Hướng dẫn Cursor Agent Mode: Xây dựng REST API với GPT-5.6 Luna

Nếu bạn đang dùng Cursor Agent Mode để xây dựng phần mềm, mô hình bạn chọn có thể quyết định sự thành bại của quy trình làm việc. Agent Mode giao các tác vụ lập trình tự động cho một LLM: nó sửa tệp, chạy lệnh và lặp lại cho đến khi hoàn thành. Sự tự chủ đó có nghĩa là mỗi phiên thực hiện hàng chục, thậm chí hàng trăm lần gọi mô hình. Chi phí token và độ trễ phản hồi nhanh chóng tăng lên. Trong hướng dẫn này, bạn sẽ xây dựng một REST API với Cursor Agent Mode sử dụng GPT-5.6 Luna, một mô hình hiệu quả về chi phí có sẵn qua OneMux. Chúng ta sẽ tìm hiểu vì sao Luna là lựa chọn mạnh mẽ cho việc lập trình tác tử, cách cấu hình nó, và cùng xây dựng một API cụ thể.

Tại sao GPT-5.6 Luna là lựa chọn thông minh cho Cursor Agent

GPT-5.6 Luna thuộc dòng GPT-5.6 của OpenAI, cùng với Terra và Sol. Luna là phân khúc khởi điểm: giá $0,60 cho mỗi 1M token đầu vào và $3,60 cho mỗi 1M token đầu ra. Rẻ hơn đáng kể so với Terra (1,50$/9,00$) và Sol (2,50$/15,00$). Với lập trình tác tử, nơi bạn có thể tiêu tốn hàng trăm nghìn token chỉ trong một phiên, khoản tiết kiệm này rất quan trọng.

Nhưng “rẻ” không có nghĩa là “yếu”. Luna là mô hình đa dụng xử lý tốt việc sinh mã, gỡ lỗi và refactoring. Trong Cursor Agent Mode, nó có thể suy luận về cấu trúc tệp, viết hàm và sửa lỗi. Với phần lớn tác vụ REST API—tạo endpoint, mô hình, xác thực và boilerplate—Luna đủ mạnh với chi phí chỉ bằng một phần nhỏ.

OneMux giúp bạn dễ dàng so sánh các mô hình. Đây là bảng tóm tắt từ catalogue mô hình OneMux:

Khi dùng Cursor như một tác tử, bạn không cần mô hình đắt nhất cho mọi bước. Các endpoint CRUD tiêu chuẩn, lược đồ Pydantic và khung kiểm thử đều nằm trong khả năng của Luna. Với các quyết định kiến trúc phức tạp hoặc gỡ lỗi tinh vi, bạn có thể chuyển sang Sol hoặc Claude Opus—nhưng với phần lớn công việc, Luna là lựa chọn mặc định hiệu quả về chi phí.

Thiết lập GPT-5.6 Luna trong Cursor

Cursor cho phép bạn gắn các mô hình tùy chỉnh qua API tương thích OpenAI. OneMux cung cấp chính xác điều đó: một endpoint API duy nhất cho nhiều mô hình hàng đầu, bao gồm GPT-5.6 Luna. Dưới đây là cách bắt đầu.

1. Tạo tài khoản tại OneMux và lấy mã API.
2. Trong Cursor, mở Settings > Models > OpenAI API Key rồi dán mã OneMux của bạn.
3. Đặt API base URL là endpoint của OneMux. URL chính xác nằm trong hướng dẫn khởi đầu nhanh OneMux.
4. Chọn mô hình. Bạn cần định danh mô hình Luna, có thể tìm thấy trên trang mô hình hoặc trong tài liệu.

Sau khi cấu hình, Cursor Agent Mode sẽ định tuyến các cuộc gọi qua OneMux. Bạn sẽ thấy mô hình trong bộ chọn mô hình và có thể bắt đầu dùng cho các tác vụ tác tử. OneMux cũng cung cấp khả năng theo dõi chi phí và quản lý tín dụng, vì vậy bạn luôn biết tác tử của mình đã dùng bao nhiêu token.

Xây dựng REST API với Cursor Agent Mode

Hãy để Luna vào việc. Chúng ta sẽ xây dựng một REST API danh sách việc cần làm đơn giản lưu trong bộ nhớ bằng FastAPI. Mở Cursor Agent Mode và đưa cho nó lời nhắc sau:

Tạo một FastAPI REST API cho ứng dụng danh sách việc cần làm. Nó phải hỗ trợ tạo, liệt kê, cập nhật và xóa việc. Lưu việc trong bộ nhớ. Thêm xác thực bằng Pydantic và bao gồm endpoint kiểm tra sức khỏe.

