Cursor peut désormais répondre en créant des canevas pour représenter visuellement des informations. Cela vous permet d’explorer et d’interagir avec des interfaces personnalisées au lieu de lire des pavés de texte dans les chats ou les fichiers Markdown, qui peuvent être difficiles à assimiler.

Avec les canevas, les agents peuvent créer des tableaux de bord pour des données réelles ainsi que des interfaces personnalisées avec une logique et une interactivité adaptées à votre demande. Les agents peuvent les utiliser pour vous aider à examiner des PR, découvrir de nouvelles bibliothèques, ou même gérer d’autres agents dans Cursor. Dans la fenêtre Agents, les canevas sont des artefacts persistants qui se trouvent aux côtés de vos autres outils comme le terminal, le navigateur et le contrôle de version.

#Les composants comme briques de base

Cursor affiche des canevas à l’aide d’une bibliothèque d’interface utilisateur basée sur React, avec des composants intégrés comme des tableaux, des boîtes, des diagrammes et des graphiques. Nous avons donné aux agents accès à des composants existants dans Cursor, comme les diffs et les listes de tâches, et nous leur avons également demandé de suivre les bonnes pratiques de visualisation des données.

Vous pouvez créer des skills pour apprendre aux agents à créer différents types de canevas. Par exemple, la skill Docs Canvas permet à Cursor de générer un diagramme d’architecture interactif pour votre dépôt.

#Comment nous utilisons les canevas chez Cursor

Nous avons constaté que les canevas sont particulièrement utiles pour les tâches très axées sur les données. Ils permettent aux agents d’organiser les informations de manière non linéaire, ce qui les rend plus faciles à assimiler qu’un simple texte.

#Tableau de bord de gestion des incidents

Les MCP Datadog, Databricks et Sentry dans Cursor nous ont permis d'explorer les données d'observabilité avec des agents, qui mettent souvent au jour des informations que nous manquerions par nous-mêmes. Avant les canevas, l'agent présentait les données de séries temporelles dans un tableau Markdown, ce qui était difficile à interpréter et demandait des étapes supplémentaires pour les visualiser.

Désormais, l'agent peut créer des visualisations dans un canevas qui regroupent des données issues de plusieurs sources, y compris des fichiers de débogage locaux, dans un seul graphique.

#Interface de revue des PR

Nous examinons des diffs toujours plus volumineux. Les outils traditionnels présentent toutes les modifications de la même manière, ce qui nous oblige à repérer quelles parties du diff sont les plus importantes.

Avec les canevas, Cursor peut regrouper logiquement les modifications, mettre en avant celles que vous devez examiner en priorité et offrir une interface riche pour explorer l'ensemble des changements. Il peut même rédiger des versions en pseudocode pour les algorithmes complexes.

#Analyse des évaluations

Chez Cursor, nous passons beaucoup de temps à analyser les résultats des évaluations à mesure que nous modifions notre harness et lançons de nouveaux modèles dans le produit. Auparavant, les ingénieurs devaient examiner les identifiants de requête un par un pour repérer des patterns. Nous avons envisagé de créer et de déployer une application Web pour automatiser ce processus, mais nous avons finalement choisi de l’opérationnaliser directement avec une skill dans Cursor.

La skill permet aux agents de lire tous les rollouts d’une évaluation, de regrouper les échecs et de créer un canevas pour analyser les échecs d’évaluation et regrouper les modes d’échec. Cela nous permet d’identifier des bugs du harness qui passaient auparavant inaperçus, et nous a récemment aidés à lancer deux nouveaux modèles dans Cursor avec beaucoup moins d’efforts.

#Expérience autoresearch

Nous adaptons les idées d’autoresearch pour permettre aux agents de relever des défis d’optimisation complexes liés aux performances de nos applications clientes. Avec les canevas, l’agent peut visualiser l’avancement de ses recherches pendant l’exécution d’expériences, ce qui permet à l’utilisateur de suivre sa progression et de voir l’hypothèse qu’il teste actuellement.

#Accroître la bande passante de l’information

Des améliorations récentes comme le Design Mode et la saisie vocale améliorée font toutes partie de nos efforts pour accroître la bande passante de l’information. Nous voulons réduire les frictions dans la collaboration entre humains et agents, et faciliter l’expression de votre intention au-delà du simple texte.

Essayez les canevas dans Cursor 3.1, ou découvrez-en plus dans notre documentation.