Jira 官宣集成 Cursor：让 AI 智能体直接承接研发任务
- Atlassian
- 2天前
- 讀畢需時 3 分鐘
现在，使用 Jira 的团队可以直接将工作任务指派给 Cursor。Cursor 的云端智能体将自动接管任务并开始投入工作。
你可以在 Jira 界面、IDE 软件或 Cursor 网页端直接引导智能体。当 Cursor 需要人类反馈或准备好交付评审时，会在 Jira 中主动通知你；而当它提交 Pull Request（PR）时，该请求也会自动关联回对应的 Jira 任务。
根据一项针对 AI 使用与工程产出的多年期开发者体验研究，我们发现：由于缺乏上下文，AI 智能体的能力提升并未转化为同等的研发效率增长。 调研对象指出，在 IDE 之外频繁进行的上下文切换、任务规划、团队对齐、Bug 分类以及代码评审，是阻碍效率提升的核心痛点。
现在，Atlassian 正在为所有使用 Cursor 的团队，在 Jira 中构建原生支持 AI 的全新工作流。
“我们现在要思考的，不再是如何让工程师使用更多的 AI，而是如何构建一个让‘人类’与‘智能体’基于相同上下文、朝着共同目标协作的系统。直接从 Jira 向 Cursor 指派任务并带入完整的上下文，是规模化高效编排智能体迈出的关键一步。” —— Jason Andrews，思科（Cisco）工程运营副总裁
从意图到执行：Cursor 在 Jira 中的四大核心能力
直接在 Jira 中触发智能体：在 Jira 中将任务指派给 @Cursor，或在评论中提及 @Cursor，即可针对当前任务启动全新的智能体会话。
工作流自动化：设定自动化规则，将特定任务自动分发给 Cursor，帮你处理重复性工作并提升代码质量。
赋能全员参与代码变更：团队中的任何成员都可以通过 Cursor 启动任务并创建 PR，无需在本地配置复杂的开发环境。
基于丰富的上下文工作：借助 Rovo，从 Atlassian 的 Teamwork Graph 中提取跨系统的上下文来丰富任务信息，随后指派给 Cursor。无需手动搬运信息，让 AI 拥有更完整的背景认知。
实现“需求驱动开发”： 自动将智能体可读的需求文档与 Confluence 中的协作文档、Jira 中的任务、计划及目标进行实时同步。
“我们观察到，当团队给予智能体尽可能多的上下文时，他们的交付速度是最快的。Jira 是定义工作的地方，而工程师在 Cursor 中编写代码。现在，两者的上下文可以无缝共享，Jira 则作为编排层连接起了这一切。”—— Tamar Yehoshua，AtlassianChief Product and AI Officer
全量上下文，零切换：在 Cursor 中直接更新 Jira
如今，借助 Atlassian 的 Teamwork Graph CLI 或 Rovo MCP，本地智能体可以直接在终端、浏览器或应用内访问这些上下文。
只需一行简单的命令，在 Cursor 中工作的工程师就能更新 Jira 任务状态、@同事进行代码评审、调出与当前工作相关的 Confluence 需求和决策、检查发布状态及依赖项等。
Atlassian 的 Teamwork Graph 提供了一张关于组织架构、工作任务和企业知识的动态智能图谱。它能为编码智能体提供精准的上下文，从而以更少的 Token 消耗带来更准确的生成结果。在我们的内部测试中，结合了 Teamwork Graph 上下文的智能体，其回答质量提升了 44%，同时 Token 消耗减少了 48%。
“通过 Atlassian 的 Teamwork Graph CLI，开发者可以在 Cursor 内部直接获取完整的项目上下文（包括任务、依赖项、Confluence 页面）。而借助 Jira 中的 Cursor 集成，团队中的任何人都能实现从‘看 Ticket’到‘生成待合并 PR’的全流程，期间无需切换任何工具。这次合作将你的规划工具与编码智能体连接在了一起，实现了上下文的互通。我们的共同客户反馈，这从根本上改变了每个任务启动后的第一个小时，让他们能够更快地交付。”—— Tido Carriero，Cursor 研发、产品与设计负责人
现在，团队可以直接在 Cursor 中让 Jira 任务和 Confluence 文档保持最新状态。这把过去“单兵作战”的 AI 软件开发，转变为基于统一数据源的“多员协同”工作流。无需再进行频繁的上下文切换。
如何获取？
Cursor in Jira 目前已对所有付费版 Jira 订阅用户开放。
快速开始：访问 Atlassian Marketplace 安装 Cursor agent 插件
深入了解：参阅《Cursor + Jira 官方配置与使用指南》
留言