Microsoft открыла исходный код Agensh: мультиагентного фреймворка для 1024 агентов

Microsoft Research открыла исходный код Agensh — децентрализованной платформы для больших команд агентов, пишущих код. Мультиагентная платформа Agensh устраняет центральный оркестратор, от которого зависят большинство агентских фреймворков. Каждый рабочий агент самостоятельно выбирает подзадачу, делится результатами и объединяет код в общем Git-репозитории. В ProgramBench команда масштабировала систему от 1 до 1 024 агентов.

КРАТКО

Платформа: протестирована с количеством агентов от 1 до 1 024. Каждый рабочий агент получает ограничение в 272 000 токенов на входе и 128 000 токенов на выходе.
Работает на: Linux с Docker Compose. По умолчанию используется один узел (8 рабочих агентов). В запуске с 1 024 агентами использовалось 16 узлов, по 64 агента на каждом. Лимит памяти для рабочих агентов составляет 64 ГиБ.
Производительность: большее количество агентов повысило результаты по всем 5 самым сложным задачам ProgramBench и позволило достичь их быстрее.
Лучший результат: 79,59% успешных тестов pandoc с 32 агентами на GPT-6.1-sol. GPT-5.6-sol достиг 55,06% с 1 024 агентами.
Худший результат: среднее значение по 5 задачам достигло лишь 28,78% при 128 агентах. Переход от 1 к 8 агентам добавил 1,37 процентного пункта.

Что такое Agensh?

Agensh — это мультиагентная платформа от Microsoft Research, которая координирует множество LLM-агентов без ведущего агента.

Целевая проблема — ограничение оркестратора. В архитектурах «оркестратор — рабочие агенты» ведущий агент планирует, распределяет и объединяет всю работу. В исследовательской статье в качестве примеров упоминаются команды агентов Claude Code, субагенты Codex, Copilot fleet и Kimi Agent Swarm. Agensh позволяет рабочим агентам самостоятельно заниматься этой координацией.

Как работает цикл взаимодействия в Agensh?

Каждый рабочий агент одновременно и асинхронно выполняет один и тот же пятишаговый цикл:

Собрать контекст: прочитать цель, прогресс коллег, сообщения и результаты.
Выбрать подзадачу: опубликовать CLAIM, а затем разрешить пересечения напрямую через сообщения.
Выполнить действие: работать локально с инструментами и заранее публиковать полезные результаты.
Проверить результаты: сопоставить выполненную работу с критериями приемки подзадачи.
Объединить прогресс: добавить изменения в общий репозиторий, опубликовать обновление и повторить цикл.

Рабочих агентов соединяют три сервиса. Gitea размещает общее рабочее пространство с ветками, PR и конфликтами слияния. Mattermost предоставляет командный канал и личные сообщения для срочного разрешения конфликтов. Общая доска контекста, адаптированная из DeLM, хранит типизированные заметки: OBSERVED, FACT, FAIL, CLAIM и PATCH_SUMMARY.

Цикл реализован в промпте, а не в коде среды выполнения. Каждый рабочий агент получает одинаковый промпт, за исключением своего идентификатора. Agensh работает поверх платформы для одного агента. В экспериментах использовался GitHub Copilot CLI. В исследовательской статье говорится, что другие платформы, например Claude Code, можно подключать с помощью тонких адаптеров.

Насколько хорошо Agensh масштабируется в ProgramBench?

Команда Microsoft протестировала 5 самых сложных задач ProgramBench: FFmpeg, gromacs, pandoc, PHP-src и ctags. Агенты воссоздают каждую программу на основе наблюдаемого поведения. Они работают офлайн в течение 6 часов. Размер эталонных репозиториев варьируется от 2 767 файлов (pandoc) до 26 266 файлов (PHP-src).

При использовании GPT-5.6-sol с высоким уровнем усилий рассуждения средняя итоговая доля успешно пройденных тестов менялась следующим образом:

1 агент: 19,31%
8 агентов: 20,68%
32 агента: 26,52%
128 агентов: 28,78%

Это прирост на 9,47 процентного пункта, или около 49% в относительном выражении. Только для pandoc результаты составили 33,89% (1), 41,75% (8), 43,11% (32), 50,94% (128) и 55,06% (1 024).

