Agensh 微软研究院推出的多智能体协作框架
Agensh是什么
Agensh是微软研究院推出的多智能体协作框架，所有智能体遵循统一的五步协作循环，通过共享代码仓库、即时消息和结构化看板自组织分工。实验表明，在模型不变的前提下，从1个扩展到1024个智能体，软件复现测试通过率从33.89%提升至55.06%，证明智能体数量本身可成为扩展AI能力的新维度。
Agensh的主要功能
无中心编排 ：去掉主管智能体，所有智能体自主认领任务、协商分工、合并成果。
五步协作循环 ：每个智能体重复执行收集上下文→认领子任务→执行分享→验证结果→合并进展的异步循环。
共享工作区 ：基于 Git（Gitea）管理代码，支持并发开发、分支合并与冲突暴露。
消息协商 ：基于 Mattermost 实现团队公告与一对一私聊，私聊可即时打断对方解决任务碰撞。
共享上下文看板 ：记录 OBSERVED/FACT/FAIL/CLAIM/PATCH_SUMMARY 五类条目，供全员复用经验、避免重复劳动。
千级规模扩展 ：在实验中将智能体数量扩展至 1,024 个，仍能保持自组织协作不崩溃。
角色自发涌现 ：组织规模扩大后，审查惯例、标准流程、专职整合者等分工自行形成，无需预设。
Agensh的技术原理
组织层与单智能体层解耦的分层架： Agensh 不替代底层单智能体框架，在其之上叠加组织层。每个智能体的本地循环由底层 harness负责，Agensh 只负责智能体身份、协作协议、事件路由、共享服务与故障恢复。两层接口刻意保持轻量即插即用，协作循环不硬编码在运行时中，通过 prompt 中的工作流指令实现，所有智能体收到完全相同的指令，适配不同底层框架只需更换轻量适配器，无需改动协作逻辑。
事件驱动的异步运行时 ：每个智能体由配套的事件驱动而非中央调度：router 持续监听 Gitea 仓库活动和 Mattermost 消息，将新事件写入带唯一 ID 的去重持久化队列，由 dispatcher 在智能体的下一轮 turn 中合并排序后注入。消息按两级优先级投递：公共频道消息在循环开始时送达，直连消息和看板新条目会包装进当前 turn 的工具调用返回结果中途送达，使智能体在任务碰撞时能实时打断同伴协商。配套机制包括失败渐进重试、router 重启后的队列与会话恢复、智能体闲置 10 分钟自动唤醒、以及完成一轮未发看板条目时的补发提醒。
类型化共享上下文实现组织记忆 ：借鉴 DeLM 的思路，Agensh 将组织记忆外置为 append-only 的结构化日志，条目分五种类型：OBSERVED 记录参考程序的可观察行为，FACT 记录已确认事实，FAIL 记录被证伪的假设，CLAIM 用于公开认领范围以防任务碰撞，PATCH_SUMMARY 以files= | idea= | evidence=的固定格式总结已完成修改。看板通过两种路径分发：新一轮 turn 开始时注入近期 2000 条记录，turn 中通过工具调用返回追加新条目；同时提供 board_grep 工具支持对全历史的 AND/OR 关键词检索，绕开单智能体上下文窗口上限，支撑长时程任务的经验积累与复用。
协作循环内置冲突解决与验证机制 ：认领子任务时，智能体须在看板上发布 CLAIM 声明范围，一旦发现与他人重叠，双方通过私聊协商调整；合并阶段以 Git 为主干，智能体在私有分支开发后向主分支提交 PR，遇到合并冲突时需拉取最新进展、解决冲突后重新提交，且必须先对照验收标准验证本地结果才能合入。这套机制把传统上由主管承担的任务分配、冲突仲裁和成果整合三项职责，分散到全体成员的日常循环中，通过版本历史与 PR 流程把整合工作显式化、可追溯化。
如何使用Agensh
准备环境 ：确保机器装有 Docker 及可用的模型 API。
克隆代码库 ：从 GitHub 拉取 microsoft/Agensh 仓库到本地，等代码公开后 clone。
部署共享基础设施 ：启动框架依赖的三类组件，Gitea（代码仓库）、Mattermost（消息通信）和共享上下文看板服务。
配置智能体参数 ：在配置中设定 worker 数量、任务目标、时间预算，以及底层单智能体 harness 类型和模型密钥。
启动组织 ：运行启动脚本，框架会按错峰策略逐批激活智能体，大规模部署自动分布到多节点。
