Microsoft Research 已开源 Agensh，一个面向大规模编码智能体团队的去中心化 harness。Agensh 多智能体 harness 移除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：从 1 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 智能体运行使用了 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，并且更快达到这些分数。

最佳：在 GPT-6.1-sol 上使用 32 个智能体，pandoc 通过率达到 79.59%。GPT-5.6-sol 在 1,024 个智能体下达到 55.06%。

最差：5 任务均值在 128 个智能体时仅达到 28.78%。从 1 个智能体增加到 8 个智能体提升了 1.37 分。

什么是 Agensh？

Agensh 是 Microsoft Research 的一个多智能体 harness，可在没有主导智能体的情况下协调大量 LLM 智能体。

目标问题是编排器天花板。在编排器-worker 设计中，主导智能体负责规划、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。

循环存在于提示词中，而非运行时代码里。每个 worker 拿到相同的提示词，只有 ID 不同。Agensh 构建在单智能体 harness 之上。实验使用的是 GitHub Copilot CLI。研究论文指出，轻量适配器可以接入其他 harness，例如 Claude Code。

Agensh 在 ProgramBench 上的扩展性如何？

微软团队测试了 ProgramBench 中最难的 5 个任务：FFmpeg、gromacs、pandoc、PHP-src 和 ctags。智能体根据观察到的行为重建每个程序。它们离线工作，时限为 6 小时。参考仓库规模从 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%

这是 9.47 个百分点的提升，相对提升约 49%。仅看 pandoc，得分为 33.89%（1）、41.75%（8）、43.11%（32）、50.94%（128）和 55.06%（1,024）。

速度也有提升：在 pandoc 上，128 个智能体在 30 分钟检查点时通过率达到 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。

随着团队规模扩大，涌现出了哪些行为？

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，并自行解决重叠的声明。

32 个智能体：同伴审查共享工作；在一次反例出现后，一项批准被撤回。

128 个智能体：worker 复用受信任的审查者，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。

这些角色没有一个是硬编码的。

Agensh 与其他多智能体 harness 相比如何？

FeatureAgenshClaude Code agent teamsKimi Agent SwarmCopilot CLI /fleet协调方式无编排器；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 将任务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 mode 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未披露速度声明在 pandoc 上 30 分钟提升 30%（128 个智能体）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 团队和一个单智能体基线。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+。默认配置为 8 个 worker、每个任务 6 小时，以及高投入模式下的 gpt-5.6-sol。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 在没有中央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 的平均分从 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%。

代码采用 MIT 许可，但 token 成本未披露。

查看论文、GitHub 仓库和项目页面。也欢迎在 Twitter 上关注我们，别忘了加入我们 150k+ 的 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 Open-Sources Agensh: A Multi-Agent Harness for 1,024 Agents 首发于 MarkTechPost。