Cursor 1.0 新功能详解：BugBot、Background Agent、一键安装MCP等重磅更新
简介
Cursor 1.0 版本正式发布，带来了多项重磅功能更新，包括自动代码审查工具 BugBot、面向所有用户的 Background Agent、一键安装 MCP 服务器、Jupyter 支持以及全新的记忆功能。本文将详细介绍这些新功能，并附上示例，帮助您快速上手。
一、BugBot：自动代码审查
BugBot 能够自动审查您的 Pull Request，及时发现潜在的 bug 和问题。当发现问题时，BugBot 会在 GitHub 上留下评论，您只需点击"Fix in Cursor"即可返回编辑器，并自动填充修复问题的提示。
示例
假设您在 GitHub 上提交了一个 PR，BugBot 检测到代码中存在未处理的异常：
def divide(a, b):
return a / b # 未处理除零异常
BugBot 会在 PR 中评论：
检测到潜在问题：未处理除零异常。点击"Fix in Cursor"修复。
点击后，Cursor 会自动打开编辑器，并提示您添加异常处理：
def divide(a, b):
if b == 0:
raise ValueError("除数不能为零")
return a / b
二、Background Agent：面向所有用户
Background Agent 是 Cursor 的远程编码助手，此前仅限早期用户使用，现在已向所有用户开放。您可以通过点击聊天界面中的云图标或按下 Cmd/Ctrl+E（隐私模式未启用时）快速启动 Background Agent。
示例
在 Cursor 中，按下 Cmd/Ctrl+E，Background Agent 会弹出控制面板，您可以直接输入需求，例如：
请帮我优化这段代码的性能。
Background Agent 会分析代码并提供优化建议。
三、Jupyter Notebook 支持
Cursor 现在支持在 Jupyter Notebook 中直接实现代码修改。Agent 可以在 Jupyter 中创建和编辑多个单元格，大幅提升数据科学和研究任务的效率。目前仅支持 Sonnet 模型。
示例
在 Jupyter Notebook 中，您可以直接输入：
请帮我实现一个简单的线性回归模型。
Agent 会自动创建并编辑单元格，生成如下代码：
import numpy as np
from sklearn.linear_model import LinearRegression
X = np.array([[1], [2], [3]])
y = np.array([2, 4, 6])
model = LinearRegression()
model.fit(X, y)
print(f"斜率: {model.coef_[0]}, 截距: {model.intercept_}")
四、记忆功能（Memories）
记忆功能允许 Cursor 记住对话中的信息，并在未来引用。记忆按项目和个人级别存储，可通过设置管理。目前该功能处于测试阶段，您可以在设置中启用。
示例
在对话中，您提到：
我的项目使用 Python 3.9。
后续对话中，您可以直接询问：
请帮我检查代码兼容性。
Cursor 会自动引用您之前提到的 Python 版本，确保建议与 Python 3.9 兼容。
五、一键安装 MCP 服务器与 OAuth 支持
Cursor 现在支持一键安装 MCP 服务器，并支持 OAuth 认证。您可以在 docs.cursor.com/tools 添加官方 MCP 服务器。如果您是 MCP 开发者，可以在文档中添加"Add to Cursor"按钮，方便其他开发者使用。
示例
在 Cursor 中，点击"Add MCP Server"，选择官方推荐的服务器，即可一键完成安装和认证。
六、更丰富的聊天响应
Cursor 现在支持在对话中渲染可视化内容，包括 Mermaid 图表和 Markdown 表格。
示例
在对话中，您输入：
请生成一个项目流程图。
Cursor 会生成如下 Mermaid 图表：
七、全新设置与仪表盘
设置和仪表盘页面进行了优化，新增了个人或团队的使用分析、显示名称更新、详细统计等功能。
示例
在仪表盘中，您可以查看每日使用量、工具调用次数、模型使用情况等详细数据。
总结
Cursor 1.0 版本带来了多项重磅更新，包括自动代码审查、远程编码助手、Jupyter 支持、记忆功能、一键安装 MCP 服务器、更丰富的聊天响应以及全新的设置与仪表盘。这些功能将大幅提升您的开发效率，欢迎立即体验！
如需了解更多详情，请访问 Cursor 官网。
本文内容基于 Cursor 1.0 更新日志。