智能体自主工作 ：成员按五步循环自主认领任务、开发代码、发 PR、合并到主分支，无需人工干预，只需在 Mattermost 公共频道观察进度。
收尾与交付 ：临近截止时间框架会自动提醒收敛，最终结果以主分支代码和看板记录交付。
Agensh的核心优势
突破主管瓶颈 ：去掉中心编排器后，系统扩展性不再受单一智能体协调能力的上限约束，可平滑扩展至 1,024 个智能体。
数量成为新能力维度 ：在模型和底层框架完全不变的前提下，仅靠增加智能体数量即可将平均测试通过率提升约 49%，开辟了模型规模之外的第二条 scaling 路径。
显著降低任务延迟 ：128 个智能体在第 30 分钟即可超过 30% 通过率，而单智能体前两小时未达标，大团队能用更少时间达到同等成绩。
基础设施轻量且解耦 ：协作循环通过 prompt 指令而非硬编码实现，可即插即用地适配 Copilot、Claude Code 等不同底层框架，共享服务仅需 Gitea、Mattermost 和看板三个开源组件。
组织经验可沉淀复用 ：类型化看板将观察、事实、失败假设结构化记录，FAIL 类条目尤其能阻止同伴重复浪费预算，实现组织级记忆。
Agensh的项目地址
项目官网 ：https://agens-harness.github.io/project/
arXiv技术论文 ：https://arxiv.org/pdf/2609.26781
Agensh的同类竞品对比
对比维度 | Agensh（微软研究院） | Kimi Agent Swarm（月之暗面）
对比维度 | Agensh（微软研究院） | Kimi Agent Swarm（月之暗面） |
|---|---|---|
核心定位 | 研究框架：证明”智能体数量”是可独立扩展的能力维度 | 产品级能力：模型内置的并行执行模式，主打降低任务延迟 |
架构模式 | 完全去中心化，无中心编排器 | 编排器-工人结构，保留中央协调者 |
协作机制 | 智能体通过共享代码仓库、消息、看板自组织认领任务 | 编排器自主拆解任务、生成子智能体、汇总结果 |
智能体上限 | 已验证1,024 个（16 节点×64） | K2.5 时代 100 个/1,500 次工具调用；现由 K3 驱动，上限提至 300 个/4,000 步 |
并行能力来源 | 靠基础设施（Gitea/Mattermost/看板）+ prompt 级协作循环 | 靠强化学习训练：PARL 冻结子智能体、只训编排器 |
防失效设计 | CLAIM 声明防任务碰撞；FAIL 条目防重复浪费预算 | 三维奖励防”串行塌缩”和”伪并行”；Critical Steps 指标考核真实并行度 |
分工形成方式 | 自发涌现：整合者、审查惯例、标准流程随规模自然出现 | 编排器指派：角色由协调器按任务动态生成，无预设角色 |
验证场景 | 断网、6 小时从零复现大型软件（ProgramBench 最难 5 题） | 广度型任务：深度调研、批量数据处理、多模态抽取 |
核心成果 | 1→128 智能体平均通过率 +49%；128 个时 30 分钟即超 30% | 关键步骤减少 3~4.5×；BrowseComp 准确率 15.9%→33.3% |
扩展性瓶 | 收益递减（128→1024 仅 +4.12 个百分点）；成本未公开 | 上限受编排器调度能力约束；强顺序依赖任务不适用 |
开放性 | 论文 + 代码开源（GitHub microsoft/Agensh） | 模型开源权重（修改版 MIT），编排器训练方法闭源 |
适用任务倾向 | 长时程、强耦合、需要持续整合的复杂工程任务 | 可分解、弱耦合、工具密集的广度型任务 |
Agensh的应用场景
大型软件行为复现 ：在断网、限时条件下，让数百至上千智能体从零重建 FFmpeg、pandoc 等数十万行级软件的行为并通过隐藏测试。
高时效应急开发 ：适用有硬时间预算的任务，128个智能体30分钟即可达到单智能体两小时无法企及的完成度。
超大规模代码审计 ：智能体分工认领模块、并行编写测试、互相审查 PR，天然适配大型企业代码库的安全审计与测试覆盖扩展。
无预设方案的探索型研发 ：当任务无法预先拆解时，智能体通过观察参考行为自行发现任务，适合需求模糊、边界靠探索确定的技术攻关。
跨领域基础软件移植 ：PHP解释器、分子模拟等多领域系统开发中，群体智能可覆盖无人全才的知识面，同领域专家还能互为备份接力。
