No final do mês passado, a Cursor anunciou o o Cursor 2.0, uma nova versão do Cursor que traz o desenvolvimento de agentes para o Cursor.
Se você é novo no Cursor, a gente recomenda que você dê uma olhada primeiro no nosso guia de introdução ao Cursor AI:Cursor AI: Um guia com 10 exemplos práticos do tutorial. Como sabemos, o Cursor tem a confiança de engenheiros das principais empresas de IA, incluindo a OpenAI, oferecendo codificação assistida por IA, sugestões inteligentes de código e integração com várias ferramentas de desenvolvimento.
Neste tutorial, vou explorar os principais recursos do novo Cursor 2.0 criando um aplicativo web de câmbio de moedas em Python.
O que há de novo no Cursor 2.0?
Pra ver a lista completa de recursos do Cursor 2, dá uma olhada no changelog. Neste tutorial, vamos focar nos recursos que são mais importantes para equipes pequenas e desenvolvedores que trabalham sozinhos.
Modelo Compositor
A Cursor apresenta seu primeiro modelo de codificação interno chamado Composer. Eles dizem que é ~4× mais rápido do que modelos com capacidades parecidas e foi feito especialmente para fluxos de trabalho de código com várias etapas e agentes. O principal objetivo é diminuir a latência pra você sentir que tá interagindo em tempo real com a IA, em vez de ficar esperando.
Interface e orquestração multiagente
O Cursor 2.0 passa de um único agente ajudando você para vários agentes funcionando ao mesmo tempo. Até 8 agentes podem rodar ao mesmo tempo em um único prompt. Cada agente recebe sua própria cópia isolada da base de código, para que não haja conflitos. Uma barra lateral mostra seus agentes/planos, e você pode escolher o melhor resultado entre várias execuções.
Navegador integrado e recursos de teste
A ferramenta do navegador (antes em versão beta) agora está disponível para todo mundo. Os agentes podem abrir uma página da web dentro do Cursor, dar uma olhada nos elementos DOM, mandar as informações DOM pro agente e testar as mudanças na interface do usuário. Isso quer dizer que seu agente de IA está mais ligado no ambiente da web e pode validar as mudanças, em vez de só editar o código sem pensar.
Começando com o Cursor 2.0
Pra começar, baixa e instala o Cursor 2 do site oficial. Não esquece de baixar a versão 2 e escolher o sistema operacional certo.
A maioria dos recursos que falamos neste tutorial precisa de uma assinatura Pro, que custa cerca de US$ 20 por mês. Mas, o Cursor 2 vem com uma semana de teste grátis, então você pode experimentar e acompanhar este tutorial sem pagar nada.
Pra acessar a versão de teste grátis, você precisa colocar os dados do seu cartão de crédito. Você pode evitar ser cobrado e experimentar o período de avaliação de 7 dias cancelando a assinatura antes do fim do período de avaliação.
Só um aviso: Depois de começar o teste gratuito do Pro, a interface mostra um botão para começar a usar os recursos do Pro. Isso é enganoso e não é necessário para acessar os recursos Pro durante o período de avaliação. Clicar nele vai encerrar automaticamente o período de avaliação gratuita e cobrar o primeiro mês, o que provavelmente não é o que você quer.
Criando um aplicativo com o Cursor 2.0
Pra testar o Cursor 2, a gente criou um aplicativo web pra conversão de moedas usando Python. O aplicativo foi totalmente criado usando o Cursor 2.
Depois de instalar, mude para a nova visualização “Agentes”:
Uma das novidades do Cursor 2 é a possibilidade de navegar automaticamente pelo nosso aplicativo para testá-lo. Então, decidi criar um aplicativo web Saplicativo web Streamlit com Python.
Streamlit é uma estrutura Python de código aberto feita pra criar aplicativos web interativos de forma rápida e fácil, principalmente pra projetos de ciência de dados e machine learning.
Com o Streamlit, você pode criar interfaces de usuário para o seu código Python escrevendo scripts simples, sem precisar de nenhuma experiência em front-end. É comumente usado para criar painéis, visualizações de dados e ferramentas que permitem aos usuários interagir com dados ou modelos em tempo real através do navegador da web.
Usamos o Streamlit pra criar um aplicativo que facilita a conversão entre moedas. Começando com uma pasta vazia, aqui está o prompt inicial que usei:
Observe que o modelo que usei é o novo modelo Composer do Cursor 2. Outros modelos podem ser selecionados usando o seletor de modelos abaixo da entrada de prompt.
Este é o aplicativo que ele criou:
Navegando pela visualização Agentes do cursor
A nova visualização “Agentes” organiza nossas mudanças como conversas com diferentes modelos de IA. O fluxo de trabalho é parecido com usar uma conversa do chatGPT por recurso, só que tudo está integrado diretamente no Cursor 2.
Podemos usar modelos diferentes para cada agente e até vários modelos ao mesmo tempo, como vamos ver mais tarde. A visualização anterior do editor de código continua disponível, então dá pra alternar facilmente entre escrever código, como fazíamos com a versão anterior do Cursor, e trabalhar com agentes.
Modelo Composer da Cursor
O Composer é um novo modelo de agente desenvolvido pela Cursor, feito especialmente para ajudar nas tarefas de engenharia de software de forma eficiente e inteligente.
O modelo foi treinado para resolver problemas reais de codificação em grandes bases de código usando várias ferramentas de desenvolvimento, como edição de arquivos, comandos de terminal e pesquisa semântica.
Diferente dos assistentes de codificação tradicionais, que só se concentram em completar o código, o Composer consegue lidar com tarefas mais complexas, como gerar edições de código, criar planos de desenvolvimento ou dar respostas informativas com base no contexto do problema apresentado.
