Microsoft Research ha hecho de código abierto Agensh, un harness descentralizado para grandes equipos de agentes de programación. El harness multiagente Agensh elimina el orquestador central del que dependen la mayoría de los marcos de agentes. Cada trabajador elige su propia subtarea, comparte hallazgos y fusiona código en un repositorio Git común. En ProgramBench, el equipo escaló la configuración de 1 agente a 1,024 agentes.
TL;DR
- Un harness: Probado de 1 a 1,024 agentes. Cada trabajador tiene un límite de entrada de 272,000 tokens y de salida de 128,000 tokens.
- Se ejecuta en: Linux con Docker Compose. Un solo nodo por defecto (8 trabajadores). La ejecución de 1,024 agentes usó 16 nodos, con 64 agentes cada uno. Los trabajadores tienen un techo de memoria de 64 GiB.
- Rendimiento: más agentes aumentaron las puntuaciones en las 5 tareas más difíciles de ProgramBench, y las alcanzaron antes.
- Mejor: 79.59% de tasa de aprobación de pandoc con 32 agentes en GPT-6.1-sol. GPT-5.6-sol alcanzó 55.06% con 1,024 agentes.
- Peor: la media de las 5 tareas llegó solo a 28.78% con 128 agentes. Pasar de 1 a 8 agentes añadió 1.37 puntos.
¿Qué es Agensh?
Agensh es un harness multiagente de Microsoft Research que coordina muchos agentes LLM sin un agente líder.
El problema objetivo es el techo del orquestador. En los diseños orquestador-trabajador, un agente líder planifica, asigna y fusiona todo el trabajo. El artículo de investigación cita como ejemplos los equipos de agentes de Claude Code, los sub-agentes de Codex, Copilot fleet y Kimi Agent Swarm. Agensh permite que los propios trabajadores hagan esa coordinación.
¿Cómo funciona el bucle de cooperación de Agensh?
Cada trabajador ejecuta el mismo bucle de 5 pasos, de forma concurrente y asíncrona:
- Recopilar contexto: leer el objetivo, el progreso de los pares, los mensajes y los hallazgos.
- Reclamar una subtarea: publicar un CLAIM y luego resolver los solapamientos por mensaje directo.
- Tomar medidas: trabajar localmente con herramientas y publicar hallazgos útiles pronto.
- Verificar los resultados: comprobar el trabajo contra los criterios de aceptación de la subtarea.
- Progreso de la fusión: fusionar en el repositorio compartido, publicar una actualización y luego repetir.
Tres servicios conectan a los trabajadores. Gitea aloja el espacio de trabajo compartido, con ramas, PRs y conflictos de fusión. Mattermost lleva un canal de equipo más mensajes directos para colisiones urgentes. Un tablero de contexto compartido, adaptado de DeLM, almacena notas tipadas: OBSERVED, FACT, FAIL, CLAIM y PATCH_SUMMARY.
El bucle vive en el prompt, no en el código en tiempo de ejecución. Cada trabajador recibe el mismo prompt excepto su ID. Agensh se sitúa sobre un harness de agente único. Los experimentos usaron GitHub Copilot CLI. El artículo de investigación afirma que adaptadores ligeros pueden conectar otros harnesses, como Claude Code.
¿Qué tan bien escala Agensh en ProgramBench?
El equipo de Microsoft probó las 5 tareas más difíciles de ProgramBench : FFmpeg, gromacs, pandoc, PHP-src y ctags. Los agentes reconstruyen cada programa a partir de su comportamiento observado. Trabajan sin conexión, dentro de 6 horas. Los repositorios de referencia van desde 2,767 archivos (pandoc) hasta 26,266 archivos (PHP-src).
Con GPT-5.6-sol a alto esfuerzo de razonamiento, la tasa media final de pruebas superadas evolucionó así:
- 1 agente: 19.31%
- 8 agentes: 20.68%
- 32 agentes: 26.52%
- 128 agentes: 28.78%
Eso es una ganancia de 9.47 puntos, aproximadamente un 49% relativo. Solo en pandoc, las puntuaciones fueron 33.89% (1), 41.75% (8), 43.11% (32), 50.94% (128) y 55.06% (1,024).
