Cursor 自托管机器上线：Agent 工具调用可完全留在内网
摘要：Cursor 推出“自托管机器”能力，让 AI agent 的执行任务跑在用户自己的基础设施上，代码、构建产物与机密信息无需再离开内网。通过动态池调度，机器可按需扩缩、闲时休眠，为注重数据隐私的团队提供了更可控的 AI 编程执行环境。
自托管机器解决了什么问题？
很多团队在尝试 AI 编程助手时，最大的顾虑之一是：代码仓库、构建产物或者内部密钥，会不会被传到外部服务？Cursor 的自托管机器（self-hosted machines）正是冲着这个痛点来的。你可以在自己的网络内部署执行工具调用的 worker，让 agent 在本地完成读代码、跑命令等操作，数据和计算过程全程留在内网。
通俗地说，过去那些由云端替你完成的“干活”环节，现在可以换成由你自己的一台内部机器来承担，操作体验和云端几乎一样。相当于给 AI 助手配了一个“自家机房里的工作台”。
Run on menu 中可选择自托管机器，包括个人机器与云端演示环境
动态池调度：弹性伸缩，兼顾成本与响应
自托管机器通过“动态池”机制进行调度，支持两种使用模式：
- My Machines：把个人笔记本电脑或虚拟机接入账户，适合个人日常开发。
- 团队池（Team pools）：面向团队或企业的一组“命名 worker 队列”，多个 worker 以队列形式接收任务。
这里的“worker”可以理解为真正执行任务的机器或进程。关键在于，池的容量不是一成不变的：新任务涌来时，池会自动扩容；某个 worker 掉线时，池也会自动收缩。这意味着自托管机器的资源会随实际负载弹性变化，无需把所有机器常年全开。
另一个实用设计是：池与具体仓库解耦。你只需要给池起个名字，任意空闲的 worker 都能从池里领取任务，资源与任务之间不再是一对一的锁死关系。多项目并行时，调度灵活度明显提升。
成本方面，池支持让空闲机器进入休眠状态，等后续任务到达时，在重连窗口内自动唤醒恢复。这样你不需要为等一条 prompt 就一直维持高成本的闲置容量——既保留了响应速度，又避免了资源空烧。
动态池调度：按需伸缩，闲时休眠
对开发者意味着什么？
对 AI 编程工具的使用者来说，自托管机器解决的是“数据安全”和“执行可控”两个核心诉求。以往 agent 工具调用都发生在云端的黑盒里，企业很难审计，也难以满足合规要求；现在任务可以在自己的环境里跑，日志、网络、权限都能用现有基础设施统一管理。
从趋势看，这反映了 AI 编程正在从“云端 IDE 增强”走向“企业级基础设施集成”。Cursor 这一步，本质上是在回应那些既想用上 Agent 能力、又不愿把核心资产交给第三方云端的大客户。对于日常个人开发者而言，如果你本来就在本地开发，这个功能也能让 agent 操作直接落在本机，减少来回上传下载的延迟。