Cursor 擴充自架 Cloud Agents 功能 加入 8 大基礎設施供應商與團隊資源池
核心重點
AI 程式開發平台 Cursor 今次更新，將 Self‑Hosted Machines（自架機器）功能延伸至 Cloud Agents，讓企業可以在自家或雲端的受控環境中執行指令、修改檔案與操作程式碼儲存庫，同時支援 AWS Lambda、Cloudflare、Coder、Daytona、E2B、Modal、Namespace、Vercel 八大基礎設施供應商。模型推論仍由 Cursor 雲端處理，部分執行結果會回傳至雲端供後續分析。
背景與技術細節
-
自架 Cloud Agents 的運作機制
-
企業透過 HTTPS 主動連線 Cursor，無需在防火牆開放額外埠口。
-
程式碼儲存庫、建置快取與憑證等敏感資源可完整保留於企業自行管理的機器上，降低資料外洩風險。
-
Cursor 雲端負責 模型推論（AI 模型的運算與預測）與 代理控制，僅將需要實際執行的工作指派給企業端的執行環境。
-
-
團隊資源池的引入
- 企業可將多台執行機器組成共用資源池，根據工作負載彈性調整可用機器數量，避免為每個程式碼儲存庫配置固定環境的管理負擔。
-
八大基礎設施供應商的支援
-
以 Cloudflare 為例，每個 Cloud Agent 工作階段會在獨立的 Cloudflare 容器內執行，確保指令、檔案變更與儲存庫操作的隔離性。
-
其他供應商（如 AWS Lambda）亦提供類似的容器或無伺服器執行環境，讓企業可依現有雲端策略選擇最適合的部署點。
-
-
資料流向與隱私考量
-
雖然執行環境在企業內部，模型推論仍需將 檔案內容、終端輸出、程式碼差異 等資訊傳回 Cursor 雲端，以供 AI 模型產生回饋。
-
代理產生的螢幕截圖、影片等執行產物亦可能上傳，供使用者在 Cursor 介面檢視或接手控制。
-
-
Linux 環境的操作能力升級
- 新版支援在 Linux 執行環境安裝 Chrome/Chromium，讓 Cloud Agents 能夠自動操作瀏覽器、點擊網頁、擷取畫面，並即時將桌面畫面回傳給使用者。
未來展望與讀者啟示
Cursor 此次將自架能力與多雲供應商深度整合，為企業提供 「安全」+「彈性」 的 AI 開發工作流。對於重視資料主權的組織而言，能在內部環境完成大部分程式碼操作，同時仍受益於雲端 AI 模型的強大推論能力。未來若 Cursor 繼續擴充支援的基礎設施與容器安全功能，將進一步降低企業導入 AI 開發工具的門檻，促成更多產業在保護自有資產的前提下，加速自動化與程式碼生成的應用。
建議：有意導入 Cursor 的企業，應先評估自家雲端平台與安全政策，選擇最合適的供應商與資源池配置，並針對資料回傳機制制定明確的治理規範，以確保 AI 助手的效能與合規性同步提升。