4장: Cursor — AI-native IDE의 선두주자

학습 목표

• Cursor의 아키텍처와 "AI-native IDE"라는 접근의 의미를 이해합니다.
• Composer(컴포저)를 활용한 멀티파일 편집의 원리와 실전 활용법을 파악합니다.
• Background Agents의 동작 방식과 적합한 사용 시나리오를 이해합니다.
• .cursorrules를 통한 프로젝트 수준의 AI 커스터마이징을 실습합니다.
• 자기 요약(Self-summarization) 기법이 컨텍스트 한계를 어떻게 극복하는지 이해합니다.

AI-native IDE라는 새로운 범주

Cursor는 기존 IDE에 AI 플러그인을 추가하는 방식이 아닌, AI를 중심으로 IDE를 재설계한 도구입니다. VS Code를 포크(Fork)하여 만들어졌기 때문에 VS Code의 확장 생태계와 호환되면서도, AI와의 상호작용을 최우선으로 설계했습니다.

이 차이는 근본적입니다. Copilot이 VS Code라는 집에 AI 가구를 들여놓은 것이라면, Cursor는 AI를 위해 집 자체를 설계한 것에 비유할 수 있습니다.

아키텍처

Cursor의 아키텍처는 코드 인덱싱, 컨텍스트 엔진, 모델 오케스트레이션이라는 세 축으로 구성됩니다.

코드 인덱싱

프로젝트를 열면 Cursor는 전체 코드베이스를 스캔하고, 각 파일의 임베딩(Embedding)을 생성하여 벡터 인덱스에 저장합니다. 이 인덱스를 통해 자연어 질문이나 코드 요청에 관련된 파일을 빠르게 검색할 수 있습니다.

이는 Copilot이 열린 탭과 현재 파일에 주로 의존하는 것과 대비됩니다. Cursor는 프로젝트 전체를 "알고 있는" 상태에서 작업합니다.

컨텍스트 엔진

사용자의 요청을 받으면, 벡터 검색을 통해 관련 파일을 찾고, .cursorrules의 규칙을 포함하여 최적의 컨텍스트를 구성합니다. @ 멘션 시스템을 통해 사용자가 명시적으로 컨텍스트를 추가할 수도 있습니다.

Composer: 멀티파일 편집

Composer(컴포저)는 Cursor의 가장 차별화된 기능입니다. 여러 파일에 걸친 변경을 자연어 요청 하나로 수행합니다.

동작 원리

Composer는 다음과 같은 과정을 거칩니다.

1. 요청 분석: 사용자의 자연어 요청을 파싱합니다.
2. 관련 파일 식별: 코드 인덱스에서 변경이 필요한 파일들을 찾습니다.
3. 변경 계획: 각 파일에서 어떤 부분을 어떻게 수정할지 계획합니다.
4. diff 생성: 각 파일에 대한 변경 사항을 diff 형태로 생성합니다.
5. 프리뷰 및 적용: 개발자가 변경 사항을 검토하고 적용합니다.

실전 활용 예시

"UserService에 캐싱 레이어를 추가해줘. 
Redis를 사용하고, TTL은 5분으로 설정해. 
관련 타입 정의와 테스트도 업데이트해줘."

이 요청에 대해 Composer는 다음 파일들을 수정합니다.

• src/services/user-service.ts — 캐시 조회/저장 로직 추가
• src/types/cache.ts — 캐시 관련 타입 정의 추가
• src/config/redis.ts — Redis 설정 파일 생성
• src/services/__tests__/user-service.test.ts — 캐시 관련 테스트 추가

CursorBench 61.3점의 의미

CursorBench(커서벤치)는 Cursor가 자체 개발한 벤치마크로, 실제 코드 변경 작업에서의 정확도를 측정합니다. 61.3점이라는 점수는 완벽하지는 않지만, 실전에서 유의미한 수준이라는 것을 의미합니다.

이 벤치마크가 중요한 이유는, 기존의 HumanEval 같은 벤치마크가 단일 함수 수준의 코드 생성만 측정하는 반면, CursorBench는 멀티파일 편집이라는 실제 개발 작업의 복잡성을 반영하기 때문입니다.

Background Agents

Background Agents(백그라운드 에이전트)는 Cursor의 최신 기능으로, 개발자가 다른 작업을 하는 동안 AI가 별도의 샌드박스 환경에서 작업을 수행합니다.

Background Agents가 적합한 시나리오는 다음과 같습니다.

• 시간이 걸리는 리팩터링: 대규모 코드 스타일 변경, 라이브러리 마이그레이션
• 테스트 작성: 기존 코드에 대한 테스트 케이스 생성
• 보일러플레이트 생성: 새 모듈의 기본 구조 생성
• 문서화: 코드에 대한 JSDoc/TSDoc 생성

Tab 자동완성

Copilot과 유사한 인라인 자동완성도 제공하지만, Cursor의 Tab 자동완성은 몇 가지 차별점이 있습니다.

