Microsoft Research 开源 Agensh 多智能体框架，最多支持 1024 个智能体
Microsoft Open-Sources Agensh: A Multi-Agent Harness for 1,024 Agents
Microsoft Research 开源了 Agensh，一个去掉中心编排器的多智能体编码框架，每个 worker 自行认领子任务、共享发现并合并代码到同一个 Git 仓库。
原文给出无中心编排的多智能体框架在 1 到 1024 个智能体下的实测数据，可据此判断规模扩展的收益与边界。
微软研究院已开源 Agensh，这是一个面向大规模编程智能体团队的去中心化 harness。Agensh 多智能体 harness 去掉了大多数智能体框架所依赖的中心编排器。每个 worker 自行挑选子任务、共享发现，并将代码合并到公共 Git 仓库。在 ProgramBench 上，团队将该配置从 1 个智能体扩展到 1,024 个智能体。
TL;DR
- Harness：测试范围从 1 到 1,024 个智能体。每个 worker 的输入上限为 272,000 token，输出上限为 128,000 token。
- 运行环境：Linux 搭配 Docker Compose。默认单节点（8 个 worker）。1,024 个智能体的运行使用了 16 个节点，每节点 64 个智能体。worker 的内存上限为 64 GiB。
- 性能：在全部 5 个最难的 ProgramBench 任务上，更多智能体都提升了分数，并且更快达到这些分数。
- 最佳：在 GPT-6.1-sol 上使用 32 个智能体时，pandoc 通过率达到 79.59%。GPT-5.6-sol 使用 1,024 个智能体时达到 55.06%。
- 最差：5 个任务的平均值在 128 个智能体时仅达到 28.78%。从 1 个智能体增加到 8 个智能体，提升了 1.37 分。
什么是 Agensh？
Agensh 是微软研究院推出的多智能体 harness，可在没有主控智能体的情况下协调大量 LLM 智能体。
其针对的问题是编排器上限。在编排器-worker 设计中，主控智能体负责规划、分配并合并所有工作。研究论文列举了 Claude Code agent teams、Codex sub-agents、Copilot fleet 和 Kimi Agent Swarm 作为例子。Agensh 让 worker 自行完成这种协调。
Agensh 的协作循环如何运作？
每个 worker 并发且异步地运行相同的 5 步循环：
- 收集上下文：读取目标、同伴进展、消息和发现。
- 认领子任务：发布 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：对照子任务的验收标准检查工作。
- 合并进展：合并到共享仓库，发布更新，然后重复。
三个服务连接各个 worker。Gitea 托管共享工作区，包含分支、PR 和合并冲突。Mattermost 承载团队频道以及用于紧急冲突的直接消息。一个改编自 DeLM 的共享上下文板存储带类型的笔记：OBSERVED、FACT、FAIL、CLAIM 和 PATCH_SUMMARY。
该循环存在于提示词中，而非运行时代码中。每个 worker 获得相同的提示词，只有 ID 不同。Agensh 构建在单智能体 harness 之上。实验使用了 GitHub Copilot CLI。研究论文指出，轻量适配器可以连接其他 harness，例如 Claude Code。
Agensh 在 ProgramBench 上的扩展效果如何？
微软团队测试了 5 个最难的 ProgramBench 任务：FFmpeg、gromacs、pandoc、PHP-src 和 ctags。智能体根据观察到的行为重建每个程序。它们在离线环境下工作，时限为 6 小时。参考仓库从 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 9.47 分，相对提升约 49%。仅就 pandoc 而言，分数分别为 33.89%（1）、41.75%（8）、43.11%（32）、50.94%（128）和 55.06%（1,024）。
速度也提升了：在 pandoc 上，128 个 agent 在 30 分钟检查点通过率达到 30%。32 个和 8 个 agent 分别需要 60 和 90 分钟。
README 新增了一个更新的模型。使用 GPT-6.1-sol 时，pandoc 从 56.19%（1 个 agent）升至 79.59%（32 个 agent）。这是 41.64% 的相对提升。这些 GPT-6.1-sol 数据不在 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的 worker 轨迹：
- 8 个 agent：同伴就接口达成一致，并自行解决了重叠的声明。
- 32 个 agent：同伴审查共享工作；一项批准在出现反例后被撤回。
- 128 个 agent：worker 复用可信的审查者，并标准化了集成协议。
- 1,024 个 agent：若干 worker 充当集成者，同伴恢复了失败的工作。
这些角色都不是硬编码的。
Agensh 与其他多 agent harness 相比如何？
| 功能 | Agensh | Claude Code agent teams | Kimi Agent Swarm | Copilot CLI /fleet |
|---|---|---|---|---|
| 协调 | 无编排器；同伴自行认领工作 | 固定的 lead 会话协调队友 | 编排器分解任务 | Copilot 将部分分配给子 agent |
| 展示的 agent 数 | 已测试 1,024 个 | 无硬性限制；建议 3 到 5 个 | 最多 100 个子 agent | 未披露 |
| 共享状态 | Gitea 仓库 + 共享上下文板 | 带文件锁的共享任务列表 | 未披露 | 来自 plan 模式的计划 |
| 消息传递 | 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；已测试 GPT-5.6-sol、GPT-6.1-sol | Claude 模型 | Kimi K2.5 | 未披露 |
| 速度声明 | 30 分钟时在 pandoc 上达到 30%（128 个 agent） | 未披露 | 比串行快 4.5 倍（自报） | 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？
该版本包含一个单节点 Docker Compose 团队和一个单 agent 基线。两者都使用原生 Copilot ACP 会话。你需要 Linux，并安装 Docker Engine、Compose v2、systemd、cgroup v2 和 Python 3.11+。默认值为 8 个 worker、每个任务 6 小时、gpt-5.6-sol 高 effort。你还需要 ProgramBench（已验证 v1.2.5）和一个模型 API token。完整步骤见复现指南。
关键要点
- Agensh 可在没有中央编排器的情况下协调多达 1,024 个 agent。
- Worker 通过 Gitea、Mattermost 和共享发现板自行认领任务。
- 128 个 agent 将 5 任务 ProgramBench 均值从 19.31% 提升至 28.78%。
- GPT-6.1-sol 配合 32 个 agent 在 pandoc 上达到 79.59%。
- 代码采用 MIT 许可，但 token 成本未披露。
查看 论文、 GitHub 仓库 和 项目页面。另外，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 Newsletter。等等！你在 Telegram 上吗？现在你也可以在 Telegram 上加入我们。
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？联系我们
文章 Microsoft 开源 Agensh：一个支持 1,024 个智能体的多智能体框架 首次发布于 MarkTechPost。
来源：MarkTechPost · marktechpost.com