Microsoft Research 已经开源了 Agensh，一个面向大规模编码智能体团队的去中心化框架。Agensh 多智能体框架移除了大多数智能体框架所依赖的中央编排器。每个 worker 自行选择子任务、共享发现并将代码合并到共同的 Git 仓库中。在 ProgramBench 上，团队将该设置从 1 个智能体扩展到 1,024 个智能体。
TL;DR
- 一个框架：测试范围从 1 个到 1,024 个智能体。每个 worker 拥有 272,000 token 的输入限制和 128,000 token 的输出限制。
- 运行环境： 带 Docker Compose 的 Linux。默认单节点（8 个 worker）。1,024 智能体的运行使用了 16 个节点，每个节点 64 个智能体。worker 的内存上限为 64 GiB。
- 性能： 更多智能体提升了全部 5 个最难的 ProgramBench 任务的得分，并且更早达成。
- 最佳： 在 GPT-6.1-sol 上用 32 个智能体达到 79.59% 的 pandoc 通过率。GPT-5.6-sol 用 1,024 个智能体达到 55.06%。
- 最差： 5 任务均值在 128 个智能体时仅达到 28.78%。从 1 个到 8 个智能体增加了 1.37 分。
什么是 Agensh？
Agensh 是 Microsoft Research 推出的一个多智能体框架，无需主智能体即可协调大量 LLM 智能体。
目标问题是编排器瓶颈。在编排器-worker 设计中，一个主智能体负责规划、分配和合并所有工作。该 研究论文 引用了 Claude Code 智能体团队、Codex 子智能体、Copilot fleet 和 Kimi Agent Swarm 作为例子。Agensh 让 worker 们自己完成这种协调。
Agensh 的协作循环是如何运作的？
每个 worker 运行相同的 5 步循环，并发且异步：
- 收集上下文： 阅读目标、同伴进展、消息和发现。
- 认领子任务： 发布一个 CLAIM，然后通过直接消息解决重叠。
- 采取行动： 使用工具在本地工作，并尽早发布有用的发现。
- 验证结果： 根据子任务的验收标准检查工作。
- 合并进度： 合并到共享仓库,发布更新,然后重复。
三个服务连接工作节点。 Gitea 承载着共享工作区，包括分支、PR 和合并冲突。 Mattermost 包含一个团队频道以及用于紧急冲突的直接消息。一个共享上下文看板，改编自 DeLM，用于存储键入的注释：OBSERVED、FACT、FAIL、CLAIM 和 PATCH_SUMMARY。
循环存在于提示词中，而不是运行时代码中。每个工作进程获得相同的提示词，除了它的 ID。Agensh 构建在单智能体框架之上。实验使用了 GitHub Copilot CLI。该研究论文指出，瘦适配器可以连接其他工具，例如 Claude Code。
Agensh 在 ProgramBench 上的扩展性如何？
Microsoft团队测试了最难的5个 ProgramBench 任务包括：FFmpeg、gromacs、pandoc、PHP-src 和 ctags。智能体根据观察到的行为重新构建每个程序。它们在离线状态下工作，时限为 6 小时。参考代码库的规模从 2,767 个文件（pandoc）到 26,266 个文件（PHP-src）不等。
在 GPT-5.6-sol 高推理强度下,平均最终测试通过率变化如下:
- 1 个智能体:19.31%
- 8 个智能体:20.68%
- 32 个智能体:26.52%
- 128 个智能体:28.78%
这相当于提升了 9.47 个百分点,相对提升约 49%。仅就 pandoc 而言,得分为 33.89%(1 个智能体)、41.75%(8 个)、43.11%(32 个)、50.94%(128 个)和 55.06%(1,024 个)。
速度也有所提升: 在 pandoc 上,128 个智能体在 30 分钟检查点时通过了 30%。32 个和 8 个智能体分别需要 60 分钟和 90 分钟。
该 README 新增了一个更新的模型。使用 GPT-6.1-sol,pandoc 的得分从 56.19%(1 个智能体)提升至 79.59%(32 个智能体),相对提升 41.64%。这些 GPT-6.1-sol 的数据并未包含在 v1 论文中。
随着团队规模扩大,出现了哪些行为?
研究团队追踪了每个规模下工作者的发展轨迹:
- 8 个代理: 同伴就接口达成一致,并自行解决了重叠的认领。
- 32 个代理: 同伴审查共享的工作;在一个反例出现后,一项批准被撤回。
- 128 个代理: 工作者复用了信任的审查者,并标准化了一套集成协议。
- 1,024 个代理: 多个工作者充当集成者,同伴恢复了失败的工作。
这些角色中没有任何一个是硬编码的。
Agensh 与其他多代理 harness 相比如何?
| 特性 | Agensh | Claude Code agent teams | Kimi Agent Swarm | Copilot CLI /fleet |
|---|---|---|---|---|
| 协调方式 | 没有编排者;同伴自行认领工作 | 固定的主会话协调队友 | 编排者分解任务 | Copilot 将部分工作分配给子代理 |
| 展示的代理数量 | 测试了 1,024 个 | 无硬性限制;推荐 3 到 5 个 | 最多 100 个子代理 | 未披露 |
| 共享状态 | Gitea 仓库 + 共享上下文看板 | 带文件锁定的共享任务列表 | 未披露 | 来自 plan mode 的计划 |
| 消息 | Mattermost 频道 + 私信 | 队友之间的邮箱消息 | 未披露 | 未披露 |
| 模型 | 模型无关；测试了GPT-5.6-sol、GPT-6.1-sol | Claude模型 | Kimi K2.5 | 未披露 |
| 速度声明 | pandoc任务30分钟内提升30%（128个代理） | 未披露 | 比顺序执行快4.5倍（自报数据） | 未披露 |
| 可用性 | 开源，MIT | 在Claude Code中；实验性，默认关闭 | 顶级订阅用户，研究预览 | 在Copilot CLI中 |
如何运行Agensh？
该发布包含一个单节点Docker Compose团队配置和一个单代理基线。两者都使用原生Copilot ACP会话。你需要带Docker Engine、Compose v2、systemd、cgroup v2和Python 3.11+的Linux。默认设置为8个工作进程、每个任务6小时，以及以高投入运行的gpt-5.6-sol。你还需要 ProgramBench （已验证v1.2.5版本）和一个模型API令牌。完整步骤见 复现指南.
要点
- Agensh可协调多达1,024个代理，无需中央编排器。
- 工作进程通过Gitea、Mattermost和一个共享发现板自行认领任务。
- 128个代理将5任务的ProgramBench平均值从19.31%提升到28.78%。
- GPT-6.1-sol配合32个代理在pandoc上达到79.59%。
- 代码采用MIT许可，但令牌成本未披露。
请查看 论文, GitHub仓库 和 项目页面。此外，欢迎在 Twitter 上关注我们，别忘了加入我们的 150k+ML SubReddit 并订阅 我们的新闻通讯。等等！你在用 Telegram 吗？ 现在你也可以在 Telegram 上加入我们了。
需要与我们合作推广你的 GitHub 仓库、Hugging Face 页面、产品发布或网络研讨会等吗？ 与我们联系
本文《 Microsoft Open-Sources Agensh: A Multi-Agent Harness for 1,024 Agents 》首发于 MarkTechPost.