O processo de treinamento do modelo se baseia no aprendizado por reforço, permitindo que ele se adapte a diferentes ambientes de desenvolvimento e priorize o uso eficaz de ferramentas e a velocidade de resposta. Esse foco na rapidez e na utilidade prática torna-o adequado para situações em que os desenvolvedores querem ajuda rápida e relevante sem interromper seu fluxo de trabalho.
O Composer foi avaliado com base em referências que refletem solicitações reais de engenheiros em atividade, garantindo que sua produção esteja alinhada com as práticas comuns de desenvolvimento de software. Mas, esses benchmarks são privados, e o Composer não aparece nos benchmarks públicos de IA que já existem, então é melhor não levar isso muito a sério.
Testando o Composer
Uma das novidades do Cursor 2 é a sua interface multiagente.
A interface multiagente permite que diferentes modelos resolvam o mesmo problema de codificação, para que possamos comparar os resultados e escolher a solução mais eficaz.
A interface inclui ferramentas para revisar as alterações feitas por cada agente e um recurso de teste nativo que permite que os agentes melhorem iterativamente sua produção até que ela atenda aos critérios exigidos. Essa combinação é super útil pra lidar com projetos complexos, já que pode ajudar a acelerar as tarefas de revisão, teste e codificação.
Usamos isso pra comparar o modelo Composer com outros modelos de codificação de IA de última geração em uma tarefa complexa. Para ativar vários agentes, clica no seletor “ 1x ” (Selecionar modelo) localizado abaixo da entrada de prompt e escolhe “Use Multiple Models” (Usar vários modelos).
A tarefa que usamos para essa comparação foi adicionar persistência nas moedas padrão. Agora, quando o usuário atualiza a página, a lista de moedas usadas para conversão é reiniciada. Queremos que isso fique guardado pra que, se o usuário voltar ou recarregar a página, as moedas continuem salvas.
A gente escolheu essa tarefa porque é um pouco mais complexa, já que a estrutura que estamos usando para criar nosso aplicativo não foi realmente projetada para lidar com esse tipo de recurso.
Escolhi três modelos para essa tarefa:
- Compositor
- Soneto 4.5
- GPT-5 Codex
Podemos escolher até oito modelos para trabalhar ao mesmo tempo. Mas isso pode ser um pouco exagerado se a gente quiser dar uma olhada em cada resultado e escolher o melhor. Descobri que três é o número ideal para ter várias soluções, mas não tantas a ponto de levar mais tempo para conferir do que se eu mesmo tivesse implementado a solução.
Aqui está um vídeo de três agentes trabalhando no problema em paralelo. A gente percebe que o Composer é mesmo bem mais rápido que os outros dois.
No final, dá pra alternar facilmente entre as três saídas e conferir as diferenças em cada uma delas. Depois, dá pra usar o botão “Aplicar tudo” naquele que a gente quer integrar ao nosso código.
Nesse caso específico, mesmo demorando mais, a minha solução preferida foi a que o GPT-5 Codex sugeriu, porque parecia menos complicada e usava bibliotecas já existentes pra resolver o problema.
Mas a velocidade é bem importante quando se trata de autocompletar código, porque é um caso de uso em tempo real. É aqui que o Composer se destaca em relação a outros modelos, pois é capaz de fornecer boas sugestões de código muito rapidamente, resultando em uma experiência de codificação tranquila.
Modo de planejamento
Em vez de o agente sugerir diretamente alterações no código, podemos usar o modo “Plano” para primeiro trabalhar em um plano de implementação. Isso permite revisar o plano e garantir que ele esteja fazendo o que a gente quer antes de mexer no código.
Pra usar esse modo, selecione a opção “Plano”, assim:
Nesse modo, em vez de alterações no código, obtemos um plano simplificado do que o agente pretende fazer para implementar o recurso. Nesse caso, foi isso que a gente conseguiu:
Digamos que eu queira usar a biblioteca streamlit_js_eval para avaliar o código JavaScript. Isso era algo que a solução GPT-5 Codex tinha usado e que parecia mais robusto do que a solução do Composer. A gente pode pedir pro agente mudar o plano de acordo com isso:
Depois de executá-lo novamente, vemos que a biblioteca está incluída no novo plano:
Quando estivermos satisfeitos com o plano, podemos fazer as alterações clicando no botão “Construir”.
O Agente do Navegador
Navegador de agentes da Cursor Agente do Cursor permite que os usuários controlem um navegador da web integrado diretamente no ambiente Cursor.
Isso quer dizer que a gente pode automatizar tarefas comuns, como navegar em páginas da web, preencher formulários, clicar em botões e capturar imagens da tela sem precisar de ferramentas externas ou configurações. O navegador também dá acesso direto aos registros do console e à atividade da rede, facilitando a identificação de problemas ou a depuração de aplicativos da web.
Esse recurso é útil para várias tarefas, incluindo testes automatizados de aplicativos, verificação da acessibilidade da web e comparação de designs da web com implementações reais.
Pra invocá-lo, a gente usa a menção @Browser no prompt.
Um caso de uso comum para o agente do navegador é testar o aplicativo. Por exemplo, pedimos para testar a conversão de moeda convertendo 100 USD em euros e ienes japoneses:
Quando fazemos isso, o cursor automaticamente abre o aplicativo e usa um navegador integrado para fazer o que pedimos.
Durante o processo, pode ser necessário executar alguns comandos, que precisamos aprovar manualmente. Esse é um mecanismo de segurança pra gente poder revisar os comandos antes de eles serem executados.
Nesse caso, isso me levou a executar um comando para rodar o aplicativo de câmbio:
Aqui está um vídeo do processo. O navegador que vemos no vídeo está sendo controlado automaticamente pelo Cursor.
