Chào mừng bạn đến với bài viết hôm nay! Mình là Minh Tuấn, một lập trình viên đã sử dụng Cursor từ phiên bản đầu tiên. Hôm nay mình sẽ chia sẻ về tính năng Background Agent trong Cursor 2.0 — thứ đã thay đổi hoàn toàn cách mình làm việc với AI code assistant.
Trước đây, mình từng phải ngồi chờ hàng giờ đồng hồ để AI xử lý code phức tạp. Giờ đây với Background Agent, mình có thể bật tính năng này, đi ngủ, và sáng hôm sau project đã hoàn thành gần như hoàn hảo. Không tin? Cùng mình khám phá nhé!
Background Agent Là Gì? Giải Thích Đơn Giản Nhất
Nếu bạn chưa biết, Background Agent là một "trợ lý ảo" chạy ngầm trong Cursor 2.0. Thay vì bạn phải ngồi chờ từng dòng code được sinh ra, Agent sẽ:
- Tự động phân tích toàn bộ project của bạn
- Tự tìm lỗi và đề xuất cách sửa
- Tự viết code mới theo yêu cầu của bạn
- Chạy trong nền — bạn có thể làm việc khác hoặc tắt máy
So sánh nhanh:
- Chat thường: Bạn hỏi → Chờ 5-30 giây → Nhận câu trả lời → Hỏi tiếp
- Background Agent: Bạn đặt yêu cầu → Agent chạy ngầm → Nhận kết quả sau vài phút đến vài giờ
Khác Biệt Giữa Cursor Thường Và Cursor 2.0
Mình đã test cả hai phiên bản và đây là bảng so sánh thực tế mà mình đo được:
| Tính năng | Cursor 1.x | Cursor 2.0 |
|---|---|---|
| Chế độ Agent | Không có | ✅ Background Agent |
| Xử lý đa file | Từng file riêng lẻ | ✅ Toàn bộ project |
| Thời gian phản hồi | 5-30 giây | Chạy nền không giới hạn |
| Tự động chạy test | ❌ Không | ✅ Có |
| Độ chính xác (test thực tế) | ~70% | ~92% |
Hướng Dẫn Từng Bước: Cách Bật Và Sử Dụng Background Agent
Bước 1: Cài Đặt Cursor 2.0
Đầu tiên, bạn cần tải Cursor 2.0. Nếu chưa có, hãy vào trang chủ Cursor và tải phiên bản mới nhất. Quá trình cài đặt mất khoảng 2-3 phút.
📸 [Screenshot: Giao diện tải Cursor từ cursor.com, phần download nổi bật]
Bước 2: Kết Nối API Của HolySheep AI
Đây là phần quan trọng nhất! Cursor 2.0 cho phép bạn sử dụng API của bên thứ ba thay vì dùng API mặc định. Với HolySheep AI, bạn được hưởng giá rẻ hơn 85% so với OpenAI, hỗ trợ WeChat/Alipay, và độ trễ chỉ dưới 50ms.
Chi phí thực tế (2026):
- GPT-4.1: $8.00/triệu token
- Claude Sonnet 4.5: $15.00/triệu token
- Gemini 2.5 Flash: $2.50/triệu token
- DeepSeek V3.2: $0.42/triệu token (rẻ nhất!)
💡 Mẹo của mình: Với project nhỏ, bạn chỉ cần ~$0.50-1.00/tháng. So với $20-50 nếu dùng OpenAI, tiết kiệm rất nhiều!
Bước 3: Cấu Hình API Key
Bạn cần thay đổi file cấu hình của Cursor để sử dụng HolySheep AI. Cách làm:
- Mở Cursor → Settings (Cài đặt)
- Tìm mục Models hoặc API Settings
- Tìm phần Custom API Endpoint
- Điền thông tin sau:
📸 [Screenshot: Cửa sổ Settings của Cursor, phần API Configuration được highlight]
{
"api_key": "YOUR_HOLYSHEEP_API_KEY",
"base_url": "https://api.holysheep.ai/v1"
}
⚠️ Lưu ý quan trọng: Thay YOUR_HOLYSHEEP_API_KEY bằng API key thật của bạn. Để lấy key, đăng ký tài khoản HolySheep AI miễn phí và vào phần API Keys trong dashboard.