Cursor Agent Mode sẽ tạo các tệp dự án, viết mã và thậm chí cài đặt dependencies. Dưới đây là ví dụ về loại mã Luna có thể tạo:

from fastapi import FastAPI, HTTPException, status
from pydantic import BaseModel
from typing import List, Optional

app = FastAPI()

class TodoCreate(BaseModel):
    title: str
    completed: bool = False

class Todo(TodoCreate):
    id: int

todos = []
next_id = 1

@app.get("/health")
def health():
    return {"status": "ok"}

@app.get("/todos", response_model=List[Todo])
def list_todos(completed: Optional[bool] = None):
    if completed is None:
        return todos
    return [t for t in todos if t.completed == completed]

@app.post("/todos", response_model=Todo, status_code=status.HTTP_201_CREATED)
def create_todo(todo: TodoCreate):
    global next_id
    new_todo = Todo(id=next_id, **todo.dict())
    todos.append(new_todo)
    next_id += 1
    return new_todo

@app.put("/todos/{todo_id}", response_model=Todo)
def update_todo(todo_id: int, todo: TodoCreate):
    for t in todos:
        if t.id == todo_id:
            t.title = todo.title
            t.completed = todo.completed
            return t
    raise HTTPException(status_code=404, detail="Todo not found")

@app.delete("/todos/{todo_id}", status_code=status.HTTP_204_NO_CONTENT)
def delete_todo(todo_id: int):
    for i, t in enumerate(todos):
        if t.id == todo_id:
            todos.pop(i)
            return
    raise HTTPException(status_code=404, detail="Todo not found")

Đây là nền tảng vững chắc. Tác tử sau đó có thể chạy kiểm thử, thêm tính năng hoặc refactor mã—tất cả trong Cursor Agent Mode. Luna xử lý ngữ cảnh và chỉnh sửa một cách mượt mà.

Hiểu về chi phí: Luna so với các mô hình mạnh hơn

Một phiên tác tử điển hình cho một API nhỏ có thể tiêu thụ khoảng 100.000 token đầu vào (bao gồm ngữ cảnh mã nguồn và lời nhắc) và 20.000 token đầu ra (mã tạo ra và chỉnh sửa). Dưới đây là chi phí tương ứng với các mô hình khác nhau:

Vì vậy, Luna không chỉ rẻ hơn—mà rẻ hơn đáng kể cho các quy trình lặp lại. Nếu bạn xây dựng API trong nhiều ngày, khoản tiết kiệm sẽ nhân lên. Với dự án phức tạp đòi hỏi suy luận sâu, bạn luôn có thể chuyển sang Sol hoặc Claude Opus. Nhưng với phần lớn công việc REST API tác tử, Luna là lựa chọn thực dụng.

Mẹo để đạt kết quả tốt nhất từ Cursor Agent Mode

• Hãy cụ thể trong lời nhắc: Mô tả framework, mô hình dữ liệu, endpoint và mọi ràng buộc. Đầu ra của tác tử sẽ cải thiện đáng kể khi bạn đưa ra một bản mô tả rõ ràng.
• Yêu cầu kiểm thử: Cho Cursor tạo và chạy bộ kiểm thử. Luna có thể xử lý các lỗi và sửa các trường hợp ngoại lệ.
• Sử dụng ngữ cảnh tích hợp: Trỏ tác tử đến các tệp hoặc thư mục hiện có để nó làm việc trong kiến trúc dự án của bạn.
• Theo dõi chi phí: OneMux cung cấp khả năng xem thời gian thực về mức sử dụng token và chi phí, để bạn phát hiện các dấu hiệu tăng bất thường.
• Bắt đầu với Luna, nâng cấp khi cần: Nếu gặp giới hạn suy luận, hãy chuyển sang mô hình lớn hơn cho nhiệm vụ con cụ thể đó, sau đó quay lại Luna.

FAQ

GPT-5.6 Luna có sẵn trong Cursor Agent Mode không?

Có. Cursor hỗ trợ các endpoint tùy chỉnh tương thích OpenAI. Bằng cách đặt mã API OneMux và base URL trong cài đặt Cursor, Luna sẽ trở thành một mô hình khả dụng cho các tác vụ tác tử.

Luna so với Terra và Sol trong dòng GPT-5.6 như thế nào?

Luna là mô hình phải chăng nhất, với giá đầu vào 0,60$/1M và đầu ra 3,60$/1M. Terra và Sol có giá cao hơn và được thiết kế cho các suy luận nặng hơn. Với việc tạo REST API thông thường, khả năng của Luna thường là đủ.

Tôi có thể chuyển đổi mô hình giữa chừng dự án với Cursor và OneMux không?

Chắc chắn rồi. Vì OneMux định tuyến qua một API duy nhất, bạn có thể thay đổi mô hình trong cài đặt Cursor mà không cần sửa mã. Điều này cho phép bạn bắt đầu với Luna và chuyển sang mô hình mạnh hơn nếu tác vụ trở nên phức tạp.

Tôi có thể tìm bảng benchmark đầy đủ cho các mô hình GPT-5.6 ở đâu?

Hướng dẫn Cursor Agent Mode của DataCamp đề cập đến bảng benchmark đầy đủ và hướng dẫn giá ba phân khúc cho GPT-5.6 Sol, Terra và Luna. Bạn có thể kiểm tra nguồn đó để có dữ liệu hiệu suất sâu hơn.

Kết luận

Cursor Agent Mode biến ý tưởng của bạn thành mã hoạt động, nhưng mô hình bạn chọn quyết định cả chất lượng lẫn chi phí. GPT-5.6 Luna, có sẵn qua OneMux, nằm ở điểm cân bằng cho việc xây dựng REST API: đủ thông minh để tạo mã sạch, hoạt động tốt, với mức giá giúp việc thử nghiệm tác tử luôn trong tầm chi phí.

Thiết lập Luna trong Cursor hôm nay qua API thống nhất của OneMux và bắt đầu xây dựng nhanh hơn—mà không lo từng token làm tăng chi phí vượt mức. Để biết thêm chi tiết về mô hình, giá và tích hợp, hãy xem trang giá OneMux và hướng dẫn khởi đầu nhanh.

Nguồn tham khảo

• DataCamp: Hướng dẫn Cursor Agent Mode