Faire, ein führendes Unternehmen im Großhandelsbereich, hat seine Softwareentwicklung nachhaltig transformiert. Durch den Einsatz von Cursor Cloud Agents verdoppelte das Team seinen wöchentlichen Pull-Request-Durchsatz und reduzierte eine für 18 Monate geplante Migration auf den Aufwand eines einzelnen Entwicklers. Die cloudbasierten KI-Agenten arbeiten dabei vollständig autonom in eigenen Entwicklungsumgebungen und markieren einen neuen Standard für agentische Softwareentwicklung.

Cursor Cloud Agents: Skalierbare Parallelisierung in der Cloud

Die parallele Ausführung mehrerer KI-Agenten auf lokalen Rechnern stößt schnell an Ressourcengrenzen. Speicher und Rechenleistung werden zum Engpass, während die Verwaltung zahlreicher gleichzeitiger Tasks selbst zum Verwaltungsaufwand wird. Faire hatte zunächst mit einem internen System namens Samurai experimentiert, stellte jedoch fest, dass der Betrieb eigener Infrastruktur einen unverhältnismäßig hohen Investitionsaufwand bedeutet.

Cursor Cloud Agents lösen dieses Problem durch skalierte Parallelisierung auf verwalteter Infrastruktur. Jeder Agent erhält seine eigene Entwicklungsumgebung und arbeitet ohne die Ressourcenbeschränkungen lokaler Maschinen. Principal Engineer Luke Bjerring betont, dass die Cloud-Lösung eine deutlich streamlinedere Benutzererfahrung für die Verwaltung mehrerer gleichzeitiger Agenten bietet. Inzwischen ist Cursor die unternehmensweit empfohlene Plattform für agentische Entwicklung bei Faire.

Entwicklungsumgebungen schaffen echte Autonomie

Parallelisierung zahlt sich nur aus, wenn Agenten wie menschliche Entwickler arbeiten können. Dazu benötigen sie Zugriff auf Abhängigkeiten, interne Services und die Möglichkeit, Code auszuführen sowie Änderungen zu verifizieren. Die komplexe Infrastruktur von Faire, mit separaten Repositories für Backend und Frontend sowie unterschiedlichen Build-Tools wie Gradle und Bazel, stellte hierfür eine Herausforderung dar.

Selbstständiges Onboarding für jedes Repository

Mit dem agentengeführten Onboarding analysiert Cursor jedes Repository, ermittelt die benötigte Toolchain und erstellt eine versionsfähige Umgebungskonfiguration. Für spezifische Workflows können die Entwickler zudem Dockerfiles hinterlegen. Senior Engineer Blair McAlpine hebt hervor, dass dieser Ansatz den Overhead neuer Sessions eliminiert und Agenten Aufgaben genau wie ein Entwickler bearbeiten lässt.

Auch interne Tools profitieren von dieser Konfiguration. Faire nutzt beispielsweise ein Tool namens Playground, um Designsysteme aus Figma in React-Komponenten zu übersetzen. Mit einer vollständig konfigurierten Entwicklungsumgebung kann Cursor den Playground-Server starten, Komponenten generieren und sogar Video-Demos für Designer erstellen.

Direkter Workflow aus Slack heraus

Besonders praktisch ist die Slack-Integration. Da bei Faire viele technische Diskussionen und Bug-Reports in Slack-Channels beginnen, können Entwickler direkt aus einem Thread heraus einen Cursor Agenten starten. Dieser übernimmt den Gesprächskontext, recherchiert autonom und liefert Minuten später einen fertigen Pull Request zurück. Das vermeidet ständigen Kontextwechsel zwischen verschiedenen Tools.

Cursor Automations übernehmen Routineaufgaben

Neben der parallelen Entwicklung setzt Faire auf Cursor Automations, um repetitive Engineering-Arbeit zu eliminieren. Über 25 Automatisierungen führen wöchentlich mehr als 2.000 autonome Agenten-Runs durch, ohne dass ein manuelles Prompting erforderlich ist.

Triage, CI-Healing und PR-Routing

Die wichtigsten Anwendungsfälle umfassen die automatische Triage von Bug-Reports in Slack. Automatisierungen überwachen ausgewählte Channels, starten bei eingehenden Meldungen einen Cloud Agenten und liefern einen PR mit Fixes sowie eine Zusammenfassung der Arbeit. Weitere Automations übernehmen die automatische Behebung von CI-Fehlern auf bestehenden Pull Requests und das intelligente Routing von Code Reviews basierend auf Autor, Risiko und Größe der Änderungen.

Massive Zeiteinsparungen bei komplexen Migrationen

Ein besonders eindrucksvolles Beispiel für die Leistungsfähigkeit ist die Migration einer großen, Händler-orientierten Anwendung von MobX auf natives React State Management. Statt eines ganzen Teams über anderthalb Jahre entwickelte Faire das System Swarm auf Basis von Cursor.

Das Swarm-System für parallelisierte Agenten

Zunächst identifiziert ein Scraper alle MobX-Nutzungen im Code und speichert die Liste in S3. Anschließend liest Swarm diese Liste ein und delegiert Migrationstasks an einzelne Cursor Cloud Agents. Jeder Agent läuft in einer isolierten VM auf Cursors Infrastruktur. Sobald ein Agent seine Arbeit abschließt und seinen PR merged, startet Swarm automatisch den nächsten Task. Ein einzelner Ingenieur überwacht dabei lediglich den Agenten-Schwarm.

Interne Tools in weniger als einem Tag

Auch bei der Entwicklung interner Tools zeigt sich die Effizienz. Senior Engineer Blair McAlpine wollte ein Preview-System erstellen, das bei jedem Pull Request automatisch eine Sandbox-Umgebung startet. Statt der erwarteten mehrwöchigen Entwicklung nutzte er den Plan-Mode von Cursor, um einen Schritt-für-Schritt-Plan zu erstellen.

Diesen Plan übergab er einem Cloud Agenten, der zwei Stunden im Hintergrund arbeitete und fünf gestapelte PRs lieferte. Jeder PR implementierte einen Schritt des Plans. Das Ergebnis war ein voll funktionsfähiges internes Tool, das von Grund auf in weniger als einem Tag entstand.

Fazit und Ausblick

Mit einer Output-Rate, die sich um das Zweifache bis Dreifache gesteigert hat, blickt Faire bereits auf die nächsten Engpässe im Produktentwicklungsprozess. Die eingesparte Kapazität soll nun auch angrenzende Teams erreichen, damit das Unternehmen ambitioniertere Projekte angehen kann. Cursor ist inzwischen die unternehmensweit empfohlene Plattform für agentische Entwicklung bei Faire.

Quelle: https://cursor.com/blog/faire