Microsoft Research a rendu open source Agensh, un harnais décentralisé pour de grandes équipes d’agents de programmation. Le harnais multi-agents Agensh supprime l’orchestrateur central dont dépendent la plupart des cadres d’agents. Chaque travailleur choisit sa propre sous-tâche, partage ses découvertes et fusionne son code dans un dépôt Git commun. Sur ProgramBench, l’équipe a fait passer le dispositif de 1 agent à 1,024 agents.
TL;DR
- Un harnais: testé de 1 à 1,024 agents. Chaque travailleur dispose d’une limite d’entrée de 272,000 tokens et de sortie de 128,000 tokens.
- Fonctionne sur : Linux avec Docker Compose. Nœud unique par défaut (8 travailleurs). L’exécution à 1,024 agents a utilisé 16 nœuds, avec 64 agents chacun. Les travailleurs ont un plafond mémoire de 64 GiB.
- Performances : plus d’agents a augmenté les scores sur les 5 tâches les plus difficiles de ProgramBench, et les a atteintes plus tôt.
- Meilleur : taux de réussite pandoc de 79.59 % avec 32 agents sur GPT-6.1-sol. GPT-5.6-sol a atteint 55.06 % avec 1,024 agents.
- Pire : la moyenne des 5 tâches n’a atteint que 28.78 % à 128 agents. Passer de 1 à 8 agents a apporté 1.37 point.
Qu’est-ce qu’Agensh ?
Agensh est un harnais multi-agents de Microsoft Research qui coordonne de nombreux agents LLM sans agent de tête.
Le problème visé est le plafond de l’orchestrateur. Dans les conceptions orchestrateur-travailleurs, un agent de tête planifie, attribue et fusionne tout le travail. L’ article de recherche cite les équipes d’agents Claude Code, les sous-agents Codex, Copilot fleet et Kimi Agent Swarm comme exemples. Agensh laisse les travailleurs assurer eux-mêmes cette coordination.
Comment fonctionne la boucle de coopération d’Agensh ?
Chaque travailleur exécute la même boucle en 5 étapes, de manière concurrente et asynchrone :
- Recueillir le contexte : lire l’objectif, la progression des pairs, les messages et les découvertes.
- Réclamer une sous-tâche : publier un CLAIM, puis résoudre les chevauchements par message direct.
- Agir : travailler localement avec des outils et publier tôt les découvertes utiles.
- Vérifier les résultats : contrôler le travail par rapport aux critères d’acceptation de la sous-tâche.
- Progression des fusions : fusionner dans le dépôt partagé, publier une mise à jour, puis répéter.
Trois services relient les workers. Gitea héberge l'espace de travail partagé, avec branches, PR et conflits de fusion. Mattermost porte un canal d'équipe plus des messages directs pour les collisions urgentes. Un tableau de contexte partagé, adapté de DeLM, stocke des notes typées : OBSERVED, FACT, FAIL, CLAIM et PATCH_SUMMARY.
La boucle vit dans le prompt, pas dans le code d'exécution. Chaque worker reçoit le même prompt à l'exception de son ID. Agensh repose sur un harnais mono-agent. Les expériences ont utilisé GitHub Copilot CLI. L'article de recherche indique que des adaptateurs légers peuvent connecter d'autres harnais, tels que Claude Code.
Quelle est la montée en charge d'Agensh sur ProgramBench ?
L'équipe de Microsoft a testé les 5 tâches les plus difficiles de ProgramBench : FFmpeg, gromacs, pandoc, PHP-src et ctags. Les agents reconstruisent chaque programme à partir de son comportement observé. Ils travaillent hors ligne, dans une limite de 6 heures. Les dépôts de référence vont de 2,767 fichiers (pandoc) à 26,266 fichiers (PHP-src).
Avec GPT-5.6-sol à un niveau de raisonnement élevé, le taux moyen de tests réussis en final a évolué comme suit :
- 1 agent : 19.31 %
- 8 agents : 20.68 %
- 32 agents : 26.52 %
- 128 agents : 28.78 %
Soit un gain de 9.47 points, environ 49 % en relatif. Sur pandoc seul, les scores ont été de 33.89 % (1), 41.75 % (8), 43.11 % (32), 50.94 % (128) et 55.06 % (1,024).
