Cloud agents en Cursor: automatiza tu flujo con IA

Correr agentes en la nube con Cursor te permite ejecutar tareas de desarrollo con cómputo dedicado, sin tocar tu máquina local. Aquí aprenderás qué son los cloud agents, cómo funciona el computer use y para qué sirven las automatizaciones, ideal si eres ingeniero de software que quiere delegar trabajo repetitivo.

Cursor dejó de ser solo un editor de código. Además del modelo de inteligencia artificial que escribe código, el gestor de agentes, los MCPs, skills y marketplace, ahora te ofrece automatización directa en la nube. Puedes lanzar agentes o subagentes con recursos propios y recibir el resultado sin bloquear tu computador.

Qué son los cloud agents y cómo se configuran

Todo empieza entrando a cursor.com con tu usuario y contraseña. Ahí encuentras un chat central para comunicarte con tu agente y tres pestañas a la izquierda: Automations, Bugbot y Dashboard [00:58].

En el chat aparece tu proyecto (en el ejemplo, Curso de Cursor Main) y un botón que dice Setup Cloud Agents junto a la documentación. Al dar clic, Cursor levanta una virtual machine por detrás, descarga el repositorio e instala las dependencias [02:52].

¿Qué es un cloud agent en Cursor? Es un agente que se ejecuta en su propia máquina virtual en la nube, con cómputo dedicado. Descarga tu repositorio, instala dependencias y trabaja en segundo plano para traerte el resultado.

En el ejemplo, el proceso tardó 14 minutos asignando recursos y levantando tanto la API como la parte web del proyecto [03:12]. Al terminar, Cursor te muestra un video de todo lo que hizo la máquina.

Por qué importa el computer use

Aquí viene lo interesante: el computer use es la capacidad de darle a un agente un entorno de escritorio completo. Cada agente corre en una máquina virtual aislada y puede usar mouse y teclado para controlar el escritorio y el navegador [02:03].

Esto significa que el agente interactúa con el software como lo haría un desarrollador humano. Puede levantar un browser, manipular la web, digitar usuario y contraseña, e incluso tomar screenshots [02:20].

• Se ejecuta en su propia virtual machine aislada.
• Usa mouse y teclado virtuales para manipular el sistema.
• Corre pruebas parecidas a un tuning con Playwright, pero con recursos propios [04:04].

Según Elver, el computer use es el futuro en el desarrollo de software, porque delega la ejecución completa al agente [02:40].

Cómo documenta el agente su trabajo con un pull request

Lo más potente del ejemplo es que el agente instaló node, dominios y base de datos, ejecutó los tests, actualizó el script de la virtual machine y modificó el archivo agents.md [04:29].

Además creó automáticamente el pull request 22, sin que nadie se lo pidiera. Ese PR documenta el environment y agrega instrucciones específicas para Cursor Cloud [05:12].

¿Para qué sirve el agents.md en un cloud agent? Guarda las instrucciones paso a paso para levantar el proyecto. Así, el siguiente agente no repite la investigación: solo lee el archivo y ejecuta.

Después de dar merge al pull request, guardas el environment con el botón save. Puedes definir el scope: solo para ti o para el team. Si lo asignas al equipo, cualquier persona podrá enviarle prompts e interactuar con esa máquina virtual [06:12].

Y aquí un detalle práctico: una vez guardado el snapshot, puedes arrancar nuevos agentes reutilizando esos recursos, incluso desde tu celular. Solo abres el navegador, entras a cursor.com y envías prompts o especificaciones al agente en la nube [07:05].

Cómo crear automatizaciones y usar Bugbot

La pestaña Automations conecta herramientas como Slack, Datadog, Sentry, Jira y ClickUp. Puedes hacer que, cada vez que se abra un pull request o el flujo de review de security encuentre un fallo, te llegue un mensaje a Slack [07:45].

Para crear una, seleccionas el repositorio y la rama, luego agregas un trigger, que es lo que dispara la automatización. Por ejemplo, un trigger de GitHub cada vez que se abra un pull request, con un prompt que ejecuta el agente [08:35].

En el ejemplo, el prompt lanza un agente que corre /review bugbot security review sobre el diff y deja los hallazgos como comentarios en el PR, usando el modelo Composer 2.5 por tratarse de un code review [09:20].

Qué hace Bugbot en tu flujo de GitHub

Bugbot se integra con GitHub para hacer code review de los PR directamente en la plataforma. Necesitas permisos de administrador para habilitarlo, y ofrece varios triggers [10:03]:

• Lanzarlo en cada push a GitHub.
• Ejecutarlo al crear un PR.
• Invocarlo manualmente.

Uno de sus mejores usos es el summary: genera un resumen de lo que incluye cada pull request, resolviendo ese problema clásico de crear PR sin descripción y dejar adivinando al compañero [10:35]. También trae autofix para corregir issues automáticamente.

Dentro de Bugbot aparecen dos agentes especializados. El Security Agents inspecciona tu repositorio buscando fallos de seguridad. El Approval Agents aprueba automáticamente pull request sencillos, como un cambio de estilo o el nombre de una función, y deja los complejos para revisión humana [11:44].

¿Cuándo usar el Approval Agents de Bugbot? Cuando tu empresa exige mínimo un approve por PR, pero hay cambios triviales. Bugbot distingue si el PR es complejo; si no lo es, lo aprueba y te da vía libre a producción.

Tu reto es entrar a cursor.com, navegar con tu primer agente en la nube y explorar las herramientas de personalización. Esta gestión de agentes es la nueva forma de trabajar como desarrollador: casi no modificas líneas de código, el agente lo hace por ti. ¿Ya probaste tu primer cloud agent? Cuéntanos cómo te fue en los comentarios.