Ještě před rokem bylo programování s AI jednoduché: napsal jsi prompt, počkal jsi na odpověď, zkopíroval jsi kód. Dnes to tak jednoduché není — a dobře tak.
Cursor 3, který vyšel začátkem dubna 2026, přinesl jednu funkci, která celou rovnici mění: Agents Window. Místo spolupráce s jedním AI asistentem teď můžeš řídit paralelně běžící AI agenty — na různých repozitářích, v různých prostředích, se různými úkoly. Aktualizace 3.1 pak přidala dlaždicové rozložení (tiled layout) a vylepšený hlasový vstup, takže panel agentů zvládá i desítky souběžných úloh. Je to přechod od "pair programming" ke skutečnému řízení vývojářského týmu.
Pojďme se podívat, co to v praxi znamená a jak toho využít.
Co je Agents Window a proč je to jiné než dosud
Cursor 3 přinesl zásadní architektonickou změnu. Předchozí verze byla chytrý editor s AI doplňováním. Cursor 3 je unifikovaný workspace pro AI agenty.
Agents Window otevřeš klávesovou zkratkou Cmd+Shift+P → Agents Window. Otevře se panel, kde vidíš všechny aktuálně běžící agenty — co dělají, kde jsou zaseknuti, co čeká na tvůj vstup. Každý agent může pracovat:
- Lokálně ve svém vlastním git worktree (izolovaně, bez konfliktů)
- V cloudu — Cursor Cloud Agents spouštíš na serverové infrastruktuře
- Na vzdáleném SSH — propojíš se se serverem a agent pracuje tam
- Na různých repozitářích naráz
Verze 3.1 to posunula dál: Agents Window lze rozdělit na dlaždice (tiles) a sledovat více agentů vedle sebe, současně. Přibyl i výrazně přesnější hlasový vstup, takže úkol agentovi můžeš zadat diktováním, a novější aktualizace přidaly vyhledávání v historii transkriptů agentů — užitečné, když si needs vzpomenout, která verze agenta dělala kterou změnu.
Tohle není jen vylepšené doplňování kódu. Je to jiný způsob uvažování o práci.
Jak paralelní agenti mění workflow v praxi
Nejlepší způsob, jak pochopit změnu, je konkrétní příklad.
Před Cursor 3: Pracuješ na feature A. Napadne tě bug v jiné části projektu. Přerušíš agenta, přepneš kontext, řešíš bug, vracíš se. Každé přerušení stojí čas a mentální energii.
S Cursor 3: Spustíš druhého agenta na bug — v separátním worktree, aby neohrožoval tvou hlavní práci. Vrátíš se k feature A. Oba agenti pracují paralelně. Za 20 minut si zkontroluješ výsledky obou — v tiled layoutu je máš na jedné obrazovce.
Tohle se počítá. Výzkumy o context switching ukazují, že každé přerušení stojí průměrně 23 minut na zotavení. S paralelními agenty přerušení prakticky mizí.
Tři scénáře, kde Agents Window reálně pomáhá
1. Refactoring + vývoj nové funkce zároveň
Máš backlog plný technického dluhu, ale zároveň musíš dodat novou feature. Místo volby "jedno nebo druhé" spustíš agenta A na refactoring starého modulu a agenta B na novou feature. Oba pracují v izolovaných větvích, žádné konflikty.
2. Testování více přístupů ke stejnému problému
Cursor 3 přinesl funkci /best-of-n: spustíš stejný úkol paralelně na více modelech (nebo více konfiguracích) a porovnáš výsledky. Jeden agent použije přímočaré řešení, druhý zkusí optimalizovat výkon. Vybereš nejlepší.
Pro složité architektonické rozhodnutí — kde existuje více validních přístupů — je tohle obrovská výhoda. Nemusíš hádat, co bude lepší. Necháš to změřit.
3. Multi-repo projekty
Pracuješ na backendovém API a zároveň potřebuješ updatovat frontend? Dva agenti, dva repozitáře, jeden Agents Window. Synchronizuješ jejich práci ručně přes review, ale obě části se vyvíjejí paralelně.
