Cursor ha anunciado que sus agentes en la nube consumen entre un 20% y un 30% menos tokens, y hasta un 80% menos en ejecuciones que implican control del ordenador. El cambio está en cómo gestionan las conexiones MCP, las skills y el uso del ordenador, según la propia Cursor en X. Para cualquiera que tenga agentes corriendo a diario, esto es una bajada de factura directa.
Puntos clave
- Entre 20% y 30% menos tokens en los agentes de nube.
- Hasta 80% más eficientes en ejecuciones con uso de ordenador.
- La optimización está en el manejo de MCPs, skills y control del ordenador.
- Los agentes siguen corriendo con el portátil cerrado y devuelven pull requests con demos del trabajo.
Dónde estaba el desperdicio
Una conexión MCP mete en el contexto la definición de todas sus herramientas cada vez que arranca la conversación. Si tienes seis conexiones activas con veinte herramientas cada una, empiezas quemando decenas de miles de tokens antes de que el agente lea una sola línea de tu código.
El uso de ordenador es peor. Cada paso implica una captura de pantalla, y una captura son miles de tokens. Un agente que hace cincuenta clics en una tarea manda cincuenta imágenes. Ahí es donde sale un 80% de mejora: no hay que ser muy fino para recortar cuando el punto de partida es mandar la pantalla entera en cada paso.
La receta general es cargar la definición de herramientas solo cuando se necesita, en vez de meterlo todo por delante. Es el mismo movimiento que hizo Cursor hace una semana con los enjambres de agentes donde un modelo caro planifica y los baratos ejecutan.
Qué significa un 30% en dinero real
Depende de a qué precio corras. Con Opus a 25 dólares por millón de tokens de salida, un equipo de cinco personas con agentes activos se deja fácilmente cuatro cifras al mes.
Un 30% de ese consumo no es un ajuste cosmético. Y el 80% en tareas de control de ordenador es la diferencia entre que un flujo automatizado tenga sentido económico o no lo tenga.
Conviene leer el anuncio con lo que dice y no con lo que sugiere. Eficiencia en tokens no es lo mismo que mejor resultado. Si el agente resuelve la misma tarea con menos contexto, perfecto; si la resuelve peor porque tiene menos información delante, el ahorro es falso. Cursor no ha publicado comparativas de calidad.
Qué es una skill y por qué aparece aquí
Una skill es un conjunto de instrucciones y ficheros que el agente carga cuando la tarea lo pide, en vez de tenerlo todo cargado desde el principio.
La diferencia con meter las mismas instrucciones en el prompt de sistema es de contexto. El prompt de sistema viaja en cada llamada; una skill se carga solo cuando hace falta y luego se descarta. En un agente que hace cuarenta llamadas para resolver una tarea, esa distinción es la mitad de la factura.
Que Cursor cite skills, MCPs y uso de ordenador en la misma frase indica que la optimización va por ahí: cargar bajo demanda todo lo que antes iba por delante. Es la misma dirección en la que se movió NVIDIA cuando abrió su catálogo de más de 200 skills para agentes.
Por qué está pasando esto ahora
Porque el coste de los agentes se convirtió en el límite del producto. Cursor ya bajó el precio a 7 dólares al mes en India y lleva meses tocando el reparto entre modelos caros y baratos.
Y la presión viene de fuera también. Con DeepSeek cobrando 28 céntimos por millón de tokens de salida y Alibaba regalando pesos, un producto que factura por consumo tiene que enseñar que cada token cunde.
Por qué importa
Si en tu empresa hay gente usando agentes para programar, esto se traduce en una factura menor sin tocar nada. Actualiza y ya.
Lo transferible es la lección de diseño, que vale para cualquier montaje propio con Claude Code, MCP o similar. La mayor parte del gasto de un agente no está en pensar, está en el contexto que le metes por delante en cada llamada. Antes de cambiar de modelo para ahorrar, mira cuántas conexiones tienes activas que el agente no usa nunca. Desconectar tres MCPs sobrantes suele dar más ahorro que bajar de Opus a Sonnet, y sin perder calidad.
Relacionado