La velocidad también mejoró: en pandoc, 128 agentes superaron el 30% en el punto de control de 30 minutos. 32 y 8 agentes necesitaron 60 y 90 minutos.
El README añade un modelo más reciente. Con GPT-6.1-sol, pandoc subió de 56.19% (1 agente) a 79.59% (32 agentes). Eso es una ganancia relativa del 41.64%. Estas cifras de GPT-6.1-sol no están en el artículo v1.
¿Qué comportamientos surgieron a medida que crecía el equipo?
El equipo de investigación rastreó las trayectorias de los trabajadores en cada escala:
- 8 agentes: los pares acordaron las interfaces y resolvieron por sí mismos las reclamaciones superpuestas.
- 32 agentes: los pares revisaron el trabajo compartido; una aprobación fue retirada tras un contraejemplo.
- 128 agentes: los trabajadores reutilizaron revisores de confianza y estandarizaron un protocolo de integración.
- 1,024 agentes: varios trabajadores actuaron como integradores, y los pares recuperaron trabajo fallido.
Ninguno de estos roles fue codificado de forma fija.
¿Cómo se compara Agensh con otros harnesses multiagente?
| Característica | Agensh | Claude Code agent teams | Kimi Agent Swarm | Copilot CLI /fleet |
|---|---|---|---|---|
| Coordinación | Sin orquestador; los pares auto-reclaman el trabajo | Una sesión líder fija coordina a los compañeros | El orquestador descompone las tareas | Copilot asigna partes a subagentes |
| Agentes mostrados | 1,024 probados | Sin límite fijo; se recomiendan de 3 a 5 | Hasta 100 sub-agentes | No divulgado |
| Estado compartido | Repositorio de Gitea + tablero de contexto compartido | Lista de tareas compartida con bloqueo de archivos | No divulgado | Plan desde el modo plan |
| Mensajería | Canal de Mattermost + mensajes directos | Mensajes del buzón entre compañeros de equipo | No divulgado | No revelado |
| Modelos | Agnóstico al modelo; se probaron GPT-5.6-sol, GPT-6.1-sol | Modelos Claude | Kimi K2.5 | No revelado |
| Afirmación de velocidad | 30% en pandoc a los 30 min (128 agentes) | No revelado | 4.5 veces más rápido que secuencial (según su propio informe) | No revelado |
| Disponibilidad | Código abierto, MIT | En Claude Code; experimental, desactivado por defecto | Suscriptores de nivel superior, vista previa de investigación | En Copilot CLI |
¿Cómo ejecutas Agensh?
La versión incluye un equipo de Docker Compose de un solo nodo y una línea base de un solo agente. Ambos utilizan sesiones ACP nativas de Copilot. Necesitas Linux con Docker Engine, Compose v2, systemd, cgroup v2 y Python 3.11+. Los valores por defecto son 8 trabajadores, 6 horas por tarea y gpt-5.6-sol a alto esfuerzo. También necesitas ProgramBench (se validó la v1.2.5) y un token de API de modelo. Los pasos completos están en la guía de reproducción.
Conclusiones clave
- Agensh coordina hasta 1,024 agentes sin orquestador central.
- Los trabajadores auto-reclaman tareas a través de Gitea, Mattermost y un tablero compartido de hallazgos.
- 128 agentes elevaron la media de 5 tareas de ProgramBench de 19.31% a 28.78%.
- GPT-6.1-sol con 32 agentes alcanzó 79.59% en pandoc.
- El código está bajo licencia MIT, pero el costo de tokens no se revela.
Consulta el Artículo, Repositorio de GitHub y Página del proyecto. Además, no dude en seguirnos en Twitter y no olvide unirse a nuestro SubReddit de ML con más de 150k y suscribirse a nuestro boletín. ¡Espere! ¿está en telegram? ahora también puede unirse a nosotros en telegram.
¿Necesita asociarse con nosotros para promocionar su Repositorio de GitHub O Página de Hugging Face O Lanzamiento de Producto O Webinar, etc.? Conéctese con nosotros
La entrada Microsoft Open-Sources Agensh: A Multi-Agent Harness for 1,024 Agents apareció primero en MarkTechPost.