Cursor Automations løser problemet som agentisk koding skapte. Ingeniører kan nå håndtere 10+ kodeagenter samtidig, men menneskelig oppmerksomhet ble flaskehalsen. Du kan ikke passe på et dusin agenter samtidig som du gjør jobben din. Automasjoner snur modellen: i stedet for at du starter agenter, gjør hendelsene det. En sammenslått PR utløser en sikkerhetsrevisjon. Et PagerDuty-varsel starter opp en agent som søker logger og foreslår en løsning. En cron jobbgjennomgang tester dekningshull hver morgen. Hver automatisering kjører i en isolert sky-sandkasse med full tilgang til verktøyene du konfigurerer gjennom MCP (en standardprotokoll som lar agenter koble til Slack, Linear, GitHub, Datadog eller et hvilket som helst egendefinert API). Agenten følger instruksjonene dine, verifiserer sitt eget arbeid, og lærer fra tidligere kjøringer gjennom et innebygd minnesystem. Cursor kjører hundrevis av disse per time internt. Deres sikkerhetsautomatisering fanget opp flere sårbarheter ved å revidere hver push til main uten å blokkere PR-er. Dette låser opp 4 ting som ikke var praktiske før: 1. Kontinuerlig kodegjennomgang på en dybde mennesker hopper over 2. Hendelsesrespons som begynner å etterforske før du blir tilkalt 3. Vedlikeholdsarbeid som skjer etter en plan, ikke når noen husker det 4. Kunnskapssyntese på tvers av verktøy De neste to årene vil bli definert av hvem som bygger den beste fabrikken, ikke den beste koden. De selskapene som beveger seg raskest vil ikke være de med de beste ingeniørene. Det er de som utviklerne bruker tid på å konfigurere automasjoner i stedet for å skrive kode.

En modell med 24 milliarder parametere kjørte bare på en bærbar PC og valgte riktig verktøy på under et halvt sekund. Den virkelige historien er at verktøykallingsagenter endelig ble raske nok til å føles som programvare. Liquid bygde LFM2-24B-A2B med en hybridarkitektur som blander konvolusjonsblokker med gruppert spørringsoppmerksomhet i et 1:3-forhold. Kun 2,3 milliarder parametere aktiveres per token, selv om hele modellen har 24 milliarder. Det sparsomme aktiveringsmønsteret er grunnen til at det får plass i 14,5 GB minne og sender verktøy på 385 millisekunder på en M4 Max. Arkitekturen ble designet gjennom hardware-in-the-loop-søk, noe som betyr at de optimaliserte modellstrukturen ved å teste den direkte på brikkene den skulle kjøre på. Ingen sky-oversettelseslag. Ingen API rundtur. Modellen, verktøyene og dataene dine forblir på maskinen. Dette låser opp tre ting som tidligere var upraktiske: 1. Regulerte bransjer kan kjøre agenter på ansattes bærbare datamaskiner uten at data forlater enheten. 2. Utviklere kan prototype arbeidsflyter med flere verktøy uten å håndtere API-nøkler eller hastighetsgrenser. 3. Sikkerhetsteam får fullstendige revisjonsspor uten leverandørunderprosessorer involvert. Modellen oppnådde 80 % nøyaktighet på valg av enkeltstegs verktøy fordelt på 67 verktøy fordelt på 13 MCP-servere. Hvis denne ytelsen holder seg i stor skala, må to antakelser oppdateres. For det første er agenter på enheten ikke lenger et kompromiss for batterilevetid; De er en samsvarsfunksjon. For det andre skifter flaskehalsen i agentiske arbeidsflyter fra modellkapasitet til modenhet i verktøyøkosystemet.