Der Agent-Harness ist die grundlegende Struktur, die steuert, wie ein Agent funktioniert. Er besteht aus drei Teilen: Anweisungen, die dem Agenten Verhaltensregeln vorgeben; Werkzeugen wie dem Bearbeiten von Dateien, der Suche im Code oder dem Ausführen von Befehlen im Terminal; und Ihren Nachrichten, mit denen Sie dem Agenten mitteilen, was er tun soll. In Cursor ist dieser Harness auf Grundlage interner Tests an verschiedene Modelle angepasst, beispielsweise an jene von OpenAI und anderen Anbietern. Einige Modelle verwenden für die Suche zum Beispiel lieber den Befehl grep, während andere zusätzliche Anweisungen benötigen, um den Code nach Änderungen zu überprüfen. Dadurch müssen Sie sich nicht um die Details kümmern und können sich einfach auf Ihr Projekt konzentrieren.
Beginnen Sie mit einem Plan, damit alles reibungslos läuft
Einer der wichtigsten Ratschläge lautet, zu planen, bevor der Agent mit dem Schreiben von Code beginnt. Eine Studie der University of Chicago ergab, dass erfahrene Entwickler häufiger planen, was dabei hilft, Ziele klar zu definieren. Drücken Sie in Cursor Shift+Tab, um den Plan Mode zu aktivieren. Der Agent untersucht dann Ihren Code, stellt Rückfragen, erstellt einen detaillierten Plan mit Dateipfaden und wartet auf Ihre Genehmigung. Pläne werden als Markdown-Dateien gespeichert, die Sie bearbeiten und sogar zur Teamdokumentation im Ordner .cursor/plans/ ablegen können. Wenn der Agent etwas falsch macht, kehren Sie zum Plan zurück, passen Sie ihn an und starten Sie den Vorgang erneut – das ist schneller, als Fehler schrittweise zu beheben.
So verwalten Sie den Kontext für den Agenten richtig
Ihre Rolle verlagert sich darauf, den richtigen Kontext bereitzustellen, damit der Agent weiß, was zu tun ist. Sie müssen nicht alle Dateien manuell markieren – dem Agenten stehen Werkzeuge wie die semantische Suche oder grep zur Verfügung, die relevante Codestellen selbstständig finden. Wenn Sie beispielsweise sagen: „Sieh dir den Authentifizierungsablauf an“, durchsucht der Agent ihn eigenständig. Verwenden Sie Werkzeuge wie @Branch, um Kontext zum aktuellen Branch bereitzustellen. Wenn eine Unterhaltung lange dauert und der Agent den Überblick verliert, beginnen Sie eine neue – das ist besser, wenn Sie die Aufgabe wechseln oder dieselben Fehler wiederholt auftreten. Verwenden Sie für Verweise auf frühere Arbeiten @Past Chats; das ist effizienter, als ganze Unterhaltungen zu kopieren.
Erweitern Sie den Agenten mit Regeln und Fähigkeiten
Cursor ermöglicht es, den Agenten mit Regeln und Fähigkeiten anzupassen. Regeln sind statischer Kontext in der Datei RULE.md im Ordner .cursor/rules/, in der Sie Befehle wie npm run build, Codestile oder Workflows beschreiben. Halten Sie sie kurz und verweisen Sie auf Beispiele im Code, anstatt vollständige Anleitungen zu kopieren. Fähigkeiten sind dynamisch, werden in SKILL.md definiert und umfassen benutzerdefinierte Befehle, Hooks zur Automatisierung oder domänenspezifisches Wissen. Ein Hook in .cursor/hooks.json kann den Agenten beispielsweise eine Aufgabe so lange wiederholen lassen, bis alle Tests bestanden sind, wobei maximal 5 Iterationen zulässig sind. Fähigkeiten sind in der Nightly-Version von Cursor verfügbar.
Arbeiten mit Bildern und gängige Workflows
Der Agent kann Bilder direkt im Prompt verarbeiten – fügen Sie einen Screenshot des Designs ein und lassen Sie ihn das Layout, die Farben oder die Abstände umsetzen. Senden Sie zur Fehlerbehebung einen Screenshot des Fehlerzustands. Zu den gängigen Workflows gehört die testgetriebene Entwicklung: Der Agent schreibt Tests, führt sie aus, damit sie zunächst fehlschlagen, und implementiert dann den Code, bis sie erfolgreich durchlaufen. Stellen Sie zum Verständnis des Codes Fragen wie einem Kollegen: „Wie funktioniert das Logging?“ Der Agent durchsucht die Git-Historie, löst Konflikte oder automatisiert Befehle wie /pr zum Erstellen eines Pull Requests.
Parallele Ausführung von Agenten und Cloud-Optionen
Cursor unterstützt parallele Agenten in getrennten Worktrees, in denen Sie mehrere Modelle auswählen und die Ergebnisse vergleichen können. Beschreiben Sie bei Cloud-Agenten, die remote ausgeführt werden, die Aufgabe; der Agent klont das Repository, erstellt einen Branch und öffnet einen Pull Request. Verfolgen Sie den Vorgang im Web oder auf dem Mobilgerät. Verwenden Sie für komplexe Fehler den Debug Mode, der Hypothesen erstellt, Logging hinzufügt und Daten aus der Reproduktion des Fehlers analysiert.
Codeüberprüfung und Entwicklung eines eigenen Stils
Beobachten Sie den Agenten während der Arbeit in der Diff-Ansicht und unterbrechen Sie ihn mit Esc, wenn er in die falsche Richtung geht. Führen Sie nach Abschluss Review → Find Issues zur Überprüfung aus. Für Pull Requests steht Bugbot zur Verfügung. Erstellen Sie in Mermaid Diagramme für die Architektur, etwa zum Datenfluss bei der Authentifizierung. Entscheidend ist, spezifische Prompts zu schreiben, die Konfiguration iterativ anzupassen, alles sorgfältig zu überprüfen und dem Agenten klare Ziele wie Tests vorzugeben.
