Cursor：Harness 优化让 Agent Token 成本下降 7%，系统提示精简约 66%

核心背景与行业痛点

编码 Agent 任务变长后，Token 账单主要来自「每轮必带」的系统提示、工具定义与不断膨胀的上下文，而非单次补全。Cursor 在官方博文 Improved token efficiency 指出：Harness 直接控制请求拼装、缓存复用与子 Agent 分工，是平台侧最可优化的成本杠杆，也是长程 Agent 能否可持续使用的关键。

架构亮点与底层机制

1) 系统提示约精简 66%，用工具行为描述替代冗长禁令；2) 高频读写/搜索/编辑/Shell 留在静态上下文，其余内置工具按需加载（延续 MCP 动态上下文思路）；3) 自 GPT-5.6 起在稳定前缀后打显式缓存断点，把易变的 skills/环境信息挪到「phantom user message」；4) Read 改为每 10 行标号；5) 收敛子 Agent 滥用探索与乱选模型。

权威 Benchmark 与实测跑分对比

Cursor 基于大规模用户 A/B（Token、成本、延迟、工具错误率、Agent 使用量）给出产品侧指标，而非公开 SWE-bench：整体成本 −7%；MCP 动态上下文历史增益 46.9%；冷缓存未命中 −20%；行号稀疏化使缓存读 Token −1.6%。官方称 Agent 质量无下降。

开发者实战落地与开箱指南

升级/保持最新 Cursor 即可自动受益，无需改项目配置。长会话可关注 Prompt Caching 命中与工具是否被过早塞进静态上下文；Plan Mode 仍保留 create_plan 等关键工具。细节与图示见 cursor.com/blog/improved-token-efficiency。