🎯 О чём этот конспект: Детальный разбор архитектуры современных кодовых агентов на примере Cursor. В видео анализируется эволюция инструментов от простых правил до автономных подогентов, а также даются инструкции по управлению контекстом для максимальной эффективности разработки.

👤 Кому будет полезно: Вайбкодерам и разработчикам, которые хотят перестать бороться с галлюцинациями AI и построить предсказуемый процесс создания IT-продуктов с помощью Cursor, Claude Code или Windsurf.

✨ Что получите: Четкое понимание, когда использовать статические правила, а когда — динамические навыки (Skills), как автоматизировать рутину через слэш-команды и как настроить параллельную работу нескольких AI-агентов над одной задачей.

1. Статическое управление контекстом: Rules и .cursorrules

Контекст: Правила — это «конституция» вашего проекта. Они подкладываются в каждый диалог и задают стандарты кодинга, оформления и поведения агента. Однако избыток правил «сжигает» токены и засоряет контекст, не оставляя места для решения самой задачи. Важно соблюдать иерархию и лаконичность.

Выгода: Предсказуемое поведение агента, соблюдение стайлгайда без лишних промптов, экономия времени на исправление мелких стилистических ошибок.

Как применить:

• Шаг 1: Создание структуры — Используйте файл .cursorrules в корне проекта или папку .cursor/rules/ для декомпозиции правил по зонам ответственности (например, отдельно для фронтенда и бэкенда).
• Шаг 2: Настройка глобальных правил (User Rules) — В настройках Cursor пропишите инструкции, не зависящие от проекта.

# Пример User Rule для лаконичности
Always be concise. Do not create any documentation or README files unless explicitly asked. 
If using Anthropic models, skip preamble and get straight to the code.

• Шаг 3: Дифференциация правил — Используйте формат .mdc (Markdown с YAML-метаданными) для управления тем, когда правило должно включаться.

Результат: Агент знает специфику вашего стека и предпочтения в коде по умолчанию, не требуя повторения инструкций в каждом чате.

2. Динамические навыки (Skills) — новый стандарт автоматизации

Контекст: В отличие от правил, которые «горят постоянно», Skills (навыки) работают как датчики движения. Это пакеты инструкций, скриптов и документации, которые агент подгружает только тогда, когда понимает, что они нужны для текущей задачи. Это открытый стандарт, поддерживаемый Cursor (с v2.4), Claude Code и другими.

Выгода: Экономия до 50-80% контекстного окна и возможность давать агенту сложные инструменты (например, работу с PDF или специфичными API) без перегрузки модели.

Как применить:

• Шаг 1: Описание навыка — Создайте .md файл с четким и коротким описанием в YAML-шапке. Именно по этому описанию агент решает, вызвать ли навык.
• Шаг 2: Наполнение — Добавьте в тело навыка примеры кода, пути к документации или исполняемые команды.

---
name: tailwind-expert
description: Use this skill when styling components with Tailwind CSS to ensure best practices.
---
# Instructions
- Use utility classes only.
- Follow the project's spacing scale in tailwind.config.js.
- Prefer Flexbox over Grid for simple layouts.

• Шаг 3: Импорт — Используйте встроенную команду миграции в Cursor для превращения старых правил в динамические навыки.

Результат: Агент становится «умнее» в узких темах, не теряя при этом общую нить рассуждения из-за нехватки токенов.

3. Режимы планирования и отладки (Plan & Debug Mode)

Контекст: Работа «напрямую» в коде часто ведет к ошибкам в архитектуре. Cursor предлагает разделение на режимы: Plan (проектирование), Agent (автономное исполнение) и Debug (глубокий поиск багов).

Выгода: Снижение количества итераций правок и возможность задокументировать принятые архитектурные решения.

Как применить:

• Шаг 1: Использование Plan Mode — Перед написанием кода всегда просите агента составить план. Агент исследует базу, предложит архитектуру и создаст список задач (To-Do).
• Шаг 2: Фиксация плана — Сохраните предложенный план в проект (например, в папку docs/plans/). Это поможет агенту в будущем понимать контекст прошлых решений.
• Шаг 3: Debug Mode для сложных багов — Если возникла ошибка, переключитесь в Debug. Агент сам расставит логи (принты), попросит вас воспроизвести баг и проанализирует вывод консоли.

