Добавить в корзинуПозвонить
Найти в Дзене
NEURO-AI

Cursor внедрил multi-agent kernels в разработку

Cursor анонсировал multi-agent kernels — новую архитектуру, где задачи разработки распределяются между несколькими AI-агентами. Каждый из них выполняет свою роль, а координацию берёт на себя общее «ядро» системы. Такой подход меняет привычную модель работы с AI. Вместо одного универсального ассистента появляется набор специализированных агентов, которые действуют одновременно. В центре архитектуры находится kernel — управляющий слой, который распределяет задачи и следит за согласованностью действий. Каждый агент получает ограниченный контекст и отвечает за конкретную функцию. Например, один генерирует код, другой проверяет изменения, третий следит за структурой проекта. Несколько агентов работают параллельно и обмениваются результатами Это позволяет избежать перегрузки одной модели и точнее контролировать процесс. Multi-agent kernels поддерживают одновременную работу над разными частями задачи. Пока один агент пишет код, другой уже анализирует его или предлагает улучшения. Такой режим
Оглавление

Cursor анонсировал multi-agent kernels — новую архитектуру, где задачи разработки распределяются между несколькими AI-агентами. Каждый из них выполняет свою роль, а координацию берёт на себя общее «ядро» системы.

Такой подход меняет привычную модель работы с AI. Вместо одного универсального ассистента появляется набор специализированных агентов, которые действуют одновременно.

Как устроена система

В центре архитектуры находится kernel — управляющий слой, который распределяет задачи и следит за согласованностью действий.

Каждый агент получает ограниченный контекст и отвечает за конкретную функцию. Например, один генерирует код, другой проверяет изменения, третий следит за структурой проекта.

Несколько агентов работают параллельно и обмениваются результатами

Это позволяет избежать перегрузки одной модели и точнее контролировать процесс.

Параллельная разработка

Multi-agent kernels поддерживают одновременную работу над разными частями задачи. Пока один агент пишет код, другой уже анализирует его или предлагает улучшения.

Такой режим сокращает время разработки и делает процесс непрерывным. В классической модели эти этапы идут последовательно, здесь — пересекаются.

Разработчик при этом остаётся в контуре управления: он может вмешиваться, менять роли агентов и корректировать ход выполнения.

Работа с контекстом

Ограничение контекста — одна из главных проблем современных AI-инструментов. Cursor решает её через разделение задач.

Каждый агент работает с меньшим объёмом данных, что повышает точность и снижает вероятность ошибок.

Это особенно заметно в крупных проектах, где единый агент быстро теряет фокус из-за объёма информации.

Новая логика разработки

Multi-agent kernels фактически переносят принципы командной работы в AI-среду. Вместо линейного процесса появляется система, где несколько участников действуют синхронно.

Разработка всё больше напоминает управление процессом, а не написание кода

В таком сценарии разработчик задаёт цели и контролирует результат, а большая часть операционной работы распределяется между агентами.

Контекст индустрии

Идея мультиагентных систем активно обсуждается в индустрии. Крупные игроки вроде OpenAI, Google и Anthropic экспериментируют с подобными подходами, но Cursor одним из первых внедряет эту модель непосредственно в продукт для разработки.

Это усиливает общий тренд: AI постепенно переходит от роли инструмента к роли самостоятельного участника процесса.

Практическое применение

Multi-agent kernels уже сейчас можно использовать для типовых задач разработки:

  • написание и рефакторинг кода
  • автоматическая проверка изменений
  • сопровождение больших кодовых баз
  • параллельная работа над функциями

В результате разработчик получает не просто ассистента, а систему, которая помогает организовать весь цикл работы.