Qué es Agensh
Microsoft Research ha publicado Agensh, un harness multiagente de código abierto diseñado para que grandes equipos de agentes de inteligencia artificial desarrollen software de manera colaborativa sin depender de un orquestador central.
En lugar de utilizar un agente principal que distribuya las tareas, Agensh permite que cada trabajador, o worker, seleccione sus propias subtareas, comunique sus avances y contribuya directamente a un repositorio Git compartido.
El sistema funciona mediante agentes independientes que ejecutan simultáneamente un mismo procedimiento de trabajo. Cada uno puede consultar lo que hacen sus compañeros, compartir descubrimientos, resