Najnowsze aktualizacje edytora Cursor, który koncentruje się na wspomaganej przez AI pracy programistycznej, wprowadzają istotne funkcje, które zmieniają podejście do agentowego kodowania. Użytkownicy mogą teraz równolegle uruchamiać wiele agentów oraz korzystać z zaawansowanego wsparcia dla zarządzania Git worktrees i pracy z wieloma repozytoriami. Te zmiany, dostępne w oknie agentów, pozwalają na rozdzielanie złożonych zadań na mniejsze operacje, które mogą być wykonywane jednocześnie przez różne agenty, co eliminuje konieczność ciągłego przełączania kontekstu. To odpowiedź na problemy związane z pracą z AI, takie jak konflikty plików, marnowanie czasu na przełączanie kontekstu oraz trudności w izolacji zadań i pracy cross-repo.
Kluczowe zmiany w Cursor
- Równoległa wielozadaniowość – system umożliwia teraz uruchamianie agentów, którzy wykonują różne zadania równolegle, co przyspiesza realizację złożonych projektów.
- Ulepszone zarządzanie worktree w oknie agentów – integracja z funkcją Git worktrees, która pozwala na tworzenie odizolowanych katalogów roboczych z tego samego repozytorium, umożliwia agentom działanie niezależnie.
- Praca z wieloma repozytoriami – agenci mogą teraz operować na wielu repozytoriach jednocześnie w ramach jednej sesji, co pozwala na pracę cross-repo bez ręcznego retargetowania.
- Środowiska deweloperskie dla agentów chmurowych – wprowadzono narzędzia do konfigurowania środowisk dla równoległych agentów, w tym wsparcie dla Dockerfile oraz izolacji sekretów na poziomie środowiska.
Podstawą tych usprawnień jest wykorzystanie koncepcji Git worktrees. To funkcja Gita, która pozwala na utworzenie wielu katalogów roboczych z jednego repozytorium. Każdy worktree może znajdować się na innej gałęzi, ale wszystkie współdzielą historię commitów. Dla agentów AI oznacza to, że każdy z nich może mieć własny, odseparowany katalog do pracy (git worktree add ../nazwa-projektu-feature -b feature-branch), co zapobiega konfliktom związanym z nadpisywaniem zmian. Jak zauważa blog Nx, "Git worktrees pozwalają na wiele katalogów roboczych z pojedynczego repozytorium, z których każdy działa niezależnie, współdzieląc tę samą historię Gita". To fundament dla bezpiecznego uruchamiania kilku agentów, takich jak Claude Code, jednocześnie.
Jak równoległa orkiestracja agentów zmienia workflow
Nowe możliwości Cursor wpisują się w szerszy trend w branży, który odchodzi od sekwencyjnego "jednego agenta naraz" na rzecz skoordynowanej orkiestracji równoległej. W zaawansowanych workflow, jak opisuje Augment Code, pojawia się wzorzec z Agentem Koordynatorem, który analizuje zadanie, dzieli je na podzadania, a następnie deleguje je do wyspecjalizowanych agentów działających równolegle w izolowanych worktrees. Po wykonaniu pracy, Agent Weryfikujący sprawdza wynik. Taki model "eliminuje konflikty stanu plików, dając każdemu agentowi dedykowany katalog roboczy, który współdzieli historię Gita, ale utrzymuje niezależny system plików" i może pozwolić na współbieżną pracę nawet 5-10 agentów na tym samym repozytorium.
Wsparcie dla pracy z wieloma repozytoriami w oknie agentów Cursor jest naturalnym rozszerzeniem tego paradygmatu. Gdy zadanie wykracza poza jedno repozytorium – na przykład dotyczy jednocześnie frontendu w jednym repo i mikrousługi w drugim – agent musi mieć łatwy dostęp do wszystkich wymaganych kontekstów. Możliwość dołączenia wielu folderów/repów pozwala agentowi "rozumieć" całą strukturę obszaru roboczego i działać we właściwym miejscu bez żmudnego, ręcznego przełączania celów, co było często zgłaszaną przez społeczność potrzebą.
Praktyczne wyzwania i dobre praktyki przy pracy równoległej
Włączenie równoległych agentów i worktrees do codziennej pracy wymaga uwzględnienia kilku kluczowych aspektów operacyjnych wykraczających poza samą izolację plików. Po pierwsze, izolacja środowiska wykonawczego. Jeśli agenty uruchamiają lokalne serwery deweloperskie, każdy z nich potrzebuje unikalnego przypisania portu, aby uniknąć kolizji. Prace związane z bazami danych wymagają odseparowania stanu – każdy worktree powinien mieć własny plik .env.local z unikalnym connection string, a najlepiej także osobną, efemeryczną bazę danych stworzoną z baseline'u.
Po drugie, kluczowe jest jasne definiowanie zadań. Równoległość działa najlepiej, gdy każde podzadanie jest samodzielne i ma wyraźnie określone granice. Jak wskazuje przewodnik MindStudio, "agenci działają lepiej z jasnymi, samodzielnymi definicjami zadań". Przed uruchomieniem agentów warto przeanalizować, które pliki będą przez nie modyfikowane – jeśli zakresy się nakładają, zadania lepiej wykonać sekwencyjnie. Skuteczna komunikacja z agentem, podanie precyzyjnego kontekstu i oczekiwanego wyniku są kluczowe dla sukcesu równoległej pracy.
Dodaj komentarz