Результат: Вместо хаотичного написания кода вы получаете структурированный процесс: План -> Одобрение -> Реализация -> Проверка.

4. Sub-agents: Параллелизм и специализация

Контекст: Субагенты — это независимые инстансы AI со своим собственным контекстным окном. Это позволяет делегировать задачи разным моделям одновременно (например, одна пишет тесты, другая — фронтенд).

Выгода: Кратное ускорение выполнения крупных задач и изоляция контекста (мусор из терминала не мешает основной логике).

Как применить:

• Шаг 1: Настройка субагента — Создайте конфигурацию субагента, указав специализированную модель (например, быструю gpt-4o-mini для тестов или мощную claude-3-5-sonnet для архитектуры).
• Шаг 2: Паттерн «Консилиум» — Попросите основного агента вызвать нескольких субагентов для оценки сложной задачи с разных сторон.
• Шаг 3: Параллельное выполнение — В режиме Plan агент теперь может автоматически запускать субагентов для выполнения пунктов списка To-Do параллельно.

Результат: Сложные задачи, которые раньше занимали 30 минут, решаются за 5-10 минут за счет разделения труда между AI-агентами.

5. Model Context Protocol (MCP) и Hooks

Контекст: MCP позволяет агенту выходить за пределы файлов проекта: подключаться к базам данных, GitHub, браузеру или Google Sheets. Hooks (хуки) добавляют уровень контроля и безопасности.

Выгода: Агент может сам проверять данные в БД или детерминированно блокировать опасные команды (например, rm -rf).

Как применить:

• Шаг 1: Подключение MCP — Добавьте нужные сервера через JSON-конфиг в настройках Cursor.
• Шаг 2: Настройка безопасности через Hooks — Используйте Command-based hooks для проверки команд перед выполнением.

# Пример логики хука на Python для проверки удаления
import sys
command = " ".join(sys.argv[1:])
if "rm " in command and "-rf" in command:
    print("Forbidden: Dangerous command detected!")
    sys.exit(1)
sys.exit(0)

• Шаг 3: Prompt-based hooks — Используйте их для автоматической суммаризации контекста или маскировки чувствительных данных (паролей) перед отправкой в LLM.

Результат: Безопасная и глубокая интеграция AI-агента с вашей реальной рабочей средой.

FAQ

В: В чем главное отличие Rules от Skills?

О: Rules (правила) всегда находятся в контексте и тратят токены с первого сообщения. Skills (навыки) подгружаются динамически только тогда, когда агент видит в них необходимость по описанию.

В: Можно ли использовать субагентов для экономии денег?

О: Да. Вы можете назначить основному агенту дорогую модель (Claude 3.5 Opus) для планирования, а субагентам для написания простого кода — дешевую и быструю (GPT-4o mini).

В: Как предотвратить утечку API-ключей при работе с агентом?

О: Используйте хуки (Hooks). Настройте скрипт, который будет срабатывать перед чтением файлов агентом и маскировать строки, похожие на ключи или пароли.

В: Что делать, если правила в разных файлах противоречат друг другу?

О: В Cursor приоритет имеют более ранние (верхнеуровневые) правила. Старайтесь декомпозировать их так, чтобы правила для бэкенда не пересекались с фронтендом через настройки путей в .mdc.

В: Обязательно ли использовать MCP для работы с БД?

О: Не обязательно, но крайне желательно. Без MCP агент может только гадать по структуре файлов. С MCP он может выполнить реальный SQL-запрос и увидеть структуру таблиц «вживую».

Конспект создан на основе видео «Cursor AI: Rules, MCP, Skills, Sub-agents. Полный разбор экосистемы 2025» канала [E-comet / Дмитрий Шаланов]. Все права на оригинальный материал принадлежат авторам. Источник: https://youtu.be/TMxDSeMJXcU