Wir führen Cursor Automations ein, um dauerhaft aktive Agents zu erstellen.

Diese Agents werden nach Zeitplänen ausgeführt oder durch Events ausgelöst, etwa durch eine gesendete Slack-Nachricht, ein neu erstelltes Linear-Issue, einen gemergten GitHub-PR oder einen PagerDuty-Incident. Zusätzlich zu diesen vorkonfigurierten Integrationen kannst du eigene Custom Events mit Webhooks konfigurieren.

#Verbesserung der Software-Engineering-Pipeline

Mit dem Aufkommen von Coding Agents kann jede Entwickler:in deutlich mehr Code produzieren. Aber Code-Review, Monitoring und Wartung haben sich bislang nicht im selben Maße beschleunigt. Bei Cursor setzen wir Automatisierungen ein, um diese anderen Teile des Entwicklungszyklus zu skalieren.

Wenn er gestartet wird, fährt der automatisierte Agent eine Cloud-Sandbox hoch, folgt deinen Anweisungen mit den von dir konfigurierten MCPs und Modellen und überprüft seine eigenen Ergebnisse. Agents haben außerdem Zugriff auf ein Memory-Tool, mit dem sie aus früheren Durchläufen lernen und sich mit Wiederholung verbessern können.

Während wir in den letzten Wochen mehr automatisierte Agents auf unserer eigenen Codebase bei Cursor ausgeführt haben, haben sich zwei Kategorien von Automatisierungen herauskristallisiert.

#Review und Monitoring

Automatisierungen eignen sich hervorragend, um Änderungen zu überprüfen. Sie können alles finden und beheben – von kleinen Stilproblemen und Inkonsistenzen bis hin zu Sicherheitslücken und Performance-Regressionen.

Tatsächlich ist Bugbot in vielerlei Hinsicht die ursprüngliche Automatisierung! Er läuft, wenn ein PR geöffnet oder aktualisiert wird, wird täglich tausendfach ausgelöst und hat seit der Einführung Millionen von Bugs gefunden. Mit Automatisierungen kannst du alle Arten von Review-Agents für unterschiedliche Zwecke anpassen. Hier sind drei, die wir bei Cursor verwenden:

Security-Review

Unsere Security-Review-Automatisierung wird bei jedem Push auf main ausgelöst. So kann der Agent länger arbeiten, um nuanciertere Probleme zu finden, ohne den PR zu blockieren. Er prüft das Diff auf Sicherheitslücken, überspringt Probleme, die im PR bereits diskutiert wurden, und postet Funde mit hohem Risiko in Slack. Diese Automatisierung hat bei Cursor bereits mehrere Schwachstellen und kritische Bugs gefunden.

Agent-gestützte Codeowners

Bei jedem Öffnen oder Push eines PR klassifiziert diese Automatisierung das Risiko anhand von Auswirkungsbereich, Komplexität und Einfluss auf die Infrastruktur. PRs mit geringem Risiko werden automatisch genehmigt. PRs mit höherem Risiko erhalten bis zu zwei Reviewer, die anhand ihrer Beitragshistorie ausgewählt werden. Entscheidungen werden in Slack zusammengefasst und über MCP in einer Notion-Datenbank protokolliert, sodass wir die Arbeit des Agents prüfen und die Anweisungen anpassen können.

Incident-Response

Wenn sie durch einen PagerDuty-Incident ausgelöst wird, startet diese Automatisierung einen Agent, der den Datadog-MCP verwendet, um die Logs zu untersuchen und die Codebasis auf kürzliche Änderungen zu prüfen. Anschließend sendet sie eine Nachricht in einem Slack-Channel an unsere On-Call-Ingenieure – mit der entsprechenden Monitor-Nachricht und einem PR mit dem vorgeschlagenen Fix. Das hat unsere Incident-Response-Zeit deutlich reduziert.

#Routineaufgaben

Wir haben Automatisierungen auch für Alltagsaufgaben und Wissensarbeit als nützlich empfunden, bei denen Informationen aus verschiedenen Tools zusammengeführt werden müssen.

Wöchentliche Übersicht der Änderungen

Diese Automatisierung postet wöchentlich eine Slack-Zusammenfassung mit den wichtigsten Änderungen im Repository der letzten sieben Tage. Der Agent hebt größere gemergte PRs, Bugfixes, technische Schulden sowie Sicherheits- oder Abhängigkeits-Updates hervor.

Testabdeckung

Jeden Morgen überprüft ein automatisierter Agent kürzlich gemergten Code und identifiziert Bereiche, die zusätzliche Testabdeckung benötigen. Beim Hinzufügen von Tests folgt er bestehenden Konventionen und ändert das Produktionsverhalten nur, wenn es notwendig ist. Anschließend führt der Agent relevante Test-Targets aus, bevor er eine PR eröffnet.

Bug-Report-Triage

Wenn ein Bugreport in einem Slack-Channel eingeht, prüft diese Automatisierung auf Duplikate und erstellt ein Issue mit Linear MCP. Der Agent untersucht anschließend die Ursache im Code, versucht eine Behebung und antwortet im ursprünglichen Thread mit einer Zusammenfassung.

#Wie Rippling Automatisierungen nutzt

Teams außerhalb von Cursor haben bereits begonnen, Automatisierungen zu entwickeln. Abhishek Singh bei Rippling hat sich einen persönlichen Assistenten eingerichtet. Er wirft den ganzen Tag über Meeting-Notizen, Action Items, TODOs und Loom-Links in einen Slack-Kanal. Ein Cron-Agent läuft alle zwei Stunden, liest alles zusammen mit seinen GitHub-PRs, Jira-Issues und Slack-Erwähnungen, entfernt Duplikate über alle Quellen hinweg und postet ein übersichtliches Dashboard.

Er betreibt außerdem von Slack ausgelöste Automatisierungen, um aus Threads Jira-Issues zu erstellen und Diskussionen in Confluence zusammenzufassen. Singh und Rippling haben ihre Nutzung von Automatisierungen erweitert, um Aufgaben wie Incident-Triage, wöchentliche Statusberichte, On-Call-Übergaben und mehr abzudecken. Die nützlichsten Automatisierungen werden im gesamten Team geteilt.

#Die Fabrik, die Ihre Software entwickelt

All diese Automationen werden von Cloud-Agents betrieben, die eigene Computer nutzen, um ihre Arbeit zu entwickeln, zu testen und zu demonstrieren. Jetzt können Sie die Fabrik, die Ihre Software entwickelt aufbauen, indem Sie Agents so konfigurieren, dass sie Ihre Codebasis kontinuierlich überwachen und verbessern.

Erstellen Sie eine Automation unter cursor.com/automations oder starten Sie mit einer Vorlage. Mehr erfahren Sie in der Dokumentation.