueden arrancar un agente para que navegue cursor.com/docs durante casi una hora:

• Recorre el sidebar, la navegación superior, el buscador, los botones de copiar, el formulario de feedback, el índice y el cambio de tema.
• Devuelve un resumen de todo lo que ha probado, acompañado de grabaciones.

Con todo esto, el rol de la persona desarrolladora se desplaza: menos implementar a mano, más decidir qué se hace, revisar y aprobar lo que el agente propone.

---

Hacia “codebases autopilotadas”

La visión que plantea Cursor es la de codebases casi autodirigidas:

• Agentes que no solo crean diffs, sino que fusionan PRs, controlan despliegues progresivos y monitorizan producción.
• Equipos humanos centrándose en estrategia, producto y calidad final, mientras que los agentes se encargan del trabajo mecánico de implementación y verificación.

Para llegar a ese punto todavía hace falta mejorar:

• La coordinación entre muchos agentes trabajando en paralelo.
• Los modelos que usan, de forma que aprendan de ejecuciones pasadas y mejoren con la experiencia.
• Los patrones de interacción, para que las personas sigan teniendo control claro sobre qué se ejecuta y qué se envía a producción.

---

Conclusión

En resumen, dar a los agentes su propio “ordenador” en la nube, con todo lo necesario para desarrollar y probar, cambia por completo su utilidad. Ya no son solo autocompletado avanzado, sino trabajadores autónomos que implementan, prueban y documentan cambios, mientras tú decides qué se construye y qué se publica.

Para empresas que quieren ir hacia flujos de trabajo más autónomos sin perder control, este enfoque marca una diferencia clara: delegas más en la máquina, pero mantienes la última palabra sobre qué llega a producción.