Cursor Agent SDK：把AI Agent写成代码，测完再上线

Cursor 在 10 月 20 日正式发布了 Agent SDK，核心思路一句话就能说清：把 AI Agent 当成普通代码来管理——本地编写、跑评测、再部署，而不是在某个黑盒界面里反复调提示词、祈祷线上别出岔子。

一个 Agent 就是一个代码文件夹

Agent SDK 的结构设计相当克制。按官方演示的说法，一个 Agent 对应一个代码文件夹，里面几个约定好的部分各司其职：Instructions.md 放提示词，决定这个 Agent 干什么、怎么干；文件夹里每个文件对应一个动作，相当于把 Agent 的能力拆成了可读可维护的模块；还有一个类似 spills 的虚拟加载方案，用来定义流程；MCP Connections 则负责接上 MCP 工具，让 Agent 能调用外部能力。

这种「文件夹即 Agent」的组织方式，好处是把原本藏在对话里的行为逻辑显性化了。提示词是文件，动作是文件，流程也是文件，都能进版本控制、能 code review、能被别的工程师读懂。对于要把 Agent 接入团队工作流的场景，这一点比任何花哨的功能都重要。

MCP（Model Context Protocol） 是 Anthropic 于 2024 年底提出的开放协议，用于标准化大模型与外部工具、数据源之间的连接方式。简单说，它定义了一套「模型如何发现并调用工具」的通用接口：工具提供方实现一个 MCP Server，暴露可调用的函数及其参数描述；Agent 侧作为 MCP Client 连接上去，就能像调用本地函数一样使用这些能力，而无需为每个工具单独写适配代码。文章提到的 MCP Connections，正是 Agent 文件夹里声明「我这个 Agent 要接哪些 MCP Server」的配置入口，把外部能力接入变成可版本化、可复用的声明式配置，而非硬编码在提示词里。

触发方式覆盖真实研发场景

Agent 写好了，还得知道什么时候被叫醒。SDK 支持的触发渠道相当广：GitHub、GitLab、Bitbucket 上的 PR、评论和 CI 事件都能触发；Slack 侧支持提及和私信；此外还有 Webhook，以及按时间调度的方式。

这意味着 Agent 可以自然嵌进现有研发流程——新 PR 提上来就自动审一遍，CI 挂了就自动排查，Slack 里 @ 一下就能追问细节。对团队来说，不需要改变工作习惯，Agent 自己找上门。

从模板起步，在本地 Playground 调优

上手路径也很直接。官方给的例子是用安全审查模板起步：每个新 PR 自动审一遍，在同一个 PR 里继续追问时，对话会接续原来的上下文，不会每次从零开始。

创建流程是在 MyBot 里点「加」，选 Template 挑模板，然后用 Agent SDK 的本地 Playground 打开调试。据演示，上线前可以在本地反复试跑，把行为调到你满意为止。

先写评测再上线：Agent 也要有回归测试

这套工具链里最有分量的部分是评测环节。SDK 提供了 GitHub Replay 能力，可以把真实 PR 变成测试数据，让 Agent 在这些历史场景上回放跑分。这样一来，Agent 的改动就有了可比对的基线，而不是改完提示词凭感觉判断好坏。

部署环节同样灵活：跑完评测后，可以部署到 Cursor 托管，也可以部署到你自己的服务器上，拿到 URL 就算上线完成。整个闭环是「写 → 测 → 回放 → 部署」，和普通软件工程的节奏一致。

回归测试（Regression Testing） 指在修改代码后重新运行既有测试集，确认原有功能没有被破坏。在传统软件工程中，它是防止「改一处、坏三处」的基本防线。文章说的 GitHub Replay 把这一思路迁移到了 Agent 上：把历史真实 PR 固化为评测用例，每次改动提示词或动作文件后回放跑分，与上一版基线对比。区别在于，普通代码的回归测试断言的是确定性的输入输出，而 Agent 的输出带随机性，因此评测通常需要更宽松的判定标准（如人工标注的通过条件或 LLM 评分），这也是 Agent 评测比传统单测更难的地方。

为什么这件事值得关注

过去一年里大量 AI Agent 项目卡在同一个地方：demo 很惊艳，上线就翻车，出了问题也无法复现和定位。Cursor Agent SDK 给出的答案是把 Agent 拉回软件工程的基本盘——代码化、可测试、可回放、可部署。

对已经把 Agent 用在生产环境边上的团队，这种「先写评测再上线」的纪律，比多几个模型能力更实在。毕竟 Agent 能不能像普通代码一样被测试和回放，决定了它能不能真正进入严肃的工作流，而不是停留在演示视频里。