Cursor v nové verzi 2.0 mění způsob, jakým vypadá „AI IDE“. Místo toho, aby se vývoj točil hlavně kolem souborů, staví celý workflow kolem agentů, kteří mají umět převzít větší část práce – od implementace až po ověřování výsledků. Součástí vydání je i debut vlastního kódovacího modelu Composer, který Cursor popisuje jako hraniční a staví ho na rychlosti a nízké latenci pro agentní práci přímo v prostředí Cursor.
Composer má podle firmy nabídnout zhruba čtyřnásobnou rychlost oproti jiným modelům podobné úrovně a většinu „konverzačních tahů“ zvládat do 30 sekund. Cursor tvrdí, že právě tahle rychlost mění praktickou použitelnost: vývojář může s modelem iterovat častěji a plynuleji, a tím pádem mu snáz svěří i vícestupňové úkoly, které by u pomalejších asistentů byly frustrující. K lepší práci ve velkých projektech má přispět i to, že byl Composer trénovaný s nástroji typu sémantického vyhledávání napříč celou kódovou bází, takže by měl lépe chápat kontext rozsáhlých repozitářů.
Druhá zásadní změna je rozhraní. Cursor 2.0 přichází s „více zaměřeným“ designem a přesouvá pozornost od ručního přepínání souborů k zadávání výsledků a delegování detailů na agenty. Zároveň ale nechává dveře otevřené i pro klasický styl práce: soubory lze pořád snadno otevírat a kdo chce, může se vrátit do režimu tradičního IDE.
Nejzajímavější posun je v paralelizaci. Cursor 2.0 umí spouštět více AI agentů najednou tak, aby si navzájem nepřekáželi, a opírá se přitom o techniky jako git worktrees nebo vzdálené stroje. Z toho se podle firmy navíc vyklubal užitečný „emergentní“ trik: když se stejný problém zadá více modelům a následně se vybere nejlepší výsledek, kvalita finálního řešení prý viditelně roste, hlavně u složitějších úloh.
S tím, jak agenti dělají víc práce, ale Cursor přiznává i nová úzká hrdla: rychle zkontrolovat změny a spolehlivě je otestovat. Proto 2.0 přidává úpravy rozhraní, které mají zpřehlednit kontrolu toho, co agent změnil, aby člověk nemusel lézt do detailů pokaždé. A vedle toho přichází „nativní nástroj prohlížeče“, díky kterému může agent svou práci sám testovat, iterovat a opravovat, dokud nedojde ke správnému výsledku – krok směrem k tomu, aby AI nejen psala kód, ale uměla ho i průběžně validovat.
Zdroj: AI News