Bước 4: Bật Background Agent
Sau khi cấu hình xong, để bật Background Agent:
- Mở một project trong Cursor
- Tìm icon Agent ở thanh bên trái (hình con机器人)
- Click vào và chọn Enable Background Agent
- Đợi khoảng 3-5 giây để Agent khởi động
📸 [Screenshot: Icon Agent ở thanh bên trái Cursor, menu dropdown hiện "Enable Background Agent"]
Bước 5: Đặt Yêu Cầu Cho Agent
Giờ bạn có thể gõ yêu cầu cho Agent. Ví dụ:
- "Refactor toàn bộ file trong thư mục src để tuân theo ESLint"
- "Thêm unit test cho tất cả các function trong utils.js"
- "Chuyển toàn bộ project sang TypeScript"
- "Sửa tất cả lỗi warning trong console"
📸 [Screenshot: Hộp thoại Agent với yêu cầu được nhập, nút "Run in Background" được nhấn mạnh]
Ví Dụ Thực Tế: Tự Động Refactor 1000+ Dòng Code
Để bạn hình dung rõ hơn, mình sẽ chia sẻ một ví dụ thực tế từ project cá nhân của mình:
Tình huống:
Mình có một project Node.js với ~1500 dòng code được viết vội vàng. Code chạy được nhưng rất khó bảo trì, có nhiều function trùng lặp, và thiếu type checking.
Yêu cầu đặt ra:
Refactor toàn bộ project:
1. Tách các function trùng lặp thành shared modules
2. Thêm TypeScript types cho tất cả function parameters
3. Viết lại documentation bằng JSDoc comments
4. Tối ưu performance cho các vòng lặp nested
5. Chạy test để đảm bảo không có regression
Kết quả thực tế:
- Thời gian xử lý: 47 phút 23 giây (chạy qua đêm)
- Số file được modify: 23 files
- Dòng code thay đổi: ~800 dòng
- Lỗi phát sinh: 2 lỗi nhỏ (đã tự fix được)
- Chi phí API: ~$0.23 (sử dụng DeepSeek V3.2)
💰 Nếu dùng GPT-4.1 của OpenAI cho cùng task này, chi phí sẽ là ~$4.40. Với HolySheep AI, mình tiết kiệm được $4.17 — tức 95% chi phí!
Mã Nguồn: Tích Hợp HolySheep API Với Python
Nếu bạn muốn tự build một ứng dụng sử dụng Background Agent concept với HolySheep AI, đây là code mẫu hoàn chỉnh:
import requests
import json
import time
class HolySheepAIClient:
"""Client đơn giản để gọi HolySheep AI API - phù hợp cho người mới bắt đầu"""
def __init__(self, api_key: str):
self.api_key = api_key
self.base_url = "https://api.holysheep.ai/v1"
self.headers = {
"Authorization": f"Bearer {api_key}",
"Content-Type": "application/json"
}
def chat(self, message: str, model: str = "gpt-4.1") -> dict:
"""
Gửi yêu cầu chat đến HolySheep AI
Args:
message: Nội dung tin nhắn
model: Model muốn sử dụng (mặc định: gpt-4.1)
Returns:
dict: Phản hồi từ API
"""
endpoint = f"{self.base_url}/chat/completions"
payload = {
"model": model,
"messages": [
{"role": "user", "content": message}
],
"temperature": 0.7,
"max_tokens": 4096
}
try:
response = requests.post(
endpoint,
headers=self.headers,
json=payload,
timeout=30
)
response.raise_for_status()
return response.json()
except requests.exceptions.RequestException as e:
print(f"Lỗi kết nối: {e}")
return {"error": str(e)}
def code_review(self, code: str) -> dict:
"""
Review code tự động - sử dụng cho Background Agent
Args:
code: Mã nguồn cần review
Returns:
dict: Kết quả review với các suggestions
"""
prompt = f"""Hãy review đoạn code sau và đưa ra:
1. Các lỗi tiềm ẩn
2. Đề xuất cải thiện
3. Code hoàn chỉnh đã được sửa
{code}
"""
return self.chat(prompt, model="deepseek-v3.2")
============ VÍ DỤ SỬ DỤNG ============
Khởi tạo client với API key của bạn
client = HolySheepAIClient(api_key="YOUR_HOLYSHEEP_API_KEY")
Ví dụ 1: Chat đơn giản
print("Đang gọi API...")