Best-of-N: Výběr nejlepšího řešení bez hádání
Jednou z nejpraktičtějších novinek Cursoru 3 je /best-of-n. Funguje takto:
- Zadáš úkol (například: "Optimalizuj tuto SQL query pro velké datasety")
- Cursor spustí stejný úkol paralelně — na různých modelech nebo s různými system prompty
- Výsledky se ti zobrazí vedle sebe
- Vybereš nejlepší, ostatní zahodíš
V praxi je tohle nejcennější při rozhodnutích, která mají velký dopad a kde si nejsi jistý/á nejlepším přístupem. Místo iterativního testování jednoho přístupu po druhém dostaneš přehled možností naráz.
Tip z praxe: pro Best-of-N se vyplatí měnit ne jen model, ale i formulaci úkolu. Jeden agent dostane "optimalizuj na rychlost", druhý "optimalizuj na čitelnost a udržovatelnost". Porovnání výsledků ti často řekne o kódu víc než samotný diff.
Cloud Agents: Agenti, kteří pracují, i když zavřeš laptop
Zajímavá část Cursoru 3 jsou Cloud Agents — agenti, kteří běží na Cursor serverové infrastruktuře, ne na tvém počítači.
Co to znamená v praxi:
- Spustíš agenta na dlouhotrvající úkol (rozsáhlý refactoring, generování testů pro celý projekt)
- Zavřeš laptop, jdeš na oběd
- Vrátíš se a agent dokončil práci, výsledky čekají na review
- Novější verze Cursoru navíc umí port-forward prostředí cloud agenta přímo do prohlížeče — můžeš si živě prohlédnout, co agent postavil, včetně design módu pro UI změny
Pro sólové vývojáře nebo malé týmy je tohle zajímavá změna. Dříve jsi mohl/a přes noc spustit jen skripty nebo CI pipeline. Teď spustíš agenta s kontextem a instrukcemi.
Jak začít: První kroky s Agents Window
Pokud právě upgradoval/a na Cursor 3, tady je jak začít:
Krok 1: Otevři Agents Window
Cmd+Shift+P → napiš "Agents Window" → Enter. Nebo v levém panelu klikni na ikonu agentů.
Krok 2: Spusť prvního paralelního agenta V Agents Window klikni na "+ New Agent". Vybereš repozitář, prostředí (lokální / cloud / SSH) a zadáš úkol.
Krok 3: Rozděl panel na dlaždice Po upgradu na 3.1 můžeš Agents Window rozdělit na více dlaždic a sledovat agenty vedle sebe. Pro dva až tři agenty je to ideální — vidíš na první pohled, kdo běží, kdo čeká a kdo skončil.
Krok 4: Monitoruj stav Agents Window ti ukáže status každého agenta: běží, čeká na input, dokončen, chyba. Agenti, kteří potřebují tvůj vstup, jsou označeni — nemusíš je aktivně sledovat.
Krok 5: Review výsledků Každý agent pracuje ve svém worktree nebo větvi. Review probíhá jako standardní PR review — vidíš diff, schvaluješ nebo upravuješ. Pomoci si můžeš vyhledáváním v transkriptech agentů, kdy si ověříš, proč se agent rozhodl tak, jak se rozhodl.
Kolik to stojí: Cursor tarify a náklady na agenty
U paralelních agentů se cena stává reálnou proměnnou, ne detailem ve footnote. Zhrubý přehled, jak nad tím uvažovat (konkrétní ceny si ověř v aktuálním ceníku Cursoru, protože se mění několikrát ročně):
- Pro plán — základní varianta pro jednotlivce. Citlivé na limity usage: pokud měsíčně pustíš přes agenta desítky větších úloh, limity vyčerpáš dřív, než se naděješ.
- Max / Ultra plány — výrazně vyšší limity, které paralelní agenti vyžadují. Pokud máš běžně 3+ agenty současně, tady se pohybují reálné uživatelé.
- Cloud Agents — účtují se zvlášť nad rámec předplatného. Výhodou je, že platíš jen to, co agent reálně spotřebuje; nevýhodou je, že se cena dá jen těžko odhadnout předem.
