Ir al contenido principal

Cursor 2.0: Una guía completa con proyecto en Python

Aprende Cursor 2 creando una aplicación web convertidora de divisas con Python y Streamlit.
Actualizado 11 nov 2025  · 11 min de lectura

A finales del mes pasado, Cursor anunció Cursor 2.0, una nueva versión de Cursor que incorpora el desarrollo agentico a Cursor.

Si eres nuevo en Cursor, te recomendamos que primero leas nuestra guía « » (Introducción a Cursor AI). Una guía con 10 ejemplos prácticos Tutorial de. Como sabemos, Cursor cuenta con la confianza de ingenieros de empresas líderes en IA, entre las que se incluyen OpenAI, que ofrece codificación asistida por IA, sugerencias de código inteligente e integración con diversas herramientas de desarrollo. 

En este tutorial, exploraré las principales características del nuevo Cursor 2.0 mediante la creación de una aplicación web de cambio de divisas en Python.

¿Qué hay de nuevo en Cursor 2.0?

Para obtener una lista completa de las características de Cursor 2, te recomendamos que consultes su registro de cambios. En este tutorial, nos centramos en las funciones más relevantes para equipos pequeños y programadores independientes.

Modelo compositor

Cursor presenta su primer modelo de codificación propio, denominado Composer. Afirman que es aproximadamente cuatro veces más rápido que otros modelos con capacidades similares y que está optimizado específicamente para flujos de trabajo de código agenciales y de múltiples pasos. Su objetivo principal es reducir la latencia para que sientas que estás interactuando en tiempo real con la IA en lugar de estar esperando.

Interfaz y coordinación multiagente

Cursor 2.0 pasa de un agente que te ayuda a muchos agentes que funcionan en paralelo. Se pueden ejecutar hasta 8 agentes en paralelo en un solo indicador. Cada agente obtiene su propia copia aislada del código base para que no haya conflictos. Una barra lateral muestra tus agentes/planes, y puedes elegir el mejor resultado de entre varias ejecuciones.

La herramienta del navegador (antes en versión beta) ya está disponible para todo el mundo. Los agentes pueden abrir una página web dentro de Cursor, inspeccionar elementos DOM, reenviar información DOM al agente y probar cambios en la interfaz de usuario. Esto significa que tu agente de IA es más consciente del entorno web y puede validar los cambios en lugar de limitarse a editar el código a ciegas.

Introducción a Cursor 2.0

Para empezar, descarga e instala Cursor 2 desde su sitio web oficial. Asegúrate de descargar la versión 2 y seleccionar el sistema operativo correcto.

La mayoría de las funciones que se describen en este tutorial requieren una suscripción Pro, que cuesta alrededor de 20 dólares al mes. Sin embargo, Cursor 2 incluye una prueba gratuita de una semana, por lo que puedes probarlo y seguir este tutorial de forma gratuita.

Para acceder a la prueba gratuita, debes introducir los datos de tu tarjeta de crédito. Puedes evitar que se te cobre y disfrutar de la prueba de 7 días cancelando la suscripción antes de que finalice el periodo de prueba.

Una advertencia: Después de iniciar la prueba gratuita de Pro, la interfaz muestra un botón para empezar a utilizar las funciones de Pro. Esto es engañoso y no es necesario para acceder a las funciones Pro durante el periodo de prueba. Al hacer clic en él, se finalizará automáticamente la prueba gratuita y se te cobrará el primer mes, lo que probablemente no sea lo que deseas.

Creación de una aplicación con Cursor 2.0

Para probar Cursor 2, creamos una aplicación web para la conversión de divisas utilizando Python. La aplicación está creada íntegramente con Cursor 2. 

Después de instalarlo, cambia a la nueva vista «Agentes»:

Cambiando a la nueva vista «Agentes».

Una de las nuevas características de Cursor 2 es la posibilidad de navegar automáticamente por nuestra aplicación para probarla. Por lo tanto, decidí crear una aplicación web Saplicación web Streamlit con Python.

Streamlit es un marco de trabajo de Python de código abierto diseñado para crear aplicaciones web interactivas de forma rápida y sencilla, especialmente para proyectos de ciencia de datos y machine learning. 

Con Streamlit, puedes crear interfaces de usuario para tu código Python escribiendo scripts sencillos, sin necesidad de tener experiencia en front-end. Se utiliza habitualmente para crear paneles de control, visualizaciones de datos y herramientas que permiten a los usuarios interactuar con datos o modelos en tiempo real a través del navegador web.

