Factory 发布 Droid 1.0：程序化工具调用成默认，一次模型请求可跑上百次工具调用，自测 Terminal-Bench 4 领先各家原生 harness

核心背景与行业痛点

编程 Agent 现在常连续工作数小时、跨上百轮对话，每一轮都要把指令、工具定义和历史重新发给模型。传统循环里模型一次只调一两个工具，工具输出（整份文件、搜索结果、日志）全部塞回上下文，任务越长越贵、越慢，也越容易漏步骤。Factory 10 月 29 日发布 Droid 1.0，称这是其 agent harness（模型之外的提示词、工具、结果回传和循环逻辑）迄今最大的一次更新。

架构亮点与底层机制

最大变化是把程序化工具调用（PTC）设为默认，以 Script 工具实现：模型先写一段 JavaScript，在没有自身文件、网络或系统权限的沙箱中运行，一次模型请求内可调用上百次工具，互不依赖的调用并发执行，只把程序输出返回上下文，完整结果写入日志供后续检索。官方举例：移动并核对 151 个 Linear issue 需 312 次工具调用，直接调用约 36 次请求、310 万输入 token，改用 Script 只需 2 次请求、6.1 万 token。其他改动包括：新加载的 MCP 工具追加到请求末尾以保住 prompt cache（生产中典型请求 98% 输入命中缓存）；首轮请求从 20,887 token 降到 13,055（-37%），开局工具定义从 11 个减到 2 个；循环内置卡死、重复和丢任务检测，压缩摘要上限从 8,000 提到 16,000 token。Factory 还介绍了内部 "Agent Factory"：由 Agent 分析跑分失败和真实会话问题、提出改动并在每个模型家族上测试，再由工程师决定是否上线。

权威 Benchmark 与实测跑分对比

以下均为 Factory 自测（Terminal-Bench 4 全部任务，10 月 23–28 日，每任务 3 次，高推理档）。GPT-6.1 Sol：Droid 57.6%（每个通过任务 $0.79），Codex 54.0%、OpenCode 51.0%、Devin 45.0%；官方称比 Codex 高 3.5 分且成本低 12%，但耗时多 10%。Claude Opus 5.5：Droid 65.2%（$4.73），Cursor 与 OpenCode 62.1%、Devin 59.6%、Claude Code 57.6%；每个通过任务耗时比其他 harness 少 16%–26%。方法说明里提到若干调整：部分 Opus 5.5 任务因内容审核中断后改用 Opus 5 重跑，Devin 停下提问的任务若 Codex 通过则计为通过，Cursor 两次重连漏记的 token 按记录估算。这些都是厂商自测，尚无第三方复现。

开发者实战落地与开箱指南

Droid 1.0 已上线：可下载 macOS/Windows 桌面版，或安装终端 TUI。要在同一 harness 上做二次开发，可用 Droid SDK（npm 包 @factory/droid-sdk），它与 CLI 跑的是同一个 Droid：在 Node 里启动 Droid、多轮会话、流式输出，并通过 MCP 接入自定义工具，也能连接正在运行的 Droid 守护进程管理会话。Droid 不绑定单一模型，可自带 API key 或用 Factory Router 自动选模型。适合批量读文件、批量处理工单、分步数据库迁移这类工具调用密集的长任务；接入前建议在自己的代码库上对比成本与通过率，不要只看厂商图表。