Microsoft Research 开源 Agensh 多智能体框架，最多支持 1024 个编码智能体
Microsoft Open-Sources Agensh: A Multi-Agent Harness for 1,024 Agents - MarkTechPost
Microsoft Research 开源 Agensh，一个去掉中心编排器的多智能体框架，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。团队在 ProgramBench 上把规模从 1 个智能体扩展到 1024 个，5 个最难任务的平均通过率从 19.31% 升到 28.78%（128 个智能体），pandoc 单任务在 GPT-6.1-sol 配 32 个智能体时达到 79.59%。代码以 MIT 协议开放，默认单节点 8 个 worker，1024 智能体运行使用 16 个节点、每节点 64 个智能体。
正文 · AI 翻译
在 Google 上添加为首选来源
Microsoft Research 已开源 Agensh，这是一个面向大型编码智能体团队的去中心化框架。Agensh 多智能体框架去掉了大多数智能体框架所依赖的中心编排器。每个 worker 自行选择子任务、共享发现，并将代码合并到同一个 Git 仓库中。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
框架：从 1 个到 1,024 个智能体进行了测试。每个 worker 获得 272,000 token 的输入和 128,000 token 的输出限制。
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 ProgramBench 任务的得分，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 在 1,024 个智能体时达到 55.06%。
最差：在 128 个智能体时，5 任务均值仅达到 28.78%。从 1 个智能体增加到 8 个智能体提升了 1.37 个百分点。
什么是 Agensh？
Agensh 是 Microsoft Research 推出的多智能体框架，可在没有主智能体的情况下协调众多 LLM 智能体。
TEXTTABLELAYOUT你的 PDF 解析器真的解析正确了吗？omni_parse_bench · 对文本、表格和布局评分 · 开源在 GitHub 上点星→赞助
要解决的目标问题是编排器上限。在编排器-worker 设计中，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 agent teams、Codex sub-agents、Copilot fleet 和 Kimi Agent Swarm 作为示例。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：根据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 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类型化笔记：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，只有其 ID 不同。Agensh 位于单智能体框架之上。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框架，例如 Claude Code。
Agensh 在 ProgramBench 上的扩展效果如何？
Microsoft 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。它们在离线状态下工作，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 高推理努力下，平均最终测试通过率变化如下：
这是 9.47 个百分点的提升，相对提升约 49%。仅就 pandoc 而言，得分为 33.89%（1）、41.75%（8）、43.11%（32）、50.94%（128）和 55.06%（1,024）。
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 和 90 分钟。
README 补充了一个更新的模型。使用 GPT-6.1-sol 时，pandoc 从 56.19%（1 个智能体）升至 79.59%（32 个智能体）。这是 41.64% 的相对提升。这些 GPT-6.1-sol 数据不在 v1 论文中。
随着团队规模增长，出现了哪些行为？
研究团队追踪了每个规模下的 worker 轨迹：
8 个智能体：同伴就接口达成一致，并自行解决重叠的认领。
32 个智能体：同伴审查共享工作；在一次反例后撤回了一项批准。
128 个智能体：worker 复用可信审查者，并标准化了集成协议。
1,024 个智能体：多个 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 与其他多智能体框架相比如何？
特性AgenshClaude Code agent teamsKimi Agent SwarmCopilot CLI /fleet
协调无编排器；同伴自行认领工作固定的主会话协调队友编排器分解任务Copilot 将部分分配给子智能体
展示的智能体数量测试了 1,024 个无硬性限制；建议 3 到 5 个最多 100 个子智能体未披露
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 + 直接消息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-solClaude 模型Kimi K2.5未披露
速度声明30 分钟时 pandoc 达到 30%（128 个智能体）未披露比顺序执行快 4.5 倍（自报）未披露
如何运行 Agensh？
该版本包含一个单节点 Docker Compose 团队和一个单智能体基线。两者都使用原生 Copilot ACP 会话。你需要 Linux 搭配 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 高努力。你还需要 ProgramBench（已验证 v1.2.5）和模型 API token。完整步骤见复现指南。
关键要点
Agensh 在没有中心编排器的情况下协调多达 1,024 个智能体。
Worker 通过 Gitea、Mattermost 和共享发现板自行认领任务。
128 个智能体将 5 任务 ProgramBench 的平均通过率从 19.31% 提升到 28.78%。
GPT-6.1-sol 搭配 32 个智能体在 pandoc 上达到 79.59%。
代码以 MIT 协议开源，但 token 成本未披露。
Asif Razzaq网站 | + 文章作者简介 ⮌
Asif RazzaqNVIDIA 发布 Nemotron 3.5 Bolt E4B 4GB：一款面向本地语音智能体、游戏角色和机器人的开源小型语言模型
Asif RazzaqMoonshot AI 发布 Kimi K3.1 Pro：一款总参数 2.8T、激活参数 104B（MoE）且支持 1M 上下文的模型
$uv pip install omni-parse-bench✓文本✓表格✓布局→ 按页评分在 GitHub 上加星→赞助
相关文章更多来自作者
如何运行 Underdog Saluki 27B：2-Bit Qwen3.8-27B 工具调用指南
认识 Anthropic 的 sandbox-runtime：面向 AI 智能体的操作系统级沙箱，无需容器
NVIDIA 发布 Nemotron 3.5 Bolt E4B 4GB：一款面向本地语音智能体、游戏角色和机器人的开源小型语言模型