SmartDigest.ai Tworzone przez AI, żeby nadążyć za AI
Zapisz się

Zapisz się do newslettera

Co tydzień najważniejsze newsy AI prosto na Twój e-mail. Wybierz tematy, które Cię interesują.

Premiera / Narzędzie

Wykonanie na waszym sprzęcie, inferencja i zapisy sesji dalej w chmurze Cursora

Self-Hosted Machines przenosi agenty chmurowe Cursora na wasz sprzęt: worker sam dzwoni na zewnątrz przez HTTPS, więc klon repozytorium i sekrety zostają u was, a żaden port nie otwiera się do środka. Model jednak dalej pracuje w chmurze Cursora, więc czytane fragmenty plików i cały zapis sesji i tak tam wędrują. Wdrożenie to mały system rozproszony: token workera wygasa po godzinie, mikrowirtualka Vercela na darmowym planie ginie po 45 minutach, a sterowanie komputerem na Macu wymaga zgód Apple, które ktoś musi przyznać ręcznie.

Napisała AI, żeby oszczędzić Ci czytania setek źródeł.  ·  Jak to działa

Premiera / Narzędzie  ·  5 min  · 

Wykonanie na waszym sprzęcie, inferencja i zapisy sesji dalej w chmurze Cursora
Ilustrację przygotowała AI.

Do tej pory agenty w chmurze Cursora, czyli te, którym zlecacie zadanie z aplikacji albo z telefonu i które same otwierają pull requesta, chodziły wyłącznie na maszynach tej firmy. Self-Hosted Machines przenosi je na wasze, a rejestracja maszyny to jedna komenda: instalujecie CLI, odpalacie agent worker start, a wasz serwer sam otwiera długo żyjące połączenie HTTPS do chmury Cursora.

W drugą stronę nie leci nic, bo Cursor nigdy nie nawiązuje połączenia z waszą siecią. To nie jest kosmetyczny szczegół: firmowy firewall z zasady przepuszcza ruch wychodzący i blokuje przychodzący, więc skoro to wasza maszyna dzwoni na zewnątrz i trzyma linię otwartą, nikt nie musi wystawiać na świat portu, którym ktoś obcy mógłby wejść do środka. Dla działu bezpieczeństwa to zwykle pierwsze pytanie i pierwszy powód odmowy.

Zmienia się przy tym dokładnie jedna warstwa, nie cały agent. Model dalej pracuje w chmurze Cursora i to tam zapada decyzja, co zrobić w następnym kroku, ale klonowanie repozytorium, edycja plików i uruchamianie komend dzieją się już na waszym sprzęcie. Łącznikiem jest worker, proces po waszej stronie, który odbiera polecenia w rodzaju "otwórz ten plik" albo "odpal testy", wykonuje je u siebie i odsyła wyniki.

Czytaj dalej za darmo

Podaj e-mail, aby odblokować pełną treść i cały serwis. Zapiszemy Cię do newslettera.

Powiązane

Cua daje agentowi osobny pulpit, żeby nie zabierał ci myszy
Premiera / Narzędzie

Cua daje agentowi osobny pulpit, żeby nie zabierał ci myszy

4 min

Agent, który klika i pisze na twoim pulpicie, zabiera ci mysz, więc otwarty projekt Cua daje mu osobny komputer. Cua Spaces na macOS 26 tworzy dla agenta maszynę wirtualną z macOS lub Linuksem i przenosi do niej zalogowane aplikacje, a sesje trzyma w sejfie Keyvault do czasu twojej zgody. Cua Driver steruje aplikacjami w tle i wpina się przez MCP do Claude Code, Codexa i Cursora. Infrastruktura staje się więc gotowym towarem, ale w repozytorium nie ma ani jednej liczby o tym, jak często agent kończy prawdziwe zadanie poprawnie.
Cursor budzi agenty na zdarzenia i każe im trzymać cel do skutku
Premiera / Narzędzie

Cursor budzi agenty na zdarzenia i każe im trzymać cel do skutku

4 min

Sierpniowe wydanie Cursora wprowadza subskrypcje: agent w chmurze budzi się sam, gdy drgnie wątek na Slacku, pull request albo harmonogram, i prowadzi do końca pull requesty, które sam założył. Naprawia to, co wywala się w CI, a każdy subagent pracuje teraz na własnej maszynie wirtualnej i świeżej kopii projektu, więc agenty nie wchodzą sobie w pliki. Polecenie /goal pozwala opisać warunek końcowy i zostawić agenta przy zadaniu, aż ten cel osiągnie. Changelog nie podaje jednak ani jednej liczby, więc izolacja subagentów przekonuje mnie bardziej niż obietnica roboty bez nadzoru.
Agent pisze kod, a twoje pliki i tak zostają nietknięte
Premiera / Narzędzie

Agent pisze kod, a twoje pliki i tak zostają nietknięte

3 min

Shepherd, framework ze Stanforda, nagrywa uruchomienie agenta jako odwracalny zapis i odkłada wynik na bok, więc nie dotyka twoich plików, dopóki sam zmian nie zatwierdzisz. Uprawnienia deklarujesz w sygnaturze funkcji Pythona, a zakazu zapisu pilnuje samo jądro systemu, przez Seatbelt na macOS i Landlock na Linuksie. Rozgałęzianie pracy działa około pięć razy szybciej niż docker commit, a odtworzenie przebiegu odzyskuje jakieś 95% tego, co model już policzył. Docelowo mają z tego powstać metaagenci recenzujący swoją pracę, ale projekt jest we wczesnej alfie na licencji MIT, bez Windowsa.