Utilizamos Streamlit para crear una aplicación que permite convertir fácilmente entre divisas. Partiendo de una carpeta vacía, este es el comando inicial que usaste:

Ejemplo inicial utilizado para crear la aplicación de conversión de divisas.

Ten en cuenta que el modelo que he utilizado es el nuevo modelo Composer de Cursor 2. Se pueden seleccionar otros modelos utilizando el selector de modelos situado debajo de la entrada de comandos.

Esta es la aplicación que creaste:

Ejemplo de aplicación para el cambio de divisas creada con Cursor 2.

La nueva vista «Agentes» organiza nuestros cambios como conversaciones con diferentes modelos de IA. El flujo de trabajo es similar al uso de una conversación de chatGPT por función, excepto que todo está integrado directamente en Cursor 2.

La vista de nuevos agentes en Cursor.

Podemos utilizar diferentes modelos para cada agente e incluso varios modelos a la vez, como veremos más adelante. La vista anterior del editor de código sigue estando disponible, por lo que podemos cambiar fácilmente entre escribir código, como hacíamos con la versión anterior de Cursor, y trabajar con agentes.

Modelo Compositor de Cursor

Composer es un nuevo modelo de agente desarrollado por Cursor, diseñado específicamente para ayudar en las tareas de ingeniería de software de forma eficiente e inteligente. 

El modelo ha sido entrenado para resolver problemas de codificación del mundo real dentro de grandes bases de código mediante el uso de una variedad de herramientas de desarrollo, como la edición de archivos, los comandos de terminal y la búsqueda semántica. 

A diferencia de los asistentes de codificación tradicionales, que se centran únicamente en la finalización de código, Composer puede realizar tareas más complejas, como generar ediciones de código, crear planes de desarrollo o proporcionar respuestas informativas basadas en el contexto del problema que se le plantea.

Referencia para compositores.

El proceso de entrenamiento del modelo se basa en el aprendizaje por refuerzo, lo que te permite adaptarte a diferentes entornos de desarrollo y priorizar el uso eficaz de las herramientas y la velocidad de respuesta. Este enfoque en la velocidad y la utilidad práctica lo hace ideal para situaciones en las que los programadores necesitan ayuda rápida y relevante sin interrumpir su flujo de trabajo. 

Composer se evaluó con respecto a puntos de referencia que reflejan solicitudes reales de ingenieros en activo, lo que garantiza que sus resultados se ajustan a las prácticas habituales de desarrollo de software. Sin embargo, estos puntos de referencia son privados, y Composer no aparece en los puntos de referencia públicos existentes sobre IA, por lo que debemos tomarlos con cautela.

Poniendo a prueba Composer

Una de las nuevas características de Cursor 2 es tu interfaz multiagente.

La interfaz multiagente permite que diferentes modelos aborden el mismo problema de codificación, de modo que podamos comparar los resultados y seleccionar la solución más eficaz.

La interfaz incluye herramientas para revisar los cambios realizados por cada agente y una función de prueba nativa que permite a los agentes mejorar iterativamente sus resultados hasta que cumplan con los criterios requeridos. Esta combinación resulta especialmente útil para gestionar proyectos complejos, ya que puede ayudar a agilizar las tareas de revisión, prueba y codificación.

Utilizamos esto para comparar el modelo Composer con otros modelos de codificación de IA de última generación en una tarea compleja. Para activar varios agentes, haz clic en el selector « 1x » (Seleccionar modelo) situado debajo de la entrada de comandos y selecciona «Use Multiple Models» (Usar varios modelos).

Activación de múltiples modelos.

La tarea que utilizamos para esta comparación fue añadir persistencia en las monedas predeterminadas. En este momento, una vez que el usuario actualiza la página, la lista de divisas utilizadas para la conversión se restablece. Queremos que esto se almacene para que, si el usuario vuelve a visitar o recarga la página, las divisas permanezcan guardadas.

Hemos seleccionado esta tarea porque es un poco más compleja, ya que el marco que estamos utilizando para crear nuestra aplicación no está realmente diseñado para gestionar este tipo de funciones.

He seleccionado tres modelos para esta tarea:

  • Compositor
  • Soneto 4.5
  • Códice GPT-5

Podemos seleccionar hasta ocho modelos para trabajar en paralelo. Sin embargo, eso podría ser un poco excesivo si pensamos revisar cada resultado y seleccionar el mejor. Descubrí que tres era el número ideal para tener una variedad de soluciones, pero no tantas como para que me llevara más tiempo revisarlas que si las hubiera implementado yo mismo.

Selección de varios modelos para trabajar en paralelo.

