微软研究院开源 Agensh：无中心调度的多智能体编码框架，最多 1,024 个 Agent 协作

核心背景与行业痛点

现有多智能体编码框架大多依赖一个中心调度 Agent 来分配任务、协调 Worker，调度者的处理能力很快成为瓶颈，团队规模一大就难以继续扩展。微软研究院团队 9 月 22 日在 arXiv 发布 Agensh 预印本（2609.26781），10 月 24 日正式开源代码。本条为本站 9 月旧稿的更新版：此前版本中的部分机制描述和数字无法在论文与仓库中找到出处，现已按官方仓库与论文改写。

架构亮点与底层机制

Agensh 去掉了中心调度者。所有 Worker 运行同一个协作循环：收集上下文、认领并自我分配子任务、执行、验证结果、异步合并进度，直到目标完成。支撑循环的是三件基础设施：Gitea 托管共享代码仓库，记录待办、进行中与已完成工作；Mattermost 作为消息接口；共享上下文保存可复用的发现和工作意图（改编自 DeLM）。论文观察到，随着团队变大，同伴协调、集成流程和专职角色会自发出现并逐渐固定。

权威 Benchmark 与实测跑分对比

以下均为论文与仓库的官方口径，暂无第三方复现：在 ProgramBench 最难的 5 个任务上（让 Agent 依据行为观察和随附文档从零重建参考程序，GPT-5.6-sol high、6 小时、断网），平均最终测试通过率从 1 个 Agent 的 19.31% 升到 128 个的 28.78%；pandoc 单项从 33.89% 升到 128 个的 50.94% 和 1,024 个的 55.06%。论文同时指出，团队越大越早达到相同通过率。

开发者实战落地与开箱指南

仓库提供复现指南、团队启动器和单 Agent 启动器，可用 Docker Compose 在单节点拉起整套环境，并与单 Agent 基线对比。需要注意，实验依赖 Copilot ACP 会话与 GPT-5.6-sol，大规模并发的算力和 API 成本官方未公布，建议先用小团队规模验证。