Pravidlo rozpočtu: Před spuštěním větší agentí úlohy si stanov strop ("na tento refactoring max X kreditů/tokenů"). Po dokončení si zkontroluj skutečnou spotřebu. Po týdnu takového měření budeš vědět, které typy úloh se agentům vyplácejí a které vyřešíš rychleji sám — a to je informace cennější než jakýkoliv benchmark.
Zdarma alternativou pro experimentování s paralelními agenty je kombinace open-source nástrojů (Claude Code v tmux panelech, vlastní skripty nad git worktrees). Není to tak pohodlné, ale pro ověření konceptu stačí — a naučí tě stejnou disciplíně: izolované větve, explicitní úkoly, review výsledků.
Agents Window vs. alternativy
Cursor není jediný, kdo řeší paralelní agenty. Stručná orientace:
| Přístup | Silná stránka | Kdy zvolit |
|---|---|---|
| Cursor 3 Agents Window | Vizuální přehled, tiled layout, Cloud Agents | Chceš GUI orchestraci a multi-repo přehled |
| Claude Code paralelní relace | Terminálová kontrola, subagenti, levnější provoz | Jsi terminálový typ, chceš maximální kontrolu |
| GitHub Copilot agenti | Integrace s GitHub ekosystémem, issue → PR workflow | Tým žije v GitHubu a chcete agenty vázat na issues |
| Vlastní orchestrace (skripty + API) | Totální flexibilita, libovolné modely | Máš specifický proces, který nástroje nepokrývají |
Výběr není náboženská otázka. Agenti jsou zpočačtu zranitelní na detaily implementace, takže tým často skončí u dvou nástrojů současně (jednoduché úkoly GUI, těžká orchestrace v terminálu) — a to je v pořádku.
Kde je háček: Co Agents Window neřeší
Být upřímný: Agents Window není magic bullet.
Koordinace je stále na tobě. Agenti nevědí o sobě navzájem. Pokud jeden agent mění API endpoint a druhý agent pracuje s tím samým endpointem — neupozorní tě na konflikt. Koordinaci musíš řídit ty.
Cena roste s počtem agentů. Cursor 3 je dražší než Cursor 2 a Cloud Agents mají vlastní cenový model. Pro hobby projekty nebo sólo vývojáře může být ROI diskutabilní — záleží na tom, jak moc tě stojí ztracený čas vs. cena předplatného. Paralelní agenti také spalují tokeny násobeně: pět běžících agentů znamená zhruba pětinásobnou spotřebu oproti jednomu.
Onboarding trvá. Přechod od "jeden agent, jeden kontext" na "orchestrace týmu agentů" vyžaduje změnu myšlení. Prvních pár projektů bude spíše experimentování než okamžitá produktivita.
Bugy se nevyhýbají ani Cursoru. Aktualizace 3.1 se u části uživatelů potýkala s chybovou hláškou v Agents Window (AgentPanel error) — pokud na něco takového narazíš, pomůže downgrade nebo čekání na patch. U nástroje, kolem kterého se točí tvůj workflow, měj vždy záložní plán (terminal, starší verze, druhý editor).
Závěr: Pro koho Cursor 3 dává smysl
Cursor 3 Agents Window je nejcennější pro:
- Vývojáře na sólových projektech s rozsáhlou codebase, kde paralelní práce šetří hodiny
- Malé týmy, kde jeden člověk orchestruje více paralelních linií vývoje
- Vývojáře s komplexními rozhodnutími, kde Best-of-N pomůže vybrat nejlepší přístup
Pokud píšeš jednoduché skripty nebo pracuješ na malém projektu s jednou hlavní větví — upgrade na Cursor 3 ti pravděpodobně nepřinese dramatický rozdíl. Cursor 2 (nebo jiné nástroje) ti budou stačit.
Pro ostatní: přechod od pair programmingu k řízení AI týmu je reálný krok vpřed. Klíčem je pochopit, že teď nejsi programátor/ka s AI asistentem. Jsi technický ředitel/ka s týmem AI agentů — a podle toho je potřeba nastavit workflow.
Vyzkoušel/a jsi Cursor 3? Jak ti fungují paralelní agenti v praxi?