Скорость также выросла: для pandoc 128 агентов достигли показателя 30% на контрольной отметке в 30 минут. 32 и 8 агентам потребовалось 60 и 90 минут соответственно.

В README добавлена более новая модель. С GPT-6.1-sol результат pandoc вырос с 56,19% (1 агент) до 79,59% (32 агента). Это относительный прирост на 41,64%. Эти показатели GPT-6.1-sol отсутствуют в статье версии 1.

Какие модели поведения возникали по мере роста команды?

Исследовательская команда отслеживала траектории рабочих агентов при каждом масштабе:

8 агентов: коллеги согласовывали интерфейсы и самостоятельно разрешали пересечения между заявленными задачами.
32 агента: коллеги проверяли общую работу; одно одобрение было отозвано после обнаружения контрпримера.
128 агентов: рабочие агенты повторно использовали проверенных ревьюеров и стандартизировали протокол интеграции.
1 024 агента: несколько рабочих агентов выполняли роль интеграторов, а коллеги восстанавливали неудачные результаты.

Ни одна из этих ролей не была задана жестко.

Как Agensh сравнивается с другими мультиагентными платформами?

Характеристика	Agensh	Команды агентов Claude Code	Kimi Agent Swarm	Copilot CLI /fleet
Координация	Без оркестратора; коллеги самостоятельно выбирают работу	Фиксированная ведущая сессия координирует участников	Оркестратор декомпозирует задачи	Copilot распределяет части работы между субагентами
Количество агентов	Протестировано 1 024	Жесткого лимита нет; рекомендуется от 3 до 5	До 100 субагентов	Не раскрыто
Общее состояние	Репозиторий Gitea + общая доска контекста	Общий список задач с блокировкой файлов	Не раскрыто	План из режима планирования
Обмен сообщениями	Канал Mattermost + личные сообщения	Сообщения между участниками через почтовые ящики	Не раскрыто	Не раскрыто
Модели	Не зависит от модели; протестированы GPT-5.6-sol и GPT-6.1-sol	Модели Claude	Kimi K2.5	Не раскрыто
Заявленная скорость	30% для pandoc за 30 минут (128 агентов)	Не раскрыто	В 4,5 раза быстрее последовательного выполнения (по собственным данным)	Не раскрыто
Доступность	Открытый исходный код, MIT	В Claude Code; экспериментальная функция, по умолчанию отключена	Для подписчиков высшего уровня, предварительная исследовательская версия	В Copilot CLI

Как запустить Agensh?

В релиз входят команда для одного узла на Docker Compose и базовая конфигурация для одного агента. Обе используют нативные сессии Copilot ACP. Вам потребуется Linux с Docker Engine, Compose v2, systemd, cgroup v2 и Python 3.11+. По умолчанию используются 8 рабочих агентов, 6 часов на задачу и gpt-5.6-sol с высоким уровнем усилий. Также понадобятся ProgramBench (проверена версия v1.2.5) и токен API модели. Полная инструкция приведена в руководстве по воспроизведению.

Основные выводы

Agensh координирует до 1 024 агентов без центрального оркестратора.
Рабочие агенты самостоятельно выбирают задачи через Gitea, Mattermost и общую доску результатов.
128 агентов повысили средний результат по 5 задачам ProgramBench с 19,31% до 28,78%.
GPT-6.1-sol с 32 агентами достиг 79,59% в pandoc.
Код распространяется по лицензии MIT, но стоимость токенов не раскрыта.

Ознакомьтесь с статьёй, репозиторием на GitHub и страницей проекта. Также подписывайтесь на нас в Twitter и не забудьте присоединиться к нашему сабреддиту о машинном обучении с более чем 150 тысячами участников и подписаться на нашу рассылку. Стоп! Вы есть в Telegram? теперь к нам можно присоединиться и в Telegram.

Хотите сотрудничать с нами для продвижения своего репозитория на GitHub, страницы на Hugging Face, релиза продукта, вебинара и т. д.? Свяжитесь с нами

Переведено автоматически с английского. Оригинал статьи — по ссылке ниже.