Agensh

微软研究院近日正式开源了 Agensh，这是一个专为大型编码代理团队设计的去中心化多智能体（Multi-Agent）协作框架（harness）。Agensh 的核心创新在于移除了传统多代理系统中依赖的中央编排器（Orchestrator），允许每个工作节点（worker）自主认领子任务、共享发现并将代码合并至公共 Git 仓库。在 ProgramBench 基准测试中，该系统成功将代理规模从 1 个扩展至 1,024 个，显著提升了复杂任务的解决效率与通过率。

核心机制：去中心化的 5 步协作循环

传统的“编排器-工作节点”设计（如 Claude Code Agent Teams 或 Copilot Fleet）往往受限于中央节点的规划与分配瓶颈。Agensh 通过将协调逻辑内置于提示词（Prompt）中，而非硬编码在运行时代码里，实现了真正的去中心化协作。每个 worker 并发且异步地执行以下 5 步循环：

1. 收集上下文：读取任务目标、同伴进展、消息及共享发现。
2. 认领子任务：发布 CLAIM（声明），并通过直接消息与同伴协商解决任务重叠。
3. 采取行动：使用本地工具执行工作，并尽早发布有用的中间发现。
4. 验证结果：对照子任务的验收标准自行检查工作成果。
5. 合并进展：将代码合并至共享仓库，发布更新，随后进入下一轮循环。

该循环由三大基础服务支撑：Gitea 负责托管共享工作区（含分支、PR 与合并冲突管理）；Mattermost 承载团队频道及用于紧急协调的直接消息；一个改编自 DeLM 的共享上下文板，用于存储类型化的笔记（如 OBSERVED、FACT、FAIL、CLAIM 和 PATCH_SUMMARY）。

性能表现与扩展性验证

微软团队在 ProgramBench 上最具挑战性的 5 个任务（FFmpeg、gromacs、pandoc、PHP-src 和 ctags）上对 Agensh 进行了严格测试。代理需在 6 小时内离线重建程序行为，参考仓库规模从 2,767 个文件（pandoc）到 26,266 个文件（PHP-src）不等。

在使用高推理努力的 GPT-5.6-sol 模型时，5 项任务的平均最终测试通过率随代理数量增加而显著提升：

• 1 个代理：19.31%
• 8 个代理：20.68%
• 32 个代理：26.52%
• 128 个代理：28.78%（相对提升约 49%）

在单项任务上，扩展性优势更为明显。以 pandoc 为例，128 个代理在 30 分钟检查点即可达到 30% 的通过率，而 32 个和 8 个代理分别需要 60 分钟和 90 分钟。此外，在使用更新的 GPT-6.1-sol 模型时，pandoc 的通过率从 1 个代理的 56.19% 飙升至 32 个代理的 79.59%，实现了 41.64% 的相对增益。

规模扩展下的群体行为涌现

随着团队规模的增长，Agensh 展现出令人瞩目的自组织行为，且这些角色均未被硬编码：

• 8 个代理：同伴能够就接口达成一致，并自行解决重叠的声明。
• 32 个代理：同伴开始审查共享工作，甚至会出现批准在反例后被主动撤回的纠错行为。
• 128 个代理：worker 开始重用受信任的审查者，并自发标准化了集成协议。
• 1,024 个代理：少数 worker 自发充当“集成者”角色，同伴能够有效恢复失败的工作分支。

部署要求与生态兼容性

Agensh 作为一个“薄适配器”，构建在单代理 harness 之上（实验中使用 GitHub Copilot CLI），其设计允许通过简单修改接入其他框架（如 Claude Code）。

要运行 Agensh，需满足以下环境要求：

• 操作系统：Linux（需支持 Docker Engine、Compose v2、systemd、cgroup v2）。
• 运行环境：Python 3.11+。
• 依赖组件：ProgramBench（已验证 v1.2.5）及相应的模型 API Token。

发布版本包含了单节点 Docker Compose 团队配置（默认 8 个 worker）和单代理基线。若需运行 1,024 个代理的规模，则需 16 个节点，每个节点承载 64 个代理，且每个 worker 的内存上限为 64 GiB。