微软开源 Agensh：去中心化多智能体系统，1024 个 Agent 自组织协作

2026 年 10 月 26 日，微软研究院在 GitHub 上开源了 Agensh——一个"去中心化、可扩展的多智能体运行框架"。它最炸裂的地方在于：不需要任何中央调度器，就能让最多 1024 个 AI 智能体自组织地协作，并且在同样的任务、同样的模型下，把测试通过率相对提升 40% 到 50%。这个项目目前星标不多（约 238），但背后的论文结论，可能会改变人们对"多智能体到底卡在哪里"的认知。

多智能体的"协调墙"

现在市面上的多智能体框架，大多绕不开一个"总指挥"：一个中央协调者负责把任务拆开、派给各个 Agent、再回收结果。这套模式在几十个 Agent 以内还行，一旦规模上去，"协调成本"就会指数级膨胀——调度器自己成了瓶颈，通信开销、状态同步、冲突解决全都压在它身上。

Agensh 想证明的是：与其不断给中央调度器加算力、加复杂度，不如干脆把调度器去掉。它的思路是——让 Agent 之间自己协调，而不是靠一个大脑统一指挥。

Agensh 怎么做的：没有总指挥

Agensh 里没有"总控节点"。每个 Agent 都是平等的节点，通过三件套连在一起：Gitea 作为共享工作区（大家往里写中间产物和进度）、Mattermost 作为消息层（互相喊话、同步状态）、以及一套从 DeLM 改造而来的共享上下文机制（让所有 Agent 看到一致的全局视图）。

具体跑起来是这样：Agent 自己"认领"子任务，做完一部分就共享自己的发现，别人可以验证它的结果，再把进展异步合并回去。谁先有空、谁擅长哪块，就谁上，而不是等中央分配。论文把规模直接推到了 1024 个 Agent，并量化了"协调本身到底值多少钱"。

数字会说话：协调本身就能提分

最值得玩味的是一组对照实验——在模型完全不变的前提下，只换协调机制。

在 ProgramBench 最难的五道题上，使用 GPT-5.6-sol（高推理强度）、6 小时预算、无外网：1 个 Agent 的平均最终测试通过率是 19.31%，换成 128 个 Agent 自组织协作后升到 28.78%，相对提升约 49%；其中 Pandoc 这道题，在 1024 个 Agent 时通过率达到 55.06%。

换更新一点的 GPT-6.1-sol 再做同样的 Pandoc 任务：1 个 Agent 是 56.19%，32 个 Agent 就拉到 79.59%，相对提升约 41.64%。

结论很反直觉：很多时候瓶颈不是"模型不够聪明"，而是"协作方式太笨"。光把协调从中央派单改成自组织认领加异步合并，就能在同一模型上榨出四到五成的通过率提升——有时这比等下一代模型升级来得更直接。

技术栈与怎么跑起来

Agensh 的技术栈是：Python + Gitea（共享工作区）+ Mattermost（消息层）+ Copilot harness（每个 Agent 的执行循环，为这次实验做了集成）。

不过要泼一盆冷水：它的"上手难度"是高。这次开源的其实是一套单节点复现环境——一个 Docker Compose 拉起的多 Agent 团队，外加一个独立的单 Agent 基线，两者都跑在原生 Copilot ACP 会话上。它定位是"复现论文实验"，不是"直接上生产"。换句话说，微软更想让社区验证这个结论，而不是把它当成一个开箱即用的产品。

局限与适用场景

Agensh 目前有几个明显的边界：一是依赖 Gitea、Mattermost 等外部组件，部署门槛不低；二是实验用的是封闭的程序类基准（ProgramBench、Pandoc 转换等），在更开放、更依赖主观判断的任务上是否同样有效，还有待验证；三是 1024 个 Agent 的通信与状态规模，对基础设施是不小的考验。

所以它更适合"任务可以被清晰拆分、结果可以被客观验证"的场景——比如大规模代码生成与修复、文档/格式批量转换、可程序化校验的科研或工程流水线。对"聊聊天、写写文案"这类模糊任务，它的优势并不明显。

它给行业留下了什么

Agensh 最大的价值，可能不是那 238 个星，而是它用一个受控实验把一句直觉变成了可量化的事实：多智能体的下一个拐点，可能在架构层，而不在模型层。当头部厂商还在比谁的模型更大、更强时，微软用一份论文提醒所有人——把"怎么让一群 Agent 好好合作"这件事做对，本身就能释放巨大的生产力红利。

对正在搭建多 Agent 系统的团队来说，这至少是一个值得记下的方向：与其不停堆 Agent 数量、指望规模带来智能，不如先想想，你的 Agent 们到底是怎么"商量"的。