Sí: Cursor documenta que permite trabajar con archivos .ipynb y .py y ejecutar celdas; Microsoft describe la edición nativa de notebooks de Jupyter en Visual Studio Code. Cursor recomienda instalar la extensión ms-toolsai.jupyter para obtener compatibilidad completa. (Documentación de Cursor sobre ciencia de datos; Microsoft Learn)

Un notebook combina código ejecutable y texto en Markdown. Para un proyecto compartido, conviene decidir qué archivo será la fuente editable y cómo se mantendrán sincronizados los cambios; un reporte sobre Cursor Agent también aconseja proteger el trabajo antes de editar notebooks.

Qué documentan Cursor y Visual Studio Code

La documentación de Cursor menciona archivos .ipynb y .py, ejecución integrada de celdas y el uso de Tab y Agent dentro de notebooks. Para la compatibilidad completa, recomienda instalar ms-toolsai.jupyter. Microsoft describe la edición de notebooks de Jupyter en Visual Studio Code, donde el código ejecutable puede convivir con texto en Markdown.

Qué ocurrió con los cambios de Cursor Agent

El 6 de febrero de 2026, una persona usuaria informó de que no podía deshacer con Ctrl+Z ni recuperar desde un punto de control de Agent los cambios aceptados en un notebook de Jupyter con Cursor 2.4.28 para macOS. Personal de Cursor calificó el comportamiento como un problema conocido y recomendó trabajar en archivos .py, guardar copias de las celdas o hacer un commit antes de iniciar una sesión de Agent. (Hilo del foro de Cursor)

Si vas a permitir que Agent modifique un .ipynb, hacer primero un commit o una copia de las celdas sigue esas precauciones. Así tendrás una forma independiente de conservar el trabajo que quieras recuperar.

Cómo organizar un repositorio con ambos formatos

Una guía de Tech Insider publicada el 2 de noviembre de 2026 propone usar Jupytext para emparejar un archivo Python en formato percent con el notebook .ipynb: el .py funciona como fuente editable y el notebook se sincroniza con él. La guía también plantea registrar un kernel con el mismo nombre para el proyecto y usar nbstripout como filtro de Git, de modo que las salidas se conserven en la copia de trabajo y se eliminen de la versión preparada para guardar en el repositorio.

Para detectar desajustes, esa propuesta añade una comprobación de los notebooks preparados para Git, que revisa las salidas y los contadores de ejecución y compara el código con su archivo .py asociado. También usa nbmake para ejecutar el notebook como prueba con pytest. En conjunto, el patrón deja el script como punto de edición y reserva el .ipynb sincronizado para el trabajo interactivo.