A Factory bemutatta a Droid 1.0 vállalati kódolóügynököt

Több modellhez hangolt ügynökrendszer

A Factory 2026. október 29-én mutatta be a Droid 1.0-t. A vállalat meghatározása szerint az ügynökhámrendszer, vagyis agent harness, mindazt jelenti, ami a modell körül működik: az utasításokat, az eszközöket, az eszközök eredményeinek visszaadását és a teljes folyamatot vezérlő ciklust.

A cég az elmúlt évben több százezer fejlesztővel dolgozott együtt a világ legnagyobb vállalatai közé tartozó szervezetekben. A Factory szerint ennek során olyan rendszert épített és erősített meg, amely összetett feladatokon jó minőségű eredményeket, takarékos erőforrás-használatot és erős biztonsági kontrollokat kínál.

A Droid modellfüggetlen kialakítású. A felhasználók kiválaszthatják a számukra megfelelő modellt, vagy a Factory Router automatikus modellválasztójára bízhatják a hatékony kombináció kiválasztását. A Factory szerint a több modellre végzett hangolás segít abban, hogy a fejlesztések ne egyetlen modell sajátosságaira épüljenek.

A vállalat szerint jobb eredmény alacsonyabb költséggel

A Factory azonos feladatokon, azonos modellek használata mellett hasonlította össze a Droidot más ügynökrendszerekkel. A Terminal-Bench 4 tesztben a GPT-6.1 Sol modellel a Droid 57,6 százalékos eredményt ért el, feladatonként 0,79 dolláros költség mellett. A Codex 54,0 százalékot, az OpenCode 51,0 százalékot, a Devin pedig 45,0 százalékot ért el.

Claude Opus 5.5 használatakor a Droid 65,2 százalékos eredményt ért el, 4,73 dolláros költséggel. A Cursor és az OpenCode egyaránt 62,1 százalékot, a Devin 59,6 százalékot, a Claude Code pedig 57,6 százalékot ért el. A Factory közlése szerint a Droid a GPT-6.1 Sol esetében 3,5 százalékponttal előzte meg a Codexet, 12 százalékkal alacsonyabb költség mellett. Claude Opus 5.5-tel a költségelőny elérte a 24 százalékot.

A vállalat szerint a különbség hosszabb munkafolyamatoknál válik fontosabbá. Ilyenkor egy korábbi lépés hibája a későbbi lépésekre is hatással lehet, az alacsonyabb költség pedig több ügynök futtatását teszi lehetővé ugyanabból a keretből.

Programkód vezérli az eszközhívásokat

A Droid 1.0 egyik legnagyobb változtatása a programozható eszközhívás, vagyis a programmatic tool calling, röviden PTC. A hagyományos folyamatban a modell közvetlenül hívja meg az eszközöket, az egyes eredmények pedig sorban bekerülnek a modell kontextusába. A PTC esetében a modell előbb programot ír, amely meghívja az eszközöket, majd egyetlen futtatásban végrehajtja a teljes munkafolyamatot.

A Factory szerint így az ügynök kontextusa tisztább marad, mivel a nyers fájlok, keresési eredmények és naplók változóként a programon belül maradnak. A módszer csökkenti a modellkérések számát is, mivel egy program sok eszközhívást képes kezelni. A ciklusok és az ellenőrzések kódban futnak, ezért a rendszer determinisztikusan végrehajthatja őket.

A Droid ezt Script eszközként valósítja meg. A modell JavaScriptet ír, amely egy fájl-, hálózati- és rendszerhozzáférés nélküli elkülönített környezetben fut. Egy Script egyetlen modellkérésben több száz eszközhívást is végrehajthat. A egymástól független hívások párhuzamosan futnak, a kiírt eredmények mérete korlátozott, a teljes eredményeket pedig későbbi kereséshez naplózza a rendszer.

A Factory egyik példájában ugyanaz a 15 eszközhívás közvetlen hívásokkal 10 modellkérést és 56,8 másodpercet igényelt. Script használatával 5 modellkérés és 41,6 másodperc kellett a feladathoz. A cég szerint a Script mód Claude Opus 5.5 mellett 15 százalékkal csökkenti a Droid költségét.