Бот Rollouts в Cursor следит за кодом уже в продакшене

Агенты сделали написание кода почти бесплатным. По словам Рустама Лалкаки из Cursor, выяснять, какое из одиннадцати изменений сломало оформление заказа, приходится так же медленно, как раньше. Ответ Cursor на эту проблему, как рассказывает The New Stack, называется Rollouts. Бот ведёт изменение от пулл-реквеста до продакшена и проверяет, работает ли оно так, как задумано.

Коротко

• Cursor добавила во вкладку Automations на тарифах Teams и Enterprise два бота: новый Rollouts, выросший из Change Monitors купленного стартапа Firetiger, и обновлённый Security Reviewer.
• Rollouts составляет план мониторинга уже при открытии пулл-реквеста, а после деплоя сверяет с ним логи, метрики и трейсы; Security Reviewer тратит на проверку в среднем 3,8 минуты вместо 4,8.
• Последнее слово остаётся за человеком: бот не мержит исправления и не откатывает деплой сам, а только открывает пулл-реквест на откат, зовёт облачного агента или приостанавливает постепенную выкатку.

Если вы не следили, напомним: чуть больше месяца назад SpaceX закрыла сделку по покупке Cursor за 60 миллиардов долларов, и Cursor получила доступ к огромной GPU-инфраструктуре SpaceX для разработки собственных моделей. За день до закрытия Cursor без шума купила команду Firetiger. Этот трёхлетний стартап делал ИИ-агентов, которые следят за изменениями от пулл-реквеста до деплоя, а его сооснователь и гендиректор Лалкака перешёл в Cursor.

Rollouts вырос из Change Monitors и собран на новом пакете @cursor/bdk

По сути, Rollouts представляет собой Change Monitors от Firetiger, заново собранный внутри Cursor на Bot Development Kit. Судя по всему, этот инструмент тоже новый: ранний фреймворк Cursor для создания и запуска ботов и агентов, опубликованный в npm как пакет @cursor/bdk. В документации сказано, что агентов в нём описывают на Markdown и TypeScript, а инструменты, навыки, субагенты, вебхуки и запуски по расписанию поддерживаются.

Бот подключается к Origin или GitHub как к системе контроля версий, берёт события деплоя из систем непрерывной доставки, а сигналы получает из Datadog и других поставщиков телеметрии. Найдя регрессию, он указывает на подозрительное изменение и предупреждает ответственного разработчика. Дальше, в зависимости от настроек, он открывает пулл-реквест на откат или передаёт проблему облачному агенту Cursor.

Сам мержить исправления и откатывать деплой Rollouts не умеет, но может приостановить постепенную выкатку. В Cursor обещают скоро добавить интеграцию с фича-флагами, чтобы бот мог напрямую управлять трафиком, который доходит до изменения. Кроме того, готовится поддержка release trains и заморозок деплоя.

Среднее время проверки в Security Reviewer сократилось с 4,8 до 3,8 минуты

Вместе с Rollouts вышла обновлённая версия Security Reviewer, который появился в бете в апреле. Тогда бот искал в пулл-реквестах уязвимости, регрессии в аутентификации, риски для приватности и обработки данных, автоодобрение инструментов агентов и промпт-инъекции и оставлял замечания рядом с нужным кодом. Как и Rollouts, его можно настроить на автоматический запуск при каждом новом пулл-реквесте.

Новая версия разбирает пулл-реквест в контексте всей кодовой базы. В первую очередь она ищет проблемы, которые можно эксплуатировать, например инъекции и сломанную аутентификацию, и выдаёт оценку серьёзности, путь атаки и предлагаемое исправление. По словам Лалкаки, бот читает код как инженер по безопасности: где входят пользовательские данные, куда они попадают и через что проходят по пути.

Лалкака приводит и цифры. Среднее время проверки сократилось на 21%, с 4,8 до 3,8 минуты. Доля замечаний, которые принимают разработчики, выросла примерно с 45–50% до 60–70%.

Rollouts работает и с GitHub, и с Origin, собственным хостингом кода Cursor

Origin, Git-совместимую платформу для хостинга кода, Cursor запустила в августе как альтернативу GitHub для разработки, в которой много агентов. Функций там пока немного, но в Cursor прямо говорят, что главным поводом перейти на Origin должна стать тесная интеграция с агентами компании. Облачные агенты Cursor уже умеют создавать ветки, коммитить, пушить код и открывать пулл-реквесты в репозиториях Origin.

Когда Cursor объявляла о покупке Firetiger, Максим Прадес из продуктовой команды назвал сделку частью вложений в долгоживущих автономных агентов для команд. Примерами он привёл Origin и Change Monitors. По его словам, агент, который пишет код, должен понимать, работает ли этот код в продакшене, а сейчас такие системы в основном разделены.

Конкурентов у Cursor хватает. Zed за неделю до анонса Rollouts вывела в публичную бету Delta со своим взглядом на контроль версий для команд, которые много работают с агентами. Datadog в июне открыла превью Bits Release, который тоже ведёт изменения от пулл-реквеста до продакшена. Harness давно умеет автоматически проверять деплой и откатывать его по логам и метрикам, а Guarded Rollouts от LaunchDarkly сами откатывают выкатку фичи при регрессии.

Staging и продакшен Rollouts оценивает отдельно, и каждый получает свой вердикт

Работа начинается при открытии пулл-реквеста. Бот читает изменение, прикидывает, какие системы оно может задеть, и пишет план мониторинга: что изменение должно сделать, чем оно рискует, за какими сигналами следить и где не хватает инструментирования. Разработчик может прочитать план и поправить его до того, как код попадёт в продакшен.

После деплоя Rollouts сверяет с планом логи, метрики и трейсы. Staging и продакшен проверяются независимо, и каждый деплой получает один из трёх вердиктов: здоров, найдена регрессия или неясно. Поэтому изменение может пройти staging и споткнуться только в продакшене. Похожим образом работает врач, который до операции записывает, какие анализы проверит потом, и сравнивает результаты с этой запиской, а не с общим самочувствием пациента.

Лалкака утверждает, что бот уже замечает проблемы в отдельном эндпоинте или регионе раньше, чем сработает общий алерт. По его словам, Rollouts также отличает ожидаемое изменение поведения от настоящей регрессии.

При этом собственных цифр по Rollouts в анонсе нет. Для Security Reviewer Cursor называет время проверки и долю принятых замечаний, а для нового бота не раскрывает ни точность, ни частоту ложных тревог, ни то, как часто он выносит вердикт «неясно». На наш взгляд, оставить человека на последнем шаге было правильно: бот, который сам откатывает продакшен при неизвестной точности, вряд ли получил бы доверие команд.

Когда Rollouts получит фича-флаги. Сроков нет: интеграция с фича-флагами, поддержка release trains и заморозок деплоя пока значатся как «скоро». Bot Development Kit остаётся ранним фреймворком, и стоит понаблюдать, появятся ли на нём боты не только от Cursor. Непонятно и то, будет ли Rollouts работать с Origin теснее, чем с GitHub, если сейчас обе платформы поддерживаются одинаково.