La vitesse s'est aussi améliorée : sur pandoc, 128 agents ont atteint 30 % au point de contrôle de 30 minutes. Les groupes de 32 et 8 agents ont nécessité 60 et 90 minutes.
Le README ajoute un modèle plus récent. Avec GPT-6.1-sol, pandoc est passé de 56.19 % (1 agent) à 79.59 % (32 agents). Soit un gain relatif de 41.64 %. Ces chiffres de GPT-6.1-sol ne figurent pas dans l'article v1.
Quels comportements sont apparus à mesure que l'équipe grandissait ?
L'équipe de recherche a retracé les trajectoires des travailleurs à chaque échelle :
- 8 agents : les pairs se mettaient d'accord sur les interfaces et résolvaient eux-mêmes les revendications qui se chevauchaient.
- 32 agents : les pairs relisaient le travail partagé ; une approbation a été retirée après un contre-exemple.
- 128 agents : les travailleurs réutilisaient des relecteurs de confiance et standardisaient un protocole d'intégration.
- 1,024 agents : plusieurs travailleurs agissaient comme intégrateurs, et les pairs récupéraient le travail en échec.
Aucun de ces rôles n'était codé en dur.
Comment Agensh se compare-t-il aux autres harnesses multi-agents ?
| Fonctionnalité | Agensh | Claude Code agent teams | Kimi Agent Swarm | Copilot CLI /fleet |
|---|---|---|---|---|
| Coordination | Pas d'orchestrateur ; les pairs s'approprient le travail eux-mêmes | Une session de lead fixe coordonne les coéquipiers | Un orchestrateur décompose les tâches | Copilot assigne des parties à des sous-agents |
| Agents affichés | 1,024 testés | Pas de limite stricte ; 3 à 5 recommandés | Jusqu'à 100 sous-agents | Non divulgué |
| État partagé | Dépôt Gitea + tableau de contexte partagé | Liste de tâches partagée avec verrouillage de fichiers | Non divulgué | Plan issu du mode plan |
| Messagerie | Canal Mattermost + messages directs | Messages de boîte aux lettres entre coéquipiers | Non communiqué | Non divulgué |
| Modèles | Indépendant du modèle ; GPT-5.6-sol, GPT-6.1-sol testés | Modèles Claude | Kimi K2.5 | Non divulgué |
| Réclamation de vitesse | 30 % sur pandoc en 30 min (128 agents) | Non divulgué | 4,5x plus rapide que séquentiel (auto-déclaré) | Non divulgué |
| Disponibilité | Open source, MIT | Dans Claude Code ; expérimental, désactivé par défaut | Abonnés haut de gamme, aperçu de recherche | Dans Copilot CLI |
Comment exécuter Agensh ?
La version inclut une équipe Docker Compose à nœud unique et une baseline mono-agent. Les deux utilisent des sessions Copilot ACP natives. Vous avez besoin de Linux avec Docker Engine, Compose v2, systemd, cgroup v2 et Python 3.11+. Les valeurs par défaut sont 8 workers, 6 heures par tâche et gpt-5.6-sol à effort élevé. Vous avez également besoin de ProgramBench (v1.2.5 a été validé) et d'un jeton d'API de modèle. Les étapes complètes se trouvent dans le guide de reproduction.
Points clés à retenir
- Agensh coordonne jusqu'à 1,024 agents sans orchestrateur central.
- Les workers revendiquent eux-mêmes les tâches via Gitea, Mattermost et un tableau de résultats partagé.
- 128 agents ont fait passer la moyenne des 5 tâches de ProgramBench de 19.31 % à 28.78 %.
- GPT-6.1-sol avec 32 agents a atteint 79.59 % sur pandoc.
- Le code est sous licence MIT, mais le coût en tokens n'est pas divulgué.
Consultez le Papier, Dépôt GitHub et Page du projet. N’hésitez pas également à nous suivre sur Twitter et n’oubliez pas de rejoindre notre 150k+ML SubReddit et de vous abonner à notre Newsletter. Attention ! êtes-vous sur telegram ? vous pouvez désormais nous rejoindre aussi sur telegram.
Besoin de vous associer à nous pour promouvoir votre dépôt GitHub OU votre page Hugging Face OU le lancement d’un produit OU un webinaire, etc. ? Connectez-vous avec nous
L’article Microsoft Open-Sources Agensh: A Multi-Agent Harness for 1,024 Agents est apparu en premier sur MarkTechPost.