Nous lançons Cursor Automations pour créer des agents toujours actifs.

Ces agents s'exécutent selon un planning ou sont déclenchés par des événements comme l'envoi d'un message Slack, la création d'un ticket Linear, la fusion d'une PR GitHub ou la survenue d'un incident PagerDuty. En plus de ces intégrations natives, vous pouvez configurer vos propres événements personnalisés avec des webhooks.

#Mise à niveau du pipeline d’ingénierie logicielle

Avec l’essor des agents de codage, chaque ingénieur est capable de produire beaucoup plus de code. Mais la revue de code, le monitoring et la maintenance n’ont pas encore progressé au même rythme. Chez Cursor, nous utilisons des automatisations pour aider à mettre à l’échelle ces autres volets du cycle de développement.

Lorsqu’on le déclenche, l’agent automatisé démarre un environnement isolé dans le cloud, suit vos instructions en utilisant les MCP et les modèles que vous avez configurés, puis vérifie ses propres résultats. Les agents ont également accès à un outil de mémoire qui leur permet d’apprendre des exécutions passées et de s’améliorer avec la répétition.

À mesure que nous avons exécuté davantage d’agents automatisés sur notre propre base de code chez Cursor au cours des dernières semaines, deux catégories d’automatisations se sont dégagées.

#Revue et suivi

Les automatisations sont excellentes pour examiner les modifications. Elles peuvent détecter et corriger tout, des détails de style et incohérences jusqu’aux vulnérabilités de sécurité et aux régressions de performance.

En fait, Bugbot est, à bien des égards, notre première automatisation ! Il s’exécute lorsqu’une PR est ouverte ou mise à jour, est déclenché des milliers de fois par jour et a détecté des millions de bugs depuis son lancement. Les automatisations vous permettent de personnaliser toutes sortes d’agents de revue pour différents objectifs. En voici trois que nous utilisons chez Cursor :

Revue de sécurité

Notre automatisation de revue de sécurité est déclenchée à chaque push sur la branche main. De cette façon, l’agent peut travailler plus longtemps pour trouver des problèmes plus subtils sans bloquer la PR. Il audite le diff pour y détecter des vulnérabilités de sécurité, ignore les problèmes déjà discutés dans la PR et publie les risques élevés dans Slack. Cette automatisation a permis de détecter plusieurs vulnérabilités et bugs critiques chez Cursor.

Codeowners pilotés par des agents

À chaque ouverture de PR ou push, cette automatisation classe le risque en fonction du périmètre d’impact, de la complexité et de l’impact sur l’infrastructure. Les PR à faible risque sont automatiquement approuvées. Les PR à risque plus élevé se voient attribuer jusqu’à deux relecteurs sur la base de l’historique de contributions. Les décisions sont résumées dans Slack et consignées dans une base de données Notion via MCP afin que nous puissions auditer le travail de l’agent et ajuster les instructions.

Réponse aux incidents

Lorsqu’elle est déclenchée par un incident PagerDuty, cette automatisation lance un agent qui utilise le MCP Datadog pour analyser les logs et inspecte la base de code pour y trouver des changements récents. Elle envoie ensuite un message dans un canal Slack à nos ingénieurs d’astreinte, avec le message du moniteur correspondant et une PR contenant la correction proposée. Cela a considérablement réduit notre temps de réponse aux incidents.

#Tâches courantes

Nous avons également constaté que les automatisations sont utiles pour les tâches quotidiennes et le travail intellectuel qui nécessitent de rassembler des informations provenant de différents outils.

Récapitulatif hebdomadaire des changements

Cette automatisation publie chaque semaine un résumé sur Slack récapitulant les changements significatifs apportés au dépôt au cours des sept derniers jours. L’agent met en avant les PR importantes déjà fusionnées, les correctifs de bogues, la dette technique, ainsi que les mises à jour de sécurité ou de dépendances.

Couverture de tests

Chaque matin, un agent automatisé passe en revue le code récemment fusionné et identifie les parties qui nécessitent une meilleure couverture de tests. Il suit les conventions existantes lors de l’ajout de tests et ne modifie le comportement en production que lorsque c’est nécessaire. L’agent exécute ensuite les cibles de test pertinentes avant d’ouvrir une PR.

Triage des rapports de bogues

Lorsqu’un rapport de bogue arrive dans un canal Slack, cette automatisation vérifie l’existence de doublons et crée un ticket en utilisant Linear MCP. L’agent recherche ensuite la cause profonde dans la base de code, tente un correctif et répond dans le fil original avec un récapitulatif.

#Comment Rippling utilise les automatisations

Des équipes en dehors de Cursor ont déjà commencé à créer des automatisations. Abhishek Singh chez Rippling a mis en place un assistant personnel. Il consigne des comptes rendus de réunion, des points d’action, des TODO et des liens Loom dans un canal Slack tout au long de la journée. Un agent cron s’exécute toutes les deux heures, lit tout cela en parallèle de ses PR GitHub, tickets Jira et mentions Slack, déduplique entre les différentes sources et publie un tableau de bord synthétique.

Il exécute également des automatisations déclenchées dans Slack pour créer des tickets Jira à partir de fils de discussion et pour résumer des échanges dans Confluence. Singh et Rippling ont étendu leur utilisation des automatisations pour gérer des tâches comme le triage d’incidents, les rapports d’avancement hebdomadaires, la passation d’astreinte, et plus encore. Les automatisations les plus utiles sont partagées au sein de l’équipe.

#L’usine qui fabrique votre logiciel

Toutes ces automatisations sont alimentées par des agents cloud qui utilisent leurs propres ordinateurs pour construire, tester et présenter leur travail. Vous pouvez désormais construire l’usine qui fabrique votre logiciel en configurant des agents pour surveiller et améliorer en continu votre base de code.

Essayez de créer une automatisation sur cursor.com/automations, ou partez d’un modèle. Pour en savoir plus, consultez la documentation.