Aquí hay un video de tres agentes trabajando en el problema en paralelo. Observamos que Composer es, efectivamente, mucho más rápido que los otros dos.

Al final, podemos cambiar fácilmente entre las tres salidas y comprobar las diferencias entre ellas. A continuación, podemos utilizar el botón «Aplicar todo» en el que deseamos integrar en nuestro código.

Comparación de los resultados de los agentes.

En este caso concreto, a pesar de que tardaba mucho más, mi solución preferida fue la propuesta por GPT-5 Codex, ya que parecía menos chapucera y utilizaba bibliotecas existentes para resolver el problema.

Sin embargo, la velocidad es muy importante cuando se trata de completar código, ya que se trata de un caso de uso en tiempo real. Aquí es donde Composer destaca en comparación con otros modelos, ya que es capaz de proporcionar buenas sugerencias de código muy rápidamente, lo que se traduce en una experiencia de programación fluida.

Modo de planificación

En lugar de que el agente proponga directamente cambios en el código, podemos utilizar el modo «Planificar» para trabajar primero en un plan de implementación. Esto permite iterar sobre el plan y asegurarse de que se está implementando lo que queremos antes de realizar cualquier cambio en el código.

Para utilizar este modo, selecciona la opción «Plan», de la siguiente manera:

En este modo, en lugar de cambios en el código, obtenemos un plan simplificado de lo que el agente pretende hacer para implementar la función. En este caso, esto es lo que obtuvimos:

Digamos que quiero usar la biblioteca streamlit_js_eval para evaluar código JavaScript. Esto era algo que había utilizado la solución GPT-5 Codex y que parecía más sólido que la solución de Composer. Podemos pedir al agente que modifique el plan en consecuencia:

Después de volver a ejecutarlo, vemos que la biblioteca se incluye en el nuevo plan:

Cuando estemos satisfechos con el plan, podemos realizar los cambios haciendo clic en el botón «Crear».

El agente del navegador

Navegador de agentes de Cursor Agente de Cursor de Cursor permite a los usuarios controlar un navegador web integrado directamente en el entorno Cursor. 

Esto significa que podemos automatizar tareas comunes como navegar por páginas web, rellenar formularios, hacer clic en botones y capturar capturas de pantalla sin necesidad de herramientas externas ni configuraciones. El navegador también proporciona acceso directo a los registros de la consola y a la actividad de red, lo que facilita la identificación de problemas o la depuración de aplicaciones web.

Esta función resulta útil para diversas tareas, como pruebas automatizadas de aplicaciones, comprobación de la accesibilidad web y comparación de diseños web con implementaciones reales. 

Para invocarlo, utilizamos la mención @Browser en el indicador. 

Un caso de uso habitual del agente del navegador es probar la aplicación. Por ejemplo, te pedimos que compruebes la conversión de divisas convirtiendo 100 USD a euros y yenes japoneses:

Ejemplo de cómo invocar el agente Browser de Cursor.

Al hacer esto, el cursor iniciará automáticamente la aplicación y ejecutará un navegador integrado para realizar la tarea que le hemos pedido.

Durante el proceso, es posible que sea necesario ejecutar algunos comandos, que tendremos que aprobar manualmente. Se trata de un mecanismo de seguridad que nos permite revisar los comandos antes de que se ejecuten.

En este caso, me llevó a ejecutar un comando para ejecutar la aplicación de cambio de divisas:

Ejemplo del cursor 2 indicándonos que ejecutemos un comando.

Aquí tienes un vídeo del proceso. El navegador que vemos en el vídeo está siendo controlado automáticamente por Cursor.

Revertir cambios en Cursor 2.0

Una de las cosas que me molestaba al trabajar con Cursor 2 era que, a veces, resultaba difícil volver al estado anterior de la aplicación.

La función de punto de control proporciona un función de punto de control para facilitar esta tarea. Pero si realmente quieres una solución sólida, es muy recomendable utilizar Git y confirmar el código después de cada cambio de IA. Este es el flujo de trabajo de desarrollo estándar, pero significa que los usuarios que no son programadores y que utilizan Cursor 2 para crear aplicaciones deben aprender a utilizar Git. 

Si realmente deseas desarrollar con Cursor, te recomendamos encarecidamente que aprendas a utilizar Git con fluidez. Puedes hacerlo, por ejemplo, con nuestro curso Introducción a Git.

