Cursor Automations lost het probleem op dat agentic coding heeft gecreëerd. Ingenieurs kunnen nu meer dan 10 coding agents tegelijk beheren, maar menselijke aandacht werd de bottleneck. Je kunt geen dozijn agents in de gaten houden terwijl je ook je eigen werk doet. Automatiseringen draaien het model om: in plaats van dat jij agents lanceert, doen evenementen dat. Een samengevoegde PR triggert een beveiligingsaudit. Een PagerDuty-alarm start een agent die logs doorzoekt en een oplossing voorstelt. Een cronjob controleert elke ochtend de testdekking. Elke automatisering draait in een geïsoleerde cloud-sandbox met volledige toegang tot de tools die je configureert via MCP (een standaardprotocol dat agents laat verbinden met Slack, Linear, GitHub, Datadog of een aangepaste API). De agent volgt jouw instructies, verifieert zijn eigen werk en leert van eerdere runs via een ingebouwd geheugensysteem. Cursor draait er intern honderden per uur. Hun beveiligingsautomatisering heeft meerdere kwetsbaarheden ontdekt door elke push naar main te auditen zonder PR's te blokkeren. Dit ontgrendelt 4 dingen die eerder niet praktisch waren: 1. Continue code-review op een diepte die mensen overslaan 2. Incidentrespons die begint met onderzoeken voordat je wordt gepaged 3. Onderhoudswerk dat volgens een schema plaatsvindt, niet wanneer iemand het zich herinnert 4. Kennis-synthese over tools heen De komende twee jaar zullen worden gedefinieerd door wie de beste fabriek bouwt, niet de beste code. De bedrijven die het snelst bewegen, zullen niet de bedrijven zijn met de beste ingenieurs. Ze zullen de bedrijven zijn wiens ingenieurs tijd hebben besteed aan het configureren van automatiseringen in plaats van het schrijven van code.

Een model met 24 miljard parameters is net op een laptop uitgevoerd en koos het juiste hulpmiddel in minder dan een halve seconde. Het echte verhaal is dat tool-calling agents eindelijk snel genoeg zijn geworden om als software aan te voelen. Liquid heeft LFM2-24B-A2B gebouwd met een hybride architectuur die convolutieblokken mengt met gegroepeerde query-aandacht in een verhouding van 1:3. Slechts 2,3 miljard parameters worden geactiveerd per token, hoewel het volledige model 24 miljard bevat. Die spaarzame activatiepatroon is de reden waarom het in 14,5 GB geheugen past en hulpmiddelen in 385 milliseconden op een M4 Max verzendt. De architectuur is ontworpen via hardware-in-the-loop zoekopdrachten, wat betekent dat ze de modelstructuur hebben geoptimaliseerd door deze direct op de chips te testen waarop het zou draaien. Geen cloudvertalingslaag. Geen API-ronde. Het model, de hulpmiddelen en uw gegevens blijven op de machine. Dit ontgrendelt drie dingen die voorheen onpraktisch waren: 1. Gereguleerde industrieën kunnen agents op werknemerslaptops draaien zonder dat gegevens het apparaat verlaten. 2. Ontwikkelaars kunnen multi-tool workflows prototypen zonder API-sleutels of snelheidslimieten te beheren. 3. Beveiligingsteams krijgen volledige auditsporen zonder leverancierssubprocessoren in de lus. Het model bereikte 80% nauwkeurigheid bij de selectie van hulpmiddelen in één stap over 67 hulpmiddelen verspreid over 13 MCP-servers. Als deze prestatie op schaal aanhoudt, moeten twee aannames worden bijgewerkt. Ten eerste zijn agents op het apparaat niet langer een afweging voor de batterijduur; ze zijn een compliancefunctie. Ten tweede verschuift de bottleneck in agentische workflows van modelcapaciteit naar de volwassenheid van het hulpmiddelenecosysteem.