| Developed by | Anysphere |
|---|---|
| Type | Tool |
| Aliases | Cursor IDE |
| Related | Claude Code, GitHub Copilot, Codex (OpenAI), GPT-5.5, AI 에이전트 |
무엇인가
Cursor는 코드를 짜는 사람이 AI 도움을 자연스럽게 받을 수 있도록 만든 코드 에디터다. Microsoft의 VS Code를 포크해서 만들었기 때문에 익숙한 단축키와 확장 생태계를 그대로 쓸 수 있고, 그 위에 [[ai-agent]]·자동완성·자연어 편집 같은 AI 기능이 깊게 박혀 있다.
Anysphere라는 미국 스타트업이 개발하며, OpenAI의 [[gpt-5-5]], Anthropic의 Claude, 그리고 자체 모델까지 사용자가 원하는 LLM을 골라 쓸 수 있다.
어떻게 다른가
기존 에디터에서 AI는 보통 '플러그인 한 칸'에 갇혀 있다. Cursor는 다르다.
- 인라인 편집: 코드의 일부분을 선택하고 "이 함수를 비동기로 바꿔줘"라고 적으면, 그 자리에서 diff(변경 사항)가 뜬다.
- 에이전트 모드: 작업 내용을 자연어로 설명하면 Cursor가 여러 파일을 직접 읽고 수정한다. [[claude-code]]와 비슷한 발상이지만 GUI 안에서 돌아간다는 점이 다르다.
- 컴포저(Composer): 여러 파일에 걸친 큰 변경을 한 번에 미리보고 승인할 수 있는 패널.
누가 쓰는가
VS Code 사용자, 특히 AI 코딩 도구를 진지하게 쓰는 개발자들이 많이 옮겨갔다. [[github-copilot]]이 자동완성에 무게를 둔다면, Cursor는 "에디터 자체가 AI"라는 입장에 더 가깝다. [[codex]] 같은 터미널 기반 도구와 달리 시각적 워크플로를 선호하는 사람에게 어울린다.
어떤 모델을 쓰는가
Cursor는 특정 모델에 종속되지 않는다. 설정에서 OpenAI, Anthropic, 자체 Cursor 모델 중 무엇을 쓸지 그때그때 고를 수 있다. 작업 성격에 따라 빠른 모델·정교한 모델을 바꿔 가며 쓰는 식이다.
한계
AI가 깊게 박혀 있다는 것은 누군가 모델 사용료를 지불해야 한다는 뜻이기도 하다. Cursor는 월 구독 형태의 유료 서비스이며, 무료 사용량에는 제한이 있다. 또한 모델 자체의 한계 — 잘못된 코드 생성, 컨텍스트 누락 — 는 Cursor도 똑같이 안고 간다.
핵심 워크플로
실무에서 Cursor가 다른 IDE와 가장 차별되는 지점은 세 가지다.
Inline Edit (Cmd/Ctrl+K)
코드 블록을 선택하고 단축키를 누른 뒤 자연어로 지시하면 그 자리에 diff가 뜬다. 함수 시그니처 변경, 타입 추가, 작은 리팩터링처럼 국소적 작업에 가장 빠르다.
Composer (Cmd/Ctrl+I)
여러 파일에 걸친 변경을 묶어 다룰 때 쓰는 멀티파일 에이전트. 프로젝트 트리에서 파일을 컨텍스트로 첨부할 수 있고, 변경된 모든 파일의 diff를 한 화면에서 검토·승인한다.
Agent Mode
계획을 세우고 도구를 호출하며 스스로 코드를 짜는 모드. 터미널 명령 실행, 파일 탐색, 테스트 실행까지 자동화한다. [[ai-agent]] 패러다임을 GUI에 녹인 형태로 [[claude-code]]·[[codex]]와 경쟁 관계에 있다.
모델 선택
Cursor는 모델-비종속(model-agnostic) 정책을 유지한다. 모델 픽커에서 다음을 고를 수 있다.
- OpenAI: GPT-4 계열, [[gpt-5-5]]
- Anthropic: Claude Sonnet, Opus
- Cursor 자체 모델: Cursor-Small, Cursor-Tab(자동완성·다음 편집 예측 전용)
- 로컬·BYO 모델: OpenAI 호환 엔드포인트면 직접 등록 가능
각 모델 비용은 "fast request" 풀에서 차감되고, 풀이 떨어지면 느린 큐로 떨어지거나 추가 결제가 필요하다.
컨텍스트 관리
@ 기호로 채팅에 컨텍스트를 명시적으로 첨부한다.
@Files/@Folders: 특정 파일·폴더@Code: 심볼 단위@Docs: 등록한 외부 문서@Web: 실시간 검색 결과@Git: 커밋·diff
레포 루트의 .cursorrules 파일로 프로젝트별 시스템 프롬프트를 고정할 수 있다. 코드 스타일 가이드나 금지 패턴을 명시해두면 매 세션 반복할 필요가 없다.
cursorbench
Anysphere는 cursorbench라는 자체 평가셋을 운영해 새 모델이 들어올 때마다 코드 편집 품질을 비교 공개한다. 자동완성, 멀티파일 편집, 에이전트 작업 등 실제 사용 패턴을 흉내 낸 태스크가 들어 있어, 모델 선택 시 사용자가 참고할 수 있다.
도입 시 점검 포인트
- Privacy Mode: 코드 전송·텔레메트리 정책을 미리 확인할 것.
- 확장 호환성: VS Code 확장은 대부분 호환되지만 일부 GitHub Copilot 통합은 끄는 편이 충돌이 없다.
- BYO Key: 자체 [[api]] 키로 직접 결제하면 구독비를 줄이는 대신 모델 비용을 본인이 부담한다. 팀 단위 도입 전 회계 정책을 결정해 두자.
- 에이전트 가드레일: Agent Mode가 실행할 수 있는 명령 범위를 미리 제한해야 의도치 않은 파일 수정·외부 호출을 막을 수 있다.
위치
Cursor는 LLM 기반 코딩 도구 분류에서 'IDE-네이티브 에이전트' 진영의 대표 주자다. 단일 채팅 인터페이스([[github-copilot]] Chat)와 터미널 기반 에이전트([[claude-code]], [[codex]]) 사이를 잇는 워크플로를 GUI 형태로 제공한다.
기술적 핵심은 두 가지로 나뉜다.
- 편집기 통합 레이어: VS Code 포크에 직접 박힌 diff·커서 위치·심볼 인덱스 접근.
- 모델-비종속 라우팅: OpenAI·Anthropic·자체 모델을 동일한 도구 호출 인터페이스로 추상화.
이 구조 덕분에 새 모델이 시장에 등장하면 Cursor는 빠르게 백엔드만 갈아끼울 수 있다. 사용자 입장에서 '같은 워크플로, 다른 모델'을 비교하기 좋은 실험 환경이 된다.
자체 모델
Anysphere는 범용 LLM 외에 두 가지 특화 모델을 운영한다고 알려져 있다.
- Cursor-Tab: 다음 편집(next edit) 예측에 특화된 모델. 단순 토큰 자동완성이 아니라 "다음에 사용자가 커서를 옮길 위치"까지 예측해 멀티-라인·멀티-파일 점프를 한 번에 제안한다.
- Cursor-Small / Fast: 인라인 편집·간단한 리팩터링용 저지연 모델.
이들 모델은 컴파일 통과·테스트 통과 같은 검증 가능한 신호를 보상으로 사용하는 [[reinforcement-learning-from-verifiable-rewards]] 계열 후처리를 활용한다고 보고된다.
cursorbench
cursorbench는 SWE-bench·HumanEval 같은 공개 벤치마크의 한계를 보완하기 위해 만들어졌다.
- 태스크 형태: 실제 사용자 세션에서 추출한 익명 편집 추적.
- 평가 메트릭: 생성 정확도뿐 아니라 'edit acceptance rate'(사용자가 제안을 받아들인 비율)와 latency를 함께 측정.
- 공개 정도: 전체 데이터셋은 비공개. 모델 간 비교 결과만 공식 블로그·체인지로그에 게시.
이 방식은 [[jagged-frontier]] 가설 — 모델별로 잘하는 영역이 들쭉날쭉하다 — 에 대응해 사용자 경험 기반으로 모델을 선택할 데이터를 확보하려는 시도로 읽힌다.
컨텍스트 검색
Cursor의 코드베이스 검색은 [[retrieval-augmented-generation]] 파이프라인으로 구현된다. 레포를 청크 단위로 임베딩하고 질의별로 관련 코드를 회수해 프롬프트에 붙인다. 임베딩은 로컬에 저장(Privacy Mode) 또는 Anysphere 인프라에 저장하는 방식 중 선택할 수 있다.
한계와 비판
- 데이터 프라이버시: 비-Privacy Mode에서는 코드가 Anysphere 서버를 거친다. 보안 정책이 엄격한 조직은 도입이 까다롭다.
- 외부 모델 의존성: 자체 모델 외에는 외부 LLM 제공자에 의존하므로, 외부 가격·정책 변동에 직접 노출된다.
- 에이전트 컨텍스트 누적: 자율 작업이 길어질수록 맥락 손실·비용 폭증이 발생하는 경향은 Claude Code·Codex와 마찬가지다.
- 벤치마크 신뢰성: cursorbench가 비공개 평가셋이라 외부 검증이 불가능하다는 비판이 있다. 모델 비교 결과의 재현성에 의문을 제기하는 연구자도 있다.
관련 흐름
Cursor는 [[agentic-ai]] 흐름의 한 갈래로 볼 수 있다. "에디터를 그대로 두고 AI 패널을 붙이느냐, 에디터 자체를 AI 중심으로 다시 짜느냐"의 답으로서, 후자의 가장 성공적인 사례 중 하나로 평가받는다.