Cursor Automations решает проблему, которую создало агентное кодирование. Теперь инженеры могут управлять более чем 10 кодирующими агентами одновременно, но человеческое внимание стало узким местом. Вы не можете присматривать за дюжиной агентов, выполняя при этом свою настоящую работу. Автоматизация меняет модель: вместо того, чтобы вы запускали агентов, это делают события. Объединенный PR запускает аудит безопасности. Оповещение PagerDuty запускает агента, который запрашивает логи и предлагает исправление. Задача cron проверяет пробелы в тестовом покрытии каждое утро. Каждая автоматизация работает в изолированном облачном песочнице с полным доступом к инструментам, которые вы настраиваете через MCP (стандартный протокол, который позволяет агентам подключаться к Slack, Linear, GitHub, Datadog или любому пользовательскому API). Агент следует вашим инструкциям, проверяет свою работу и учится на прошлых запусках через встроенную систему памяти. Cursor запускает сотни таких автоматизаций в час внутри компании. Их автоматизация безопасности обнаружила несколько уязвимостей, проводя аудит каждого пуша в основную ветку без блокировки PR. Это открывает 4 вещи, которые раньше были непрактичны: 1. Непрерывный обзор кода на глубину, которую пропускают люди 2. Реакция на инциденты, которая начинает расследование до того, как вас оповестят 3. Работы по обслуживанию, которые происходят по расписанию, а не когда кто-то вспомнит 4. Синтез знаний между инструментами Следующие два года будут определяться тем, кто построит лучшую фабрику, а не лучший код. Компании, которые движутся быстрее всего, не будут теми, у кого лучшие инженеры. Это будут те, чьи инженеры потратили время на настройку автоматизаций, а не на написание кода.

Модель с 24 миллиардами параметров только что запустилась на ноутбуке и выбрала правильный инструмент менее чем за полсекунды. Истинная история заключается в том, что агенты, вызывающие инструменты, наконец стали достаточно быстрыми, чтобы ощущаться как программное обеспечение. Liquid создала LFM2-24B-A2B, используя гибридную архитектуру, которая сочетает свёрточные блоки с группированным вниманием к запросам в соотношении 1:3. Только 2,3 миллиарда параметров активируются на токен, хотя полная модель содержит 24 миллиарда. Именно этот разреженный паттерн активации позволяет ей помещаться в 14,5 ГБ памяти и отправлять инструменты за 385 миллисекунд на M4 Max. Архитектура была разработана с помощью поиска с аппаратным обеспечением в контуре, что означает, что они оптимизировали структуру модели, тестируя её непосредственно на чипах, на которых она будет работать. Никакого облачного слоя перевода. Никаких API-запросов. Модель, инструменты и ваши данные остаются на машине. Это открывает три вещи, которые раньше были непрактичными: 1. Регулируемые отрасли могут запускать агентов на ноутбуках сотрудников, не позволяя данным покидать устройство. 2. Разработчики могут прототипировать многоинструментальные рабочие процессы, не управляя ключами API или лимитами запросов. 3. Команды безопасности получают полные аудиторские следы без участия субподрядчиков поставщика в процессе. Модель достигла 80% точности в выборе инструмента за один шаг среди 67 инструментов, охватывающих 13 серверов MCP. Если эта производительность сохранится в масштабе, необходимо обновить два предположения. Во-первых, агенты на устройстве больше не являются компромиссом по времени работы от батареи; они являются функцией соблюдения норм. Во-вторых, узкое место в агентских рабочих процессах смещается от возможностей модели к зрелости экосистемы инструментов.