Cursor Agent Mode 教學：使用 GPT-5.6 Luna 建立 REST API

如果你正在使用 Cursor Agent Mode 來建構軟體，你選擇的模型可能決定工作流程的成敗。Agent 模式會將自主編碼任務交給 LLM：它會編輯檔案、執行命令，並持續疊代直到完成工作。這種自主性意味著每次作業都會產生數十次、有時甚至數百次的模型呼叫。Token 成本與回應延遲會迅速累積。在本教學中，你將使用 Cursor Agent Mode，搭配透過 OneMux 提供的經濟高效模型 GPT-5.6 Luna 來建立 REST API。我們會說明為什麼 Luna 是代理編碼的強力選擇、如何設定，並逐步示範實際的 API 建置。

為什麼 GPT-5.6 Luna 是 Cursor 代理的明智選擇

GPT-5.6 Luna 是 OpenAI GPT-5.6 系列的一員，該系列還包含 Terra 和 Sol。Luna 是入門等級：輸入每 100 萬個 Token 成本為 0.60 美元，輸出每 100 萬個 Token 成本為 3.60 美元。這比 Terra（$1.50/$9.00）和 Sol（$2.50/$15.00）便宜得多。在代理編碼中，你可能會在單一作業中消耗數十萬個 Token，因此這些節省相當重要。

但「便宜」不代表「弱」。Luna 是通用型模型，善於處理程式碼生成、除錯和重構。在 Cursor Agent Mode 中，它可以理解檔案結構、編寫函式並修正錯誤。對於大多數 REST API 任務——建立端點、模型、驗證和樣板程式碼——Luna 以極低的價格提供充足的效能。

OneMux 讓模型比較變得容易。以下是 OneMux 模型目錄的擷取內容：

當你將 Cursor 用作代理時，並非每個步驟都需要最昂貴的模型。標準的 CRUD 端點、Pydantic 結構和測試架構都難不倒 Luna。對於複雜的架構決策或細膩的除錯，你可能需要切換到 Sol 或 Claude Opus——但對於大部分工作，Luna 是符合成本效益的預設選擇。

在 Cursor 中設定 GPT-5.6 Luna

Cursor 可讓你透過 OpenAI 相容 API 接入自訂模型。OneMux 正是提供這個功能：單一 API 端點即可使用多個領先模型，包括 GPT-5.6 Luna。以下是開始使用的步驟。

1. 在 OneMux 建立帳戶並取得 API 金鑰。
2. 在 Cursor 中，開啟 Settings > Models > OpenAI API Key，貼上你的 OneMux 金鑰。
3. 將 API Base URL 設為 OneMux 的端點。確切網址請參閱 OneMux 快速入門指南。
4. 選擇模型。你需要 Luna 模型識別碼，可在模型頁面或文件中找到。

設定完成後，Cursor Agent Mode 就會透過 OneMux 路由其呼叫。你會在模型選擇器中看到該模型，並可開始將它用於代理任務。OneMux 也提供支出可視性與額度管理，因此你隨時都能掌握代理消耗了多少 Token。

使用 Cursor Agent Mode 建立 REST API

讓 Luna 上工吧。我們將使用 FastAPI 建立一個簡單的記憶體待辦事項 REST API。開啟 Cursor Agent Mode，並輸入這個提示：

為待辦事項應用程式建立一個 FastAPI REST API。它應支援建立、列出、更新和刪除待辦事項。將待辦事項儲存在記憶體中。使用 Pydantic 加入驗證，並包含一個健康檢查端點。

Cursor Agent Mode 會建立專案檔案、編寫程式碼，甚至可能安裝相依套件。以下是 Luna 能生成的程式碼範例：

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")

這是一個穩固的基礎。代理接著可以執行測試、新增功能或重構程式碼——全部在 Cursor Agent Mode 內完成。Luna 能流暢地處理上下文與編輯。

了解成本：Luna 與更強大模型的比較

小型 API 的典型代理作業大約會消耗 100,000 個輸入 Token（包括程式碼庫上下文與提示）和 20,000 個輸出 Token（生成的程式碼與編輯）。以下是不同模型的成本：

因此，Luna 不僅更便宜——對於疊代工作流程而言更是大幅便宜。如果你花數天建置 API，這些節省會持續累積。對於需要深度推理的複雜專案，你隨時可以切換到 Sol 或 Claude Opus。但對於大多數代理 REST API 工作，Luna 是務實的選擇。

從 Cursor Agent Mode 獲得最佳成果的秘訣

• 在提示中明確說明： 描述框架、資料模型、端點以及任何限制。當你提供清晰的規格時，代理的輸出會大幅改善。
• 要求測試： 讓 Cursor 生成並執行測試套件。Luna 可以針對失敗進行疊代並修正邊界情況。
• 使用內建上下文： 將代理指向現有檔案或資料夾，讓它在你的專案架構內工作。
• 監控支出： OneMux 提供 Token 使用量與成本的即時可視性，讓你能察覺異常飆升。
• 先用 Luna，需要時再升級： 如果遇到推理瓶頸，請針對該特定子任務切換到較大的模型，然後再回到 Luna。

常見問題

GPT-5.6 Luna 可透過 Cursor Agent Mode 使用嗎？

可以。Cursor 支援自訂 OpenAI 相容端點。在 Cursor 的設定中填入你的 OneMux API 金鑰與 Base URL 後，Luna 就會成為可用於代理任務的模型。

在 GPT-5.6 系列中，Luna 與 Terra 和 Sol 相比如何？

Luna 是最實惠的選擇，輸入每 1M Token 為 $0.60，輸出每 1M Token 為 $3.60。Terra 和 Sol 成本較高，專為重度推理設計。對於典型的 REST API 生成，Luna 的能力通常已足夠。

使用 Cursor 和 OneMux 時，可以中途切換模型嗎？

當然可以。由於 OneMux 透過單一 API 路由，你可以在 Cursor 的設定中變更模型，而無需修改任何程式碼。這讓你可以先使用 Luna，若任務變得複雜再切換到更強大的模型。

我可以在哪裡找到 GPT-5.6 模型的完整基準測試表？

DataCamp 的 Cursor Agent Mode 教學引用了 GPT-5.6 Sol、Terra 和 Luna 的完整基準測試表與三層定價指南。你可以查看該來源以取得更深入的效能資料。

結論

Cursor Agent Mode 會將你的想法轉化為可運作的程式碼，但你所選的模型決定了品質與成本。透過 OneMux 提供的 GPT-5.6 Luna 正好切中建立 REST API 的需求：具備足夠的智慧來產出乾淨、可運作的程式碼，同時價格讓代理實驗保持負擔得起。

立即透過 OneMux 的統一 API 在 Cursor 中設定 Luna，開始更快地建置——不必擔心每個 Token 爆掉你的預算。如需更多模型、價格和整合的詳細資訊，請參閱 OneMux 價格頁面與快速入門指南。

參考來源

• DataCamp: Cursor Agent Mode Tutorial