Limitaciones de Cursor 2.0 

Al igual que con cualquier nueva versión, hay algunas cosas que me han parecido limitantes al usar la nueva versión de Cursor: 

  • Ejecutar muchos agentes en paralelo parece muy eficaz, pero también es más costoso (múltiples llamadas al modelo) y podría generar más ruido de fusión si no se gestiona adecuadamente (agentes que editan archivos superpuestos).
  • El flujo de trabajo «agent first» puede requerir cierta disciplina: necesitarás unas reglas claras (linting, pruebas, estilo de código) para que los agentes no se desvíen del programa.
  • Las nuevas funciones suponen que los repositorios grandes y complejos se benefician de ellas. En el caso de tareas más pequeñas, es posible que no observes una mejora tan notable como sugiere el marketing.
  • Aunque la herramienta del navegador es potente, es posible que las pruebas visuales y de interfaz de usuario realizadas por un agente sigan necesitando verificación humana. Todavía se producen errores y casos extremos.

Conclusión

La introducción del modelo Composer en Cursor 2.0 supone una mejora importante, ya que hace que la retroalimentación y la orientación en tiempo real sean mucho más fluidas. 

La interfaz multiagente integrada permite a los usuarios ejecutar varios modelos en paralelo sobre un mismo problema, comparar visualmente sus resultados y seleccionar la solución más adecuada. 

Con la ayuda de herramientas como un navegador integrado para realizar pruebas web dentro de la aplicación y una interfaz de usuario mejorada para organizar el trabajo entre los agentes. Estas mejoras crean en conjunto un entorno de desarrollo mucho más integrado, fluido e inteligente que el que ofrecían las versiones anteriores.

Quizás la mejora más impresionante sea la increíble velocidad del modelo Composer. Su menor latencia mejora realmente la experiencia de desarrollo diaria, haciendo que las interacciones con la IA se sientan inmediatas y reduciendo la fricción que puede surgir con asistentes más lentos.

La capacidad de probar varios agentes a la vez también destaca como una adición inteligente que ahorra tiempo: ya no necesitamos solicitar diferentes modelos uno por uno, esperando a que cada uno de ellos pruebe suerte con un complicado desafío de codificación. 

Sin embargo, hay que tener en cuenta algunas desventajas: ejecutar varios agentes en paralelo conlleva costes adicionales y, para programadores individuales o equipos pequeños, este gasto puede superar el ahorro de tiempo ocasional. No obstante, para proyectos más complejos o de alto riesgo en los que obtener rápidamente la mejor solución justifica los gastos generales, esta función puede aportar un valor significativo.

Cursor 2 es una mejora muy bienvenida para quienes desean potenciar al máximo tu flujo de trabajo de programación con IA. Aunque sus funciones más avanzadas requieren una cuidadosa consideración en cuanto a la gestión de los costes y los flujos de trabajo, la experiencia general cumple su promesa de hacer que el desarrollo de software sea más inteligente, rápido y colaborativo que nunca.

Temas
Relacionado

blog

Cómo aprender Python desde cero en 2024: Guía del experto

Descubre cómo aprender Python, sus aplicaciones y la demanda de conocimientos de Python. Comienza hoy tu andadura en Python ​con nuestra guía completa.
Matt Crabtree's photo

Matt Crabtree

15 min

cursor ai code editor

Tutorial

Cursor AI: Una guía con 10 ejemplos prácticos

Aprende a instalar Cursor AI en Windows, macOS y Linux, y descubre cómo utilizarlo a través de 10 casos de uso diferentes.

Tutorial

Tutorial de Python: Streamlit

Este tutorial sobre Streamlit está pensado para ayudar a los científicos de datos o ingenieros de machine learning que no son desarrolladores web y no están interesados en pasar semanas aprendiendo a utilizar estos marcos para crear aplicaciones web.
Nadia mhadhbi's photo

Nadia mhadhbi

Tutorial

Desarrollo de backend en Python: Guía completa para principiantes

Esta completa guía te enseña los fundamentos del desarrollo backend en Python. Aprende conceptos básicos, marcos de trabajo y buenas prácticas para empezar a crear aplicaciones web.
Oluseye Jeremiah's photo

Oluseye Jeremiah

Tutorial

Multiprocesamiento en Python: Guía de hilos y procesos

Aprende a gestionar hilos y procesos con el módulo de multiprocesamiento de Python. Descubre las técnicas clave de la programación paralela. Mejora la eficacia de tu código con ejemplos.
Kurtis Pykes 's photo

Kurtis Pykes

Tutorial

Tutorial de Generación de nubes de palabras en Python

Aprende a realizar Análisis exploratorios de datos para el Procesamiento del lenguaje natural utilizando WordCloud en Python.
Duong Vu's photo

Duong Vu

Ver másVer más