¿Cuántas veces has tenido que explicarle otra vez a la IA las reglas del proyecto que tu compañero ya le había masticado a su bot media hora antes en la ventana de al lado? Mientras tú y tu asistente principal escribís el nuevo controlador de autenticación de la API, otro dev cambia el esquema de la base de datos y, al fusionar ramas, vuestros asistentes aislados montan una guerra de ediciones.
El 10 de noviembre, el equipo del editor Cursor abrió en beta para todos los usuarios el modo Multiplayer Projects, que convierte la programación asistida individual en trabajo en equipo. Revisé el blog oficial de los desarrolladores y el análisis del lanzamiento en el canal Julian Goldie SEO para entender cómo funciona el tablero compartido, cómo negocian entre sí los bots de distintas personas y cómo lanzar pruebas en paralelo sin bloquear el archivo en el que estás escribiendo.
Por qué los agentes aislados pierden el contexto del equipo
Hasta ahora, cualquier configuración multiagente en un IDE servía a una sola persona: un desarrollador, su agente coordinador y su grupo de bots ejecutores. Los borradores (scratchpads), el historial de decisiones y los ajustes quedaban encerrados dentro de la sesión personal.
Por eso, quien llegaba nuevo tenía que configurar el contexto de cero para sus asistentes, y trabajar en paralelo sobre módulos vecinos acababa sobrescribiendo código ajeno. Hubs externos como la plataforma Kylon ya atacaban este problema de chats desconectados, pero ahora esa memoria compartida vive directamente dentro del editor.
Arquitectura de Multiplayer Projects: coordinador, tablero y sincronización
En el nuevo modo, cada miembro —ingeniero, diseñador o product manager— conserva su chat privado uno a uno con su propio agente coordinador. El coordinador no escribe código directamente: actúa como un jefe de tráfico que divide la tarea en pasos y los reparte entre agentes ejecutores (un solo coordinador puede dirigir hasta mil bots).
Por encima de los chats individuales opera una capa compartida de equipo:
- Contexto sincronizado: las reglas
.cursorrules, la documentación, los diagramas de arquitectura y las notas viven en una memoria común. Si un agente descubre cómo testear un servicio, todos los bots del equipo ven esa instrucción al instante. - Tablero kanban unificado: muestra en qué están trabajando tanto las personas como sus bots, y cada tarjeta queda vinculada a un Pull Request de GitHub, el paquete de cambios pendiente de revisión antes de integrarse en la rama principal.
- Comunicación directa entre agentes: los coordinadores de distintos compañeros contrastan sus planes por su cuenta. En el ejemplo de Cursor, un ingeniero añade reseñas a la ficha de producto mientras una diseñadora rediseña su maquetación: ambos coordinadores detectan el cruce e integran las reseñas en el nuevo diseño sin rehacer trabajo. Y al tocar el esquema de base de datos, los bots pactan antes el orden de pasos para esquivar conflictos de fusión.
Ejecución en segundo plano en la nube sin secuestrar tu cursor
Por defecto, los proyectos corren en máquinas virtuales aisladas en la nube (Cloud Agents) con todas sus dependencias, cuyos principios ya repasamos al analizar Cursor Agent SDK. Incluso si cierras el portátil, el trabajo en la nube sigue adelante.
Mientras tú diseñas con tu agente principal las rutas del controlador de autenticación sin tirones en el editor ni peleas por el cursor, un agente en segundo plano escribe en la nube los tests unitarios en Jest y valida los tipos de TypeScript. Al terminar, adjunta al Pull Request una prueba de trabajo (Proof of Work): registros, capturas y una grabación en vídeo de la ejecución de tests en un navegador headless (sin ventana gráfica). Puedes gestionar tareas y suscripciones a eventos de Slack, Linear o GitHub desde el IDE, desde cursor.com/agents o desde el móvil. Según datos internos de Cursor, en estos proyectos los nuevos integrantes fusionan un 30% más de Pull Requests, y los usuarios habituales, hasta 6 veces más.
En qué tareas brilla el modo equipo y cuándo sobra
El modo colaborativo luce en tareas que sobreviven más allá de un solo chat: desarrollo de funcionalidades grandes repartidas en varios Pull Requests, migraciones de bases de datos, cobertura de tests en segundo plano y relevos de guardia (rotaciones on-call), donde el coordinador de quien entra de turno recoge al momento los bugs abiertos y los hilos de Slack. En cambio, para ajustar un botón o escribir un script rápido no tiene sentido levantar un proyecto compartido con máquinas en la nube: un chat local normal va más rápido.
Para que los asistentes no se pisen entre sí, deja los experimentos en borrador con la API en tu chat personal y sube los estándares de tipado ya aprobados a los archivos compartidos .cursorrules. La función está en beta desde el 10 de noviembre y las colas de máquinas en la nube se balancean dinámicamente según la carga del clúster, así que antes de fusionar ramas revisa siempre el vídeo y los logs del Proof of Work. ¿Qué verificación pesada o tarea rutinaria de tu backlog le encargarías primero al agente en segundo plano del equipo?