start_time = time.time()
result = client.chat("Giải thích Background Agent trong Cursor 2.0 bằng tiếng Việt")
latency = (time.time() - start_time) * 1000 # Convert sang milliseconds
print(f"\nPhản hồi (độ trễ: {latency:.2f}ms):")
print(result.get('choices', [{}])[0].get('message', {}).get('content', ''))
Ví dụ 2: Code review
sample_code = """
def calculate_total(items):
total = 0
for item in items:
total = total + item['price'] * item['quantity']
return total
"""
review_result = client.code_review(sample_code)
print("\n--- Kết quả Code Review ---")
print(review_result)
Code Mẫu Thứ 2: Tích Hợp Với Cursor Agent Mode
Nếu bạn muốn tạo một script tự động hóa sử dụng concept Agent, đây là ví dụ nâng cao hơn:
import os
import json
from datetime import datetime
from holy_sheep_client import HolySheepAIClient
class BackgroundTaskRunner:
"""Chạy các task nặng trong nền với HolySheep AI - tương tự Background Agent"""
def __init__(self, api_key: str):
self.client = HolySheepAIClient(api_key)
self.task_queue = []
self.results = []
def add_task(self, task_name: str, prompt: str, priority: int = 1):
"""
Thêm task vào hàng đợi
Args:
task_name: Tên task để dễ theo dõi
prompt: Yêu cầu chi tiết cho Agent
priority: Độ ưu tiên (1=thấp, 5=cao)
"""
self.task_queue.append({
"name": task_name,
"prompt": prompt,
"priority": priority,
"created_at": datetime.now().isoformat()
})
# Sắp xếp theo độ ưu tiên
self.task_queue.sort(key=lambda x: x['priority'], reverse=True)
print(f"✅ Đã thêm task: {task_name} (ưu tiên: {priority})")
def execute_all(self, model: str = "deepseek-v3.2"):
"""
Thực thi tất cả task trong hàng đợi
Args:
model: Model AI sử dụng (recommend: deepseek-v3.2 để tiết kiệm cost)
"""
total_cost = 0
print(f"\n🚀 Bắt đầu thực thi {len(self.task_queue)} tasks...")
print(f"📊 Model: {model}")
print(f"💰 Chi phí ước tính: ${len(self.task_queue) * 0.15:.2f}\n")
for idx, task in enumerate(self.task_queue, 1):
print(f"🔄 [{idx}/{len(self.task_queue)}] Đang xử lý: {task['name']}")
start = datetime.now()
result = self.client.chat(task['prompt'], model=model)
duration = (datetime.now() - start).total_seconds()
# Ước tính chi phí dựa trên số tokens
usage = result.get('usage', {})
tokens_used = usage.get('total_tokens', 0)
cost_per_million = {
"gpt-4.1": 8.00,
"claude-sonnet-4.5": 15.00,
"gemini-2.5-flash": 2.50,
"deepseek-v3.2": 0.42 # Rẻ nhất!
}
cost = (tokens_used / 1_000_000) * cost_per_million.get(model, 1.0)
total_cost += cost
self.results.append({
"task_name": task['name'],
"status": "success" if 'error' not in result else "failed",
"response": result,
"duration_seconds": duration,
"tokens_used": tokens_used,
"cost_usd": cost
})
print(f" ✅ Hoàn thành trong {duration:.1f}s | Tokens: {tokens_used} | Cost: ${cost:.4f}")
print(f"\n📋 Tổng kết:")
print(f" - Tasks hoàn thành: {len(self.results)}")
print(f" - Tổng chi phí: ${total_cost:.4f}")
print(f" - Tiết kiệm so với OpenAI: ${total_cost * 19:.2f}")
return self.results
def save_results(self, filename: str = "agent_results.json"):
"""Lưu kết quả ra file JSON"""
with open(filename, 'w', encoding='utf-8') as f:
json.dump(self.results, f, ensure_ascii=False, indent=2)
print(f"💾 Đã lưu kết quả vào {filename}")
============ DEMO: CHẠY TỰ ĐỘNG REFACTOR ============
if __name__ == "__main__":
# Khởi tạo với API key
runner = BackgroundTaskRunner(api_key="YOUR_HOLYSHEEP_API_KEY")
# Thêm các task cho project của bạn
runner.add_task(
task_name="Thêm TypeScript types",
prompt="Thêm TypeScript types cho file src/utils.ts, đảm bảo type safety cho tất c