Cursor Automations, ajanik kodlamanın yarattığı sorunu çözer. Mühendisler artık aynı anda 10+ kodlama ajanını yönetebiliyor, ancak insan dikkati darboğaz haline geldi. Bir düzine ajanı bakıcılığı yaparken aynı zamanda gerçek işini yapamazsın. Otomasyonlar modeli tersine çeviriyor: ajanları başlatmak yerine, olaylar başlatıyor. Birleşik bir PR güvenlik denetimi tetiklenir. Bir PagerDuty uyarısı, bir ajanı başlatır, o da günlükleri sorgular ve bir çözüm önerir. Bir cron işi incelemeleri her sabah kapsam boşluklarını test eder. Her otomasyon, MCP (ajanların Slack, Linear, GitHub, Datadog veya herhangi bir özel API'ye bağlanmasını sağlayan standart protokol) aracılığıyla yapılandırdığınız araçlara tam erişim sağlayan izole bir bulut kum kutusunda çalışır. Ajan, talimatlarınızı takip eder, kendi işini doğrular ve geçmiş çalışmalardan yerleşik bir bellek sistemi aracılığıyla öğrenir. Cursor dahili olarak saatte yüzlerce böyle çalıştırıyor. Güvenlik otomasyonları, PR'ları engellemeden her ana baskıyı denetleyerek birden fazla güvenlik açığını yakaladı. Bu, daha önce pratik olmayan 4 şeyi ortaya çıkarıyor: 1. İnsanların atladığı derinlikte sürekli kod incelemesi 2. Çağrılmadan önce soruşturmaya başlayan olay yanıtı 3. Bakım işleri belirli bir takvime göre yapılır, biri hatırladığında değil 4. Araçlar arasında bilgi sentezi Önümüzdeki iki yıl, en iyi fabrikayı kim inşa edeceğine göre belirlenecek, en iyi yönetmelikle değil. En hızlı hareket eden şirketler en iyi mühendislere sahip olanlar olmayacak. Mühendislerin kod yazmak yerine otomasyonları yapılandırmaya zaman harcadığı kişiler onlar.

24 milyar parametreli bir model bir dizüstü bilgisayarda çalıştı ve doğru aracı yarım saniyeden kısa sürede seçti. Gerçek hikaye, araç çağıran ajanların nihayet yazılım gibi hissettirecek kadar hızlı hale gelmesi. Liquid, 1:3 oranında gruplanmış sorgu dikkatiyle karıştıran hibrit bir mimari kullanarak LFM2-24B-A2B üretti. Tam model 24 milyar token barındırmasına rağmen her token için sadece 2,3 milyar parametre aktive oluyor. Bu seyrek aktivasyon deseninin sebebi, M4 Max'te 14,5 GB belleğe sığmasının ve araçları 385 milisaniyede göndermesinin sebebi. Mimari, donanım-döngü araması yoluyla tasarlandı; yani model yapısını doğrudan üzerinde çalışacağı çiplerde test ederek optimize ettiler. Bulut çeviri katmanı yok. API gidiş-dönüş yok. Model, araçlar ve veriniz makinede kalır. Bu, daha önce pratik olmayan üç şeyi ortaya çıkarıyor: 1. Düzenlenen sektörler, çalışanların dizüstü bilgisayarlarında veri cihazdan çıkmadan ajanları çalıştırabilir. 2. Geliştiriciler, API anahtarlarını veya hız sınırlarını yönetmeden çoklu araç iş akışlarını prototip yapabilir. 3. Güvenlik ekipleri, tedarikçi alt işlemcileri dahil olmadan tam denetim izleri alır. Model, 13 MCP sunucusunda 67 araç üzerinde tek adımlı araç seçiminde %80 doğruluk sağladı. Bu performans ölçekte geçerliyse, iki varsayımın güncellenmesi gerekir. Birincisi, cihaz üzerindeki ajanlar artık pil ömrü karşısında bir takas değildir; Bunlar bir uyum özelliği. İkinci olarak, ajanik iş akışlarındaki darboğaz, model kapasitesinden araç ekosisteminin olgunluğuna kayıyor.