TL;DR
Cursor 3 เปิดตัว Agents Window — รัน AI agent หลายตัวพร้อมกันข้าม repo, ข้าม environment ทั้ง local, worktree, cloud และ SSH ได้ในหน้าต่างเดียว พร้อม Design Mode สำหรับชี้ UI ตรงๆ และ self-hosted cloud agents สำหรับทีมที่ต้องการ code อยู่ใน infra ตัวเอง
—
ทำไม Cursor 3 ถึงเป็น “จุดเปลี่ยน”
ย้อนกลับไป 2-3 ปีก่อน AI coding tool ทำได้แค่เติมโค้ดให้ — สั่งให้เขียนฟังก์ชันนึง แก้บักนึง แล้วก็จบ
ตอนนี้ Cursor 3 บอกชัดเจนว่า “เราไม่ได้อัปเกรด model อย่างเดียว — เราเปลี่ยน paradigm ของการทำงาน”
Agents Window คือหัวใจของเปลี่ยนครั้งนี้
แทนที่จะเปิด chat 1 หน้าต่าง รอ agent เขียนโค้ดทีละอย่าง — ตอนนี้คุณเปิดได้หลาย agent พร้อมกัน แต่ละตัวทำงานคนละ repo หรือคนละ environment โดยที่ทั้งหมดอยู่ในหน้าต่างเดียว
ลองนึกภาพ: agent ตัวนึงรันอยู่บน local, อีกตัวรันอยู่บน staging server ผ่าน SSH, อีกตัวกาง UI mockup บน Design Mode แล้วสั่งให้ agent สร้าง component ให้ตรงกับ design — ทั้งหมดเห็นในหน้าเดียว
นี่คือ “human-in-the-loop” แบบใหม่: คนไม่ได้เป็นคนพิมพ์โค้ด แต่เป็นคนบอกว่า “agent ไหนทำอะไร” และ “ทำตรงไหน”
—
Agents Window — มากกว่าแค่หน้าต่างใหม่
Multi-agent, multi-environment
ฟีเจอร์หลักของ Agents Window คือความสามารถในการรัน agent หลายตัวพร้อมกัน
- Local agents — รันบนเครื่องตัวเอง ใช้ compute เครื่อง dev
- Worktree agents — แยก branch ออกมารัน agent โดยไม่กระทบ branch หลัก
- Cloud agents — รันบน VM ของ Cursor แบบ isolated
- SSH agents — รันบน remote server ผ่าน SSH
Dev lead หรือ architect สามารถ “สั่งงาน” หลาย agent พร้อมกัน แต่ละตัวไปจัดการคนละส่วนของ codebase — แล้วมนุษย์เป็นคน merge ผลลัพธ์
Design Mode — คุยกับ agent โดยชี้ตรงๆ
Design Mode ให้คุณเปิดเว็บไซต์หรือ web app ใน browser แล้ว:
- Shift + drag เลือกบริเวณที่ต้องการให้ agent ดู
- Cmd + L เพิ่ม element เข้า chat
- Option + click เพิ่มลง input โดยตรง
พูดง่ายๆ คือ “ชี้บอกว่าอยากได้แบบไหน” แล้ว agent เข้าใจ context โดยไม่ต้อง copy-paste รูปมาวาง
สำหรับทีมที่ทำ front-end + AI integration บ่อยๆ — workflow นี้ตัดได้เยอะมาก
Agent Tabs — หลาย chat ในหน้าต่างเดียว
เปิด chat แบบ tab ได้ วาง side-by-side หรือ grid ก็ได้ เหมือนเปิด terminal หลายหน้าต่าง
ตัวอย่างการใช้จริง: chat หนึ่งดู bug ของ API, อีกหนึ่งรัน test, อีกหนึ่ง discuss architecture — เปลี่ยนไปมาได้ทันที
—
Self-hosted Cloud Agents — ข้อเสนอสำหรับทีมที่กังวลเรื่อง IP
นี่คือฟีเจอร์ที่ผมคิดว่า enterprise ควรสนใจมากที่สุด
Cursor รองรับ self-hosted cloud agents แล้ว — agent รันบน infrastructure ของบริษัทเอง
หมายความว่า:
- Code และ build outputs อยู่ใน network ของบริษัทตลอด
- Secrets ไม่ถูกส่งไปที่ Cursor cloud
- Agent ยังมีความสามารถเหมือน cloud agent ทุกอย่าง (isolated VM, MCP plugins, multi-model harness)
สำหรับ fintech, healthcare, หรือบริษัทที่มี IP sensitivity สูง — การรัน agent บน infra ตัวเองเป็น game changer ครับ เพราะข้อกังวลเรื่อง code รั่วไหลหายไป
—
Composer 2 — Update ล่าสุดเมื่อ 6 เม.ย.
