Cursor Automations löst das Problem, das agentisches Codieren geschaffen hat. Ingenieure können jetzt mehr als 10 Codierungsagenten gleichzeitig verwalten, aber die menschliche Aufmerksamkeit wurde zum Engpass. Du kannst nicht ein Dutzend Agenten beaufsichtigen, während du auch deinen eigentlichen Job machst. Automationen drehen das Modell um: Statt dass du Agenten startest, tun es Ereignisse. Ein zusammengeführter PR löst eine Sicherheitsprüfung aus. Ein PagerDuty-Alarm startet einen Agenten, der Protokolle abfragt und einen Fix vorschlägt. Ein Cron-Job überprüft jeden Morgen die Testabdeckungs-Lücken. Jede Automatisierung läuft in einer isolierten Cloud-Sandbox mit vollem Zugriff auf die Werkzeuge, die du über MCP konfigurierst (ein Standardprotokoll, das es Agenten ermöglicht, sich mit Slack, Linear, GitHub, Datadog oder einer beliebigen benutzerdefinierten API zu verbinden). Der Agent folgt deinen Anweisungen, überprüft seine eigene Arbeit und lernt aus vergangenen Durchläufen durch ein integriertes Gedächtnissystem. Cursor führt intern Hunderte davon pro Stunde aus. Ihre Sicherheitsautomatisierung hat mehrere Schwachstellen entdeckt, indem sie jeden Push zum Hauptzweig überprüft hat, ohne PRs zu blockieren. Das eröffnet 4 Dinge, die vorher nicht praktikabel waren: 1. Kontinuierliche Codeüberprüfung in einer Tiefe, die Menschen überspringen 2. Vorfallreaktion, die mit der Untersuchung beginnt, bevor du benachrichtigt wirst 3. Wartungsarbeiten, die nach einem Zeitplan erfolgen, nicht wenn sich jemand erinnert 4. Wissenssynthese über Werkzeuge hinweg Die nächsten zwei Jahre werden davon geprägt sein, wer die beste Fabrik baut, nicht den besten Code. Die Unternehmen, die am schnellsten vorankommen, werden nicht die mit den besten Ingenieuren sein. Es werden die sein, deren Ingenieure Zeit damit verbracht haben, Automatisierungen zu konfigurieren, anstatt Code zu schreiben.

Ein 24-Milliarden-Parameter-Modell wurde gerade auf einem Laptop ausgeführt und hat in weniger als einer halben Sekunde das richtige Werkzeug ausgewählt. Die eigentliche Geschichte ist, dass Werkzeugaufruf-Agenten endlich schnell genug geworden sind, um sich wie Software anzufühlen. Liquid hat LFM2-24B-A2B mit einer hybriden Architektur entwickelt, die Konvolutionsblöcke mit gruppierter Abfrageaufmerksamkeit im Verhältnis 1:3 mischt. Es werden nur 2,3 Milliarden Parameter pro Token aktiviert, obwohl das vollständige Modell 24 Milliarden umfasst. Dieses spärliche Aktivierungsmuster ist der Grund, warum es in 14,5 GB Speicher passt und Werkzeuge in 385 Millisekunden auf einem M4 Max bereitstellt. Die Architektur wurde durch Hardware-in-the-Loop-Suche entworfen, was bedeutet, dass sie die Modellstruktur optimiert haben, indem sie sie direkt auf den Chips getestet haben, auf denen sie ausgeführt werden sollte. Keine Cloud-Übersetzungsschicht. Kein API-Roundtrip. Das Modell, die Werkzeuge und Ihre Daten bleiben auf dem Gerät. Dies eröffnet drei Dinge, die zuvor unpraktisch waren: 1. Regulierungsbehörden können Agenten auf den Laptops der Mitarbeiter ausführen, ohne dass Daten das Gerät verlassen. 2. Entwickler können Multi-Tool-Workflows prototypisieren, ohne API-Schlüssel oder Ratenlimits verwalten zu müssen. 3. Sicherheitsteams erhalten vollständige Prüfprotokolle, ohne dass Anbieter-Subprozessoren im Spiel sind. Das Modell erreichte eine Genauigkeit von 80 % bei der Auswahl von Einzelwerkzeugen über 67 Werkzeuge, die sich über 13 MCP-Server erstrecken. Wenn diese Leistung im großen Maßstab anhält, müssen zwei Annahmen aktualisiert werden. Erstens sind On-Device-Agenten kein Kompromiss mehr bei der Akkulaufzeit; sie sind ein Compliance-Feature. Zweitens verschiebt sich der Engpass in agentischen Workflows von der Modellfähigkeit zur Reife des Werkzeug-Ökosystems.