Компания Anysphere переработала обвязку (харнессi) агента в Cursor и снизила расход токенов пользователей на 7% без потери качества ответов. Экономия достигнута за счёт более строгих и коротких промптов, выборочной подгрузки инструментов, улучшенного кэширования и сжатого формата чтения файлов.

Инженер Cursor поделился промптом, который позволяет разработчикам собственных агентных харнессов применить те же методы и сделать свою обвязку дешевле — компания также опубликовала статью с разбором механики оптимизации.

• Системный промпт агента сократили примерно на 75% — современным моделям больше не нужны длинные списки запретов, достаточно описать, как работает инструмент
• Встроенные инструменты, которые используются менее чем в 20% диалогов, убрали из постоянного контекста и подгружают по требованию, что уменьшило объём их описаний в статичной части запроса на 60%
• В контексте оставили только чтение, поиск, правку файлов, терминал, а также ask_question (некоторые модели «выдумывают» вызов этого инструмента при его отсутствии) и create_plan для режима планирования
• Ранее таким же способом вынесли MCP-инструментыi, и в сессиях с их вызовами общий расход токенов упал на 46,9%
• С выхода GPT-5.6 APIi OpenAI позволяет явно размечать границы кэша; Cursor ставит их после стабильных слоёв запроса перед растущей перепиской, а изменяющиеся данные (навыки, субагенты, инфа об окружении) вынесены в служебное сообщение за этими границами
• Инструмент чтения файлов теперь нумерует каждую десятую строку вместо каждой (номер стоит 3–5 токенов, за сессию агент читает десятки тысяч строк), что сократило чтение из кэша на 1,6%
• Из промпта убрали настойчивые советы отдавать изучение кодовой базы субагентам — модели освоили этот приём сами; модель для субагента теперь выбирается только по явному указанию пользователя или обвязки