Microsoft Research ha abierto el código de Agensh, un arnés descentralizado para grandes equipos de agentes de codificación. El arnés multiagente Agensh elimina el orquestador central en el que dependen la mayoría de los marcos de agentes. Cada worker 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 arnés: Probado desde 1 hasta 1,024 agentes. Cada worker tiene un límite de entrada de 272,000 tokens y un límite de salida de 128,000 tokens.
- Se ejecuta en: Linux con Docker Compose. Nodo único por defecto (8 workers). La ejecución de 1,024 agentes utilizó 16 nodos, 64 agentes cada uno. Los workers tienen un límite 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 solo alcanzó 28.78% con 128 agentes. Pasar de 1 a 8 agentes agregó 1.37 puntos.
¿Qué es Agensh?
Agensh es un arnés multiagente de Microsoft Research que coordina muchos agentes LLM sin un agente principal.
El problema objetivo es el techo del orquestador. En los diseños de orquestador-trabajador, un agente principal planea, asigna y fusiona todo el trabajo. El artículo de investigación cita a los equipos de agentes Claude Code, subagentes Codex, flota Copilot y enjambre de agentes Kimi como ejemplos. Agensh permite que los workers realicen esa coordinación ellos mismos.
¿Cómo funciona el bucle de cooperación de Agensh?
Cada worker 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 una RECLAMACIÓN, luego resolver superposiciones mediante mensaje directo.
- Tomar acción: trabajar localmente con herramientas y publicar hallazgos útiles de forma temprana.
- Verificar resultados: verificar el trabajo contra los criterios de aceptación de la subtarea.
- Fusionar progreso: fusionar en el repositorio compartido, publicar una actualización, luego repetir.
Tres servicios conectan a los workers. Gitea hospeda el espacio de trabajo compartido, con ramas, PRs y conflictos de fusión. Mattermost lleva un canal de equipo más mensajes directos para colisiones urgentes. Una tabla de contexto compartida, adaptada de DeLM, almacena notas tipadas: OBSERVED, FACT, FAIL, CLAIM y PATCH_SUMMARY.
El bucle vive en el prompt, no en el código de runtime. Cada worker recibe el mismo prompt excepto su ID. Agensh se sitúa sobre un arnés de un solo agente. Los experimentos utilizaron GitHub Copilot CLI. El artículo de investigación establece que adaptadores delgados pueden conectar otros arneses, como Claude Code.
&&&¿Cómo se 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 con un esfuerzo de razonamiento alto, la tasa de aprobación final promedio se movió de la siguiente manera:
- 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 49% relativa. En pandoc solo, 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 aprobaron 30% en el punto de control de 30 minutos. 32 y 8 agentes necesitaron 60 y 90 minutos.
El README agrega un modelo más nuevo. Con GPT-6.1-sol, pandoc subió desde 56.19% (1 agente) hasta 79.59% (32 agentes). Eso es una ganancia relativa de 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 trazó las trayectorias de los workers a cada escala:
- 8 agentes: pares acordaron interfaces y resolvieron reclamaciones superpuestas por sí mismos.
- 32 agentes: pares revisaron el trabajo compartido; una aprobación fue retirada después de un contraejemplo.
- 128 agentes: workers reutilizaron revisores de confianza y estandarizaron un protocolo de integración.
- 1,024 agentes: varios workers actuaron como integradores, y pares recuperaron el trabajo fallido.
Ninguno de estos roles fue codificado de manera rígida.
¿Cómo se compara Agensh con otros arreos de múltiples agentes?
| Característica | Agensh | Equipos de agentes de Claude Code | Enjambre de agentes de Kimi | CLI de Copilot /flota |
|---|---|---|---|---|
| Coordinación | Sin orquestador; pares reclaman trabajo de manera autónoma | Sesión de liderazgo fija coordina a los compañeros de equipo | Orquestador descompone tareas | Copilot asigna partes a subagentes |
| Agentes mostrados | 1,024 probados | No hay límite rígido; 3 a 5 recomendados | Hasta 100 subagentes | No divulgado |
| Estado compartido | Repositorio de Gitea + tablero de contexto compartido | Lista de tareas compartida con bloqueo de archivos | No divulgado | Plan desde modo de plan |
| Mensajería | Canal de Mattermost + mensajes directos | Mensajes de correo entre compañeros de equipo | No divulgado | No divulgado |
| Modelos | Agnóstico de modelos; probado GPT-5.6-sol, GPT-6.1-sol | Modelos de Claude | Kimi K2.5 | No divulgado |
| Reclamo de velocidad | 30% en pandoc a 30 min (128 agentes) | No divulgado | 4,5 veces más rápido que la secuencia (autoinformado) | No divulgado |
| Disponibilidad | Código abierto, MIT | En Claude Code; experimental, desactivado por defecto | Suscriptores de nivel superior, vista previa de investigación | En CLI de Copilot |
¿Cómo ejecutar Agensh?
La versión incluye un equipo de Docker Compose de un solo nodo y una línea de base de un solo agente. Ambos utilizan sesiones de ACP de Copilot nativas. Necesita Linux con Docker Engine, Compose v2, systemd, cgroup v2 y Python 3.11+. Los valores predeterminados son 8 workers, 6 horas por tarea y gpt-5.6-sol con alto esfuerzo. También necesita ProgramBench (se validó la versión 1.2.5) y un token de API de modelo. Los pasos completos se encuentran en la guía de reproducción.
Puntos clave
- Agensh coordina hasta 1,024 agentes sin un orquestador central.
- Los workers reclaman tareas de forma autónoma a través de Gitea, Mattermost y una tabla de hallazgos compartida.
- 128 agentes elevaron el promedio de 5 tareas de ProgramBench del 19.31% al 28.78%.
- GPT-6.1-sol con 32 agentes alcanzó el 79.59% en pandoc.
- El código tiene licencia MIT, pero el costo del token no se divulga.
Consulte el artículo, el repositorio de GitHub y la página del proyecto. Además, no dude en seguirnos en Twitter y no olvide unirse a nuestro subreddit de 150k+ de aprendizaje automático y suscribirse a nuestra newsletter. ¿Espera! ¿Está en Telegram? Ahora también puede unirse a nosotros en Telegram.
¿Necesita asociarse con nosotros para promocionar su repositorio de GitHub o su página de Hugging Face o su lanzamiento de producto o seminario web, etc.? Conéctese con nosotros.
La publicación Microsoft lanza Agensh de código abierto: un arnés de agente múltiple para 1,024 agentes apareció por primera vez en MarkTechPost.