Microsoft Researchは先ごろ、大規模なコーディングエージェントチーム向けの分散型ハーネス「Agensh」をオープンソース化した。現在主流のマルチエージェントシステムとは異なり、Agenshは計画・割り当て・マージを担う主管エージェントを置かない。代わりに各ワーカーが自らサブタスクをクレームし、発見を共有し、コードを共通のGitリポジトリへマージする。研究チームはProgramBenchベンチマーク上で、この構成を1エージェントから1,024エージェントまで段階的に拡大した。
本プロジェクトが狙うのは「オーケストレーターの天井」と呼ばれる問題だ。オーケストレーター・ワーカー型の設計では、主管エージェントが計画、割り当て、マージのすべてを担うため、エージェント数が増えるほどこの中心ノードがボトルネックになる。論文はClaude Codeのagent teams、Codexのサブエージェント、Copilot fleet、Kimi Agent Swarmをこの設計の代表例として挙げる。Agenshは調整の責務をワーカー自身に委ねる発想だ。
各ワーカーは同じ5段階のループを並行かつ非同期に実行する。まず目標、仲間の進捗、メッセージ、発見といったコンテキストを収集する。次にCLAIMを投稿してサブタスクをクレームし、重複はダイレクトメッセージで解消する。続いてローカルでツールを使って作業し、有用な発見は早めに共有する。その後、サブタスクの受け入れ基準に照らして結果を検証する。最後に共有リポジトリへマージし、更新を投稿してループを繰り返す。このループは実行時コードではなくプロンプトに記述されており、ID以外は全ワーカーに同一のプロンプトが渡される。
ワーカー同士をつなぐのは3つのサービスだ。Giteaは共有ワークスペースとしてブランチ、PR、マージコンフリクトを扱う。Mattermostはチームチャネルと緊急の衝突に対応するダイレクトメッセージを提供する。DeLMを改変した共有コンテキストボードは、OBSERVED、FACT、FAIL、CLAIM、PATCH_SUMMARYといった型付きノートを保存する。Agenshは単一エージェント向けハーネスの上に構築されており、実験ではGitHub Copilot CLIを使用した。論文は薄いアダプターを介してClaude Codeなど他のハーネスにも接続できるとしている。
リソース面では、各実行にLinux環境とDocker Composeが必要だ。既定では単一ノードで8ワーカーが動作し、各ワーカーは64 GiBのメモリ上限、入力272,000トークン、出力128,000トークンの上限を持つ。1,024エージェントの実験では16ノード、各64エージェントを使用し、タスクあたりの予算は6時間だった。
性能評価ではProgramBenchの最難関5タスク（FFmpeg、gromacs、pandoc、PHP-src、ctags）が選ばれた。エージェントは観察された挙動から各プログラムを再構築し、オフラインかつ制限時間内に作業する。参照リポジトリの規模はpandocの2,767ファイルからPHP-srcの26,266ファイルまで幅がある。GPT-5.6-solの高推論強度では、5タスクの平均最終テスト合格率は1エージェントで19.31%、8エージェントで20.68%、32エージェントで26.52%、128エージェントで28.78%となり、9.47ポイント（相対で約49%）の改善となった。ただし1から8エージェントへの増加による利得は1.37ポイントにとどまる。
pandoc単体では1エージェント33.89%、8エージェント41.75%、32エージェント43.11%、128エージェント50.94%、1,024エージェント55.06%だった。速度も改善し、pandocでは128エージェントが30分のチェックポイントで30%を突破したのに対し、32エージェントは60分、8エージェントは90分を要した。READMEにはより新しいモデルの結果も追記されている。GPT-6.1-solではpandocが1エージェントの56.19%から32エージェントの79.59%へ上昇し、相対で41.64%の改善となった。これらのGPT-6.1-solの数値はv1論文には含まれていない。
チーム規模の拡大に伴い、いくつかの行動が自発的に現れた。8エージェントでは仲間同士でインターフェースに合意し、クレームの重複を自ら解消した。32エージェントでは仲間が共有作業をレビューし、反例を受けて一度承認が撤回された。128エージェントでは信頼できるレビュアーを再利用し、統合プロトコルを標準化した。1,024エージェントでは複数のワーカーがインテグレーターの役割を担い、仲間が失敗した作業を復旧させた。これらの役割はいずれもハードコードされていない。
他の手法との違いは、調整方式、共有状態、メッセージング、モデル非依存性にある。Agenshにはオーケストレーターがなく、ワーカーが自らタスクをクレームする。共有状態はGiteaリポジトリとコンテキストボードで構成され、メッセージはMattermostのチャネルとダイレクトメッセージでやり取りされる。モデルには依存せず、実験ではGPT-5.6-solとGPT-6.1-solを試した。対照的に、Claude Codeのagent teamsは固定のリードセッションが仲間を調整し、Kimi Agent Swarmはオーケストレーターがタスクを分解して最大100のサブエージェントを支え、Copilot CLI /fleetはCopilotがサブエージェントへ作業を割り当てる。
公開内容には、単一ノードのDocker Composeチーム構成と単一エージェントのベースラインが含まれ、いずれもネイティブのCopilot ACPセッションを使用する。動作環境はLinux、Docker Engine、Compose v2、systemd、cgroup v2、Python 3.11以上が必要で、さらにProgramBench（v1.2.5で検証済み）とモデルAPIトークンが求められる。既定構成は8ワーカー、タスクあたり6時間、gpt-5.6-solの高推論強度で、詳細な手順は再現ガイドに記載されている。
留意すべき点として、本プロジェクトはMITライセンスで公開されているが、トークンコストは開示されていない。1,024エージェント、各エージェント数十万トークンという予算を考えると、実際の利用コストは相当な規模になる可能性がある。