Microsoft Research hat Agensh öffentlich gemacht, ein dezentralisierter Rahmenwerk für große Teams von Programmierenden-Agenten. Das Agensh-Multi-Agent-Rahmenwerk entfernt den zentralen Orchesterer, auf den die meisten Agent-Frameworks angewiesen sind. Jeder Arbeiter wählt seine eigene Unteraufgabe, teilt Erkenntnisse und fusioniert Code in einen gemeinsamen Git-Repos. Auf ProgramBench erhöhte das Team die Anzahl der Agenten von 1 auf 1.024.
TL;DR
- Eine Ausrüstung: Getestet mit 1 bis 1.024 Agenten. Jeder Arbeiter erhält eine Eingabengrenze von 272.000 Tokens und eine Ausgabengrenze von 128.000 Tokens.
- Kompatibel mit: Linux mit Docker Compose. Standardmäßig einzelner Node (8 Arbeitskräfte). Die Ausführung mit 1.024-Agenten verwendete 16 Nodes, jeweils 64 Agenten. Die Arbeitskräfte haben eine maximale Speicherkapazität von 64 GiB.
- Leistung: mehr Agenten erzielten Punkte in allen 5 schwierigsten ProgramBench-Aufgaben und erreichten sie früher.
- Bestes Ergebnis: 79,59 % Passrate bei Pandoc mit 32 Agenten auf GPT-6.1-sol. GPT-5.6-sol erreichte 55,06 % mit 1.024 Agenten.
- Schlechteste: der Durchschnitt von 5 Aufgaben erreichte nur 28,78% bei 128 Agenten. Der Sprung von 1 auf 8 Agenten brachte 1,37 Punkte.
Was ist Agensh?
Agensh ist ein Multi-Agent-Harness von Microsoft Research, der viele LLM-Agenten ohne einen Leitagent koordiniert.
Das Zielproblem ist der Ceiling des Orchestriers. In Designs mit Orchestrator-Werker nutzt ein führendes Agent das Planen, Zuweisen und Verbinden aller Arbeiten. Der Forschungsartikel zitiert Teams des Claude Code-Agenten, Sub-Agenten von Codex, die Copilot-Flotte und das Kimi Agent Swarm als Beispiele. Agensh lässt die Arbeiter diese Koordination selbst durchführen.
Wie funktioniert der Kooperationszyklus von Agensh?
Jeder Arbeiter führt den gleichen 5-Schritte-Loop gleichzeitig und asynchron aus:
- Sammeln Sie den Kontext: Lesen Sie das Ziel, den Fortschritt der Gruppenmitglieder, die Nachrichten und die Erkenntnisse.
- Beantragen Sie eine Unteraufgabe: Posten Sie eine Klage, dann lösen Sie die Überschneidungen per direktem Nachrichtensystem.
- Handeln: arbeiten Sie vor Ort mit den Tools und teilen Sie frühzeitig nützliche Erkenntnisse mit.
- Überprüfen Sie die Ergebnisse: überprüfen Sie die Arbeit gegenüber den Akzeptionskriterien des Unterauftrags.
- Zusammenführungsfortschritt: Zusammenführen in den gemeinsamen Repo, eine Aktualisierung posten und anschließend wiederholen.
Drei Dienste verbinden die Mitarbeiter. Gitea hostet den gemeinsamen Arbeitsraum mit Branchs, PRs und Merge-Konflikten. Mattermost bietet ein Teamkanal sowie direkte Nachrichten für dringende Probleme. Ein gemeinsames Kontext-Board, übernommen von DeLM, speichert eingetragene Notizen: OBSERViert, FAKT, FEHLER, Klage und PATCH_SUMMARY.
Der Loop existiert im Prompt, nicht im Laufzeitcode. Jeder Arbeiter erhält denselben Prompt, außer seinem ID. Agensh sitzt auf einem einzelnen-Agent-Harness. Die Experimente wurden mit GitHub Copilot CLI durchgeführt. In der Forschungsarbeit heißt es, dass dünne Adapters andere Harnesses wie Claude Code verbinden können.
Wie gut skaliert Agensh auf ProgramBench?
Microsoft-Team hat die 5 schwierigsten ProgramBench Aufgaben getestet: FFmpeg, gromacs, pandoc, PHP-src und ctags. Die Agenten wiederholen jedes Programm nach seinem beobachteten Verhalten. Sie arbeiten offline und dauern 6 Stunden. Die Referenzrepos umfassen von 2.767 Dateien (pandoc) bis zu 26.266 Dateien (PHP-src).
Mit GPT-5.6-sol bei hohem Rechenspielaufwand lag der durchschnittliche Endtest-Ausgangswert wie folgt:
- 1 Agent: 19,31%
- 8 Agenten: 20,68%
- 32 Agenten: 26,52%
- 128 Agenten: 28,78%
Das ist ein Plus von 9,47 Punkten, etwa 49% relativ. Allein bei Pandoc lagen die Werte bei 33,89% (1), 41,75% (8), 43,11% (32), 50,94% (128) und 55,06% (1.024).
