【図解】Windows11でWSL2+Docker+CursorによるPython開発環境を構築する手順
はじめに
最近、AntigravityやcursorなどのAIエディタが流行っています。効率的に開発できたり、従来よりも大量のデータを扱えたりすることが魅力です。
今回は、Windows11 PCにWSL2を導入し、Docker上でcursorを使える環境を構築する方法を、手順を追って説明します。構築する環境のイメージ図は以下です

1. Docker環境を構築する
まずは、cursor接続の土台となるWSL2+Docker環境 を準備します。記事「【図解】Windows11でWSL2+DockerによるPython開発環境を構築する手順」の以下の章を参照ください。
- 「 1. WSL2でUbuntuをインストールする」
- 「2. Docker EngineをUbuntuにインストールする」
- 「4. python環境用のコンテナを構築する」
ここまでの完成図

これ以降のコマンドは、Linux上で実行します。ubuntuのbashを起動させるか、PowerShell上でwsl ~でwslを起動させてから後続の作業を進めてください。


2. cursorをインストールする
この章では、cursorをWindowsPCにインストールします。
cursor自体はWindowsアプリとして動き、のちほどコンテナに接続して開発します。
2-1. cursorにユーザー登録をする
こちらのcursorのページから、サインアップまたはサインインをします。

必要に応じてProプランへアップグレードします(記事執筆時点:20ドル/月)。
AIツールは変化が早いので、月額で試す運用がおすすめです。

2-2. cursorをインストールする
こちらのcursorのページから、ログインした状態でインストーラー「cursorUserSetup-x64-2.2.44.exe」(≠cursorSetup-x64-2.2.44.exe)を取得し、インストールを進めます。

インストールする際は全てデフォルト値で問題ありません。

ここまでの完成図

3. cursorをコンテナ環境に導入する
この章では、WSL(Linux)から cursor コマンドでcursorを起動できるようにします。
これができると、WSL内のプロジェクトに対してスムーズにcursorを立ち上げられます。
3-1. cursorにPATHを通す
PATH は「コマンドを探しに行く場所のリスト」、alias は「短い別名」を作る設定です。ここでは cursor と打ったら、Windows側にあるCursor実行ファイルを呼ぶようにします。
「\wsl.localhost\Ubuntu-24.04\home[#YourUserName#]」配下の「.bashrc」ファイルの末尾に以下を追記します。([#YourUserName#]は自分のユーザー名に変更してください)
# cursor
export PATH="$PATH:/mnt/c/Users/[#YourUserName#]/AppData/Local/Programs/cursor/resources/app/bin"
alias cursor="/mnt/c/Users/[#YourUserName#]/AppData/Local/Programs/cursor/resources/app/bin/cursor"

3-2. 設定内容を反映する
WSL再起動またはsourceコマンドで、前段の変更を反映します。
# wsl再起動
wsl --shutdown
wsl ~
# または、更新した「.bashrc」ファイルの読み込み
source ~/.bashrc
3-3. 動作確認を実施する
以下のコマンドを実行して、cursorが起動するか確認します。
cursor .
以下の画面が表示されれば成功です。

完成図

4. おまけ:cursorの使い方
ここからは、実際に開発するときの基本操作をまとめます。
4-1. 開発したいコンテナを起動する
まずは対象のコンテナを起動させます。
cd [#docker-compose.yamlまたはDockerfileが配置されている場所#]
docker compose start
# または
docker start [#コンテナ名#]
4-2. cursorからコンテナに接続する
cursor上で、以下をクリックして接続先のコンテナを指定します。左下にコンテナ名が表示されれば接続成功です。「Open Folder」からコンテナ内のフォルダを開くことができます。



4-3. モードやモデルを選ぶ
cursorでは、用途にあったモードやモデルを指定することができます。特に「Composer1」モデルはレスポンスが通常のAIより早いので、おすすめです。

4-4. チャットで、コーディングやエラーの解析をする
右側のチャット欄から、設計・実装・改善をまとめて依頼できます。また、ターミナルで出たエラーはクリックして表示される 「Add to Chat」で引用できるため、解析が楽にできます。

4-5. 過去のチャット履歴を参照する
チャット欄右上の時計マークから、過去の会話ログを確認できます。

おわりに
以上で、WSL2+Dockerで用意したPython実行環境に、cursorから接続して開発できる状態が整いました。cursorを使うメリットは、単に「AIが使える」だけではなく、実装・修正・デバッグの往復回数を減らし、作業のスピードを上げられる点にあります。
特に、エラーをそのままチャットに渡して原因の切り分けを依頼したり、既存コードを前提に設計方針を提案させたりできるため、手が止まりやすい工程ほど効果が出やすいです。まずは小さめのタスク(例:関数1つ追加、ログ出力追加、例外処理の改善など)から試して、cursorの「強い使いどころ」を掴むのがおすすめです。
Discussion