Cursor เพิ่งปล่อย Composer 2 เมื่อ 6 เม.ย. พร้อม benchmark ที่ปรับตัวเลขขึ้นอย่างมีนัยสำคัญ:
| Model | CursorBench | Terminal-Bench 2.0 | SWE-bench Multilingual |
|---|---|---|---|
| Composer 2 | 61.3 | 61.7 | 73.7 |
| Composer 1.5 | 44.2 | 47.9 | 65.9 |
| Composer 1 | 38.0 | 40.0 | 56.9 |
ตัวเลข Terminal-Bench 2.0 ที่ 61.7 สูงกว่า Claude Code (Anthropic harness) และ OpenAI model อย่างชัดเจน
ราคา:
- Standard: $0.50/M input, $2.50/M output tokens
- Fast (default): $1.50/M input, $7.50/M output tokens
Fast mode แพงกว่า แต่ Cursor บอกว่าเป็น default เพราะคุ้มค่ากว่าเมื่อเทียบกับ output speed ที่ได้
—
30+ Plugins ใหม่บน Cursor Marketplace
Cursor 3 มาพร้อม plugins ใหม่กว่า 30 ตัว จาก partners ใหญ่:
- Atlassian, Datadog, GitLab, Glean, Hugging Face, monday.com, PlanetScale และอื่นๆ
Plugins ส่วนใหญ่มาพร้อม MCP (Model Context Protocol) ที่ cloud agents สามารถใช้ได้ทันที ไม่ว่าจะรัน manual หรือ trigger ผ่าน automations
Automations คืออีกฟีเจอร์ที่ทำให้ Cursor กลายเป็น “always-on agent” ได้:
- รันตาม schedule
- Trigger จาก event ของ Slack, Linear, GitHub, PagerDuty, webhooks
—
ผมมองยังไงกับ Cursor 3
ยอมรับว่าตอนแรกเห็น “Agents Window” ผมคิดว่าแค่ UI ใหม่
พอดู details แล้ว — นี่คือการเปลี่ยนวิธีคิดของ AI coding tool ครับ
เมื่อก่อน AI คือ “ผู้ช่วยที่ทำตามสั่ง” — สั่งอะไรก็ทำอย่างนั้น
ตอนนี้ agent คือ “ทีมงานที่ทำงานของตัวเองได้” — คุณเป็น “product manager” ที่บอกว่าใครทำอะไร แทนที่จะเป็น “โปรแกรมเมอร์ที่พิมพ์โค้ดทุกบรรทัด”
สำหรับทีม dev ในไทย:
ช่วงนี้หลายบริษัทกำลังลองเอา AI เข้ามาช่วย workflow จริงจังมากขึ้น — ไม่ใช่แค่ลองเล่นๆ แต่เอาไปใช้ใน production
Cursor 3 Agents Window + self-hosted option น่าจะเป็น “proof of concept” ที่ทำให้ manager/VP/CTO เห็นชัดเจนขึ้นว่า “AI agent ใน dev workflow” ทำอะไรได้จริง
—
FAQ
Q: Cursor 3 ต่างจาก Cursor เวอร์ชันก่อนยังไง? A: หลักๆ คือ Agents Window — เปิดหลาย agent พร้อมกันได้ ข้าม environment ต่างกัน, Design Mode สำหรับชี้ UI ตรงๆ, Agent Tabs สำหรับเปิดหลาย chat และ self-hosted cloud agents
Q: Self-hosted cloud agents ต้องตั้งค่ายากไหม? A: Cursor มี documentation และ dashboard สำหรับ enable self-hosted agents แต่ต้องมี infra ของตัวเองพร้อม (VM, network config, security)
Q: Composer 2 แพงไหม? A: เมื่อเทียบกับ frontier model อื่นๆ ในตลาด ราคา Standard ($0.50/$2.50 per M tokens) ถือว่าคุ้ม โดยเฉพาะเมื่อดู benchmark ที่สูงกว่ารุ่นก่อนมาก
Q: บริษัทเล็กๆ ใช้ Cursor 3 คุ้มไหม? A: ถ้าทีม dev มี 2-3 คนขึ้นไปและทำงานหลาย repo หรือหลาย feature พร้อมกัน — Agents Window ช่วยให้เห็นภาพและประสิทธิภาพได้ชัดเจน
—
✍️ เนื้อหาและมุมมองโดย Arty | มี Espresso Bot ☕🤖 ช่วยรวบรวมข้อมูลและจัดเรียบเรียง