Die Geschwindigkeit verbesserte sich ebenfalls: Bei Pandoc überquerten 128 Agenten den 30%-Punkt nach 30 Minuten. 32 und 8 Agenten benötigten 60 und 90 Minuten.
Der README enthält ein neues Modell. Mit GPT-6.1-sol stieg die Leistung von 56,19 % (1 Agent) auf 79,59 % (32 Agents). Das entspricht einem relativen Zuwachs von 41,64 %. Diese Werte für GPT-6.1-sol sind nicht im v1-Paper enthalten.
Welche Verhaltensweisen entwickelten sich mit der Zunahme der Teamgröße?
Die Forschungsteams verfolgten die Bewegungswege der Arbeiter auf jeder Skala:
- 8 Agenten: Die Peers waren sich über die Schnittstellen einig und haben die überschneidenden Ansprüche selbst gelöst.
- 32 Agenten: Peers überprüften die geteilte Arbeit; eine Genehmigung wurde nach einem Gegenbeispiel zurückgezogen.
- 128 Agenten: Die Arbeiter nutzten wiederholt vertrauenswürdige Überprüfer und standardisierten ein Integrationprotokoll.
- 1.024 Agenten: Mehrere Arbeiter fungierten als Integratoren, und Kollegen wiederholten das fehlerhafte Arbeiten.
Keine dieser Rollen war fest eingebaut.
Wie vergleicht Agensh mit anderen Multi-Agent-Harnessschaften?
| Feature | Agensh | Claude Code agent-Teams | Kimi Agent Swarm | Copilot CLI /fleet |
|---|---|---|---|---|
| Koordination | Kein Orchestrator; Peers beanspruchen selbst ihre Arbeit | Fixiert die Koordinaten der Lead-Session für Teammitglieder | Der Orchestrierungsmechanismus zerlegt Aufgaben | Copilot weist den Teilnehmern Aufgaben zu |
| Anzeigende Agenten | 1.024 getestet | Keine harte Grenze; 3 bis 5 sind empfohlen | Bis zu 100 Unteragenten | Nicht offenlegt |
| Geteilte Zustand | Gitea-Repo + gemeinsames Kontext-Board | Gemeinsame Aufgabenliste mit Datei-Lockierung | Nicht offenlegt | Plan vom Plan-Modus |
| Kommunikation | Mattermost-Kanal + direkte Nachrichten | E-Mail-Meldungen zwischen Teammitgliedern | Nicht offenlegt | Nicht offenlegt |
| Modelle | Modellunabhängig; GPT-5.6-Sol und GPT-6.1-Sol getestet | Claude-Modelle | Kimi K2.5 | Nicht offenlegt |
| Schnelligkeitsversprechen | 30% auf Pandoc nach 30 Minuten (128 Agenten) | Nicht offenlegt | 4,5x schneller als sequentiell (selbstberichtet) | Nicht offenlegt |
| Verfügbarkeit | Offene Quelle, MIT | In Claude Code; experimentell, standardmäßig deaktiviert | Top-Level-Abonnenten, Forschungsvorlauf | In Copilot CLI |
Wie führt man Agensh aus?
Die Veröffentlichung enthält eine Docker Compose-Team mit einem einzigen Node sowie eine Baseline für einen einzigen Agent. Beide verwenden native Copilot ACP-Sessions. Sie benötigen Linux mit Docker Engine, Compose v2, systemd, cgroup v2 und Python 3.11+. Die Standardwerte sind 8 Arbeitskräfte, 6 Stunden pro Aufgabe und gpt-5.6-sol bei hohem Aufwand. Sie benötigen außerdem ProgramBench (v1.2.5 wurde validiert) sowie ein Model-API-Token. Die vollständigen Schritte finden sich im Reproduktionstutorial.
Wichtigste Erkenntnisse
- Agensh koordiniert bis zu 1.024 Agenten ohne zentrale Orchestrierungseinheit.
- Arbeiter beanspruchen ihre Aufgaben über Gitea, Mattermost und ein gemeinsames Board für Erkenntnisse.
- 128 Agenten erhöhten das Durchschnittliche Wert für das 5-Task-ProgramBench von 19,31 % auf 28,78 %.
- GPT-6.1-Sol mit 32 Agenten erreichte bei Pandoc 79,59%.
- Der Code ist unter MIT-Lizenz veröffentlicht, aber der Kostenaufwand für die Token wird nicht bekannt gegeben.
Schauen Sie sich das Paper, GitHub Repo und Project Page an. Führen Sie sich auch gerne auf Twitter ein und vergessen Sie nicht, sich bei unserem 150k+ML SubReddit anzumelden sowie unseren Newsletter zu abonnieren. Warte! Sind Sie auf Telegram? Jetzt können Sie uns auch auf Telegram beitreten.
Möchten Sie mit uns zusammenarbeiten, um Ihre GitHub-Repo, Hugging Face-Seite, Produktveröffentlichung oder Webinar zu promoten? Mit uns in Kontakt treten
Die Artikel Microsoft Open-Sources Agensh: Eine Multi-Agent-Harness für 1.024 Agenten erschien zuerst in MarkTechPost.