다음 편집 위치 예측: 단순히 현재 줄의 다음 코드만 제안하는 것이 아니라, 개발자가 다음에 편집할 위치까지 예측합니다. 한 곳의 변경이 다른 곳의 변경을 필요로 할 때, Tab을 연속으로 눌러 관련 위치로 이동하며 수정할 수 있습니다.

멀티라인 편집: 여러 줄에 걸친 변경을 한 번의 Tab으로 수락할 수 있습니다.

// 함수 시그니처를 변경하면
function getUser(id: string, includeProfile: boolean): Promise<User> {
  // Tab을 누르면 구현부도 자동 업데이트 제안
  const user = await db.users.findById(id);
  if (includeProfile) {
    user.profile = await db.profiles.findByUserId(id);
  }
  return user;
}
 
// 호출부까지 변경 제안이 이어집니다
const user = await getUser(userId, true); // Tab으로 인자 추가

.cursorrules: 프로젝트 수준 AI 커스터마이징

.cursorrules 파일은 프로젝트 루트에 위치하며, Cursor가 코드를 생성할 때 따라야 할 규칙을 정의합니다.

You are working on a Next.js 16 project with App Router.
 
Tech Stack:
- TypeScript strict mode
- Tailwind CSS v4
- React 19
 
Coding Conventions:
- Use function declarations for components, not arrow functions
- Use the cn() utility for className composition
- Always add proper TypeScript types, never use 'any'
- Write comments in Korean
- Use Korean 경어체 in user-facing text
 
File Structure:
- Components: src/components/{category}/{ComponentName}.tsx
- Utils: src/lib/{util-name}.ts
- Pages: src/app/{route}/page.tsx
 
Error Handling:
- Always use try-catch with typed error handling
- Log errors with structured logging
- Return user-friendly error messages in Korean

자기 요약 기법으로 컨텍스트 한계 극복

Cursor의 또 다른 기술적 혁신은 자기 요약(Self-summarization) 기법입니다. 긴 대화나 대규모 코드베이스를 다룰 때, 컨텍스트 윈도우의 한계에 부딪히는 문제를 해결합니다.

동작 원리는 다음과 같습니다.

1. 대화가 길어지면, AI가 이전 대화 내용을 요약합니다.
2. 요약된 내용은 새로운 컨텍스트의 시작 부분에 포함됩니다.
3. 최근 메시지는 원본 그대로, 이전 메시지는 요약 형태로 유지됩니다.

[요약: 사용자가 UserService에 캐싱을 추가하는 작업을 진행 중.
 Redis 설정 완료, 타입 정의 완료. 
 현재 테스트 작성 단계.]
 
--- 최근 대화 ---
사용자: 캐시 무효화 테스트도 추가해줘
AI: 네, 캐시 무효화에 대한 테스트를 추가하겠습니다...

이 기법의 장점은 컨텍스트 윈도우 크기에 관계없이, 매우 긴 작업 세션을 유지할 수 있다는 것입니다. 다만 요약 과정에서 세부 정보가 손실될 수 있으므로, 중요한 결정 사항은 .cursorrules나 별도 문서에 기록해 두는 것이 좋습니다.

@-멘션 시스템

Cursor의 @ 멘션 시스템은 컨텍스트를 명시적으로 제어하는 강력한 도구입니다.

이 시스템을 통해 개발자가 AI에게 "어떤 정보를 참고해야 하는지"를 명확하게 지시할 수 있습니다.

가격 및 플랜

Copilot Pro 대비 2배의 가격이지만, Composer와 Background Agents의 가치를 고려하면 복잡한 코드 작업이 많은 개발자에게는 충분한 투자 가치가 있습니다.

정리

이번 장에서는 AI-native IDE의 선두주자인 Cursor를 심층 분석했습니다.

• Cursor는 코드 인덱싱, 컨텍스트 엔진, 모델 오케스트레이션으로 구성된 아키텍처를 가집니다.
• Composer는 멀티파일 편집을 자연어로 수행하는 핵심 기능이며, CursorBench 61.3점의 실전 성능을 보입니다.
• Background Agents는 개발자가 다른 작업을 하는 동안 AI가 별도 환경에서 작업을 수행합니다.
• .cursorrules를 통해 프로젝트 수준에서 AI의 코드 생성을 커스터마이징할 수 있습니다.
• 자기 요약 기법으로 컨텍스트 윈도우의 한계를 극복합니다.

다음 장에서는 완전히 다른 접근을 취하는 Claude Code를 분석합니다. IDE가 아닌 터미널에서 동작하는 에이전틱 코딩 도구의 아키텍처와 CLAUDE.md, MCP, 서브에이전트 시스템을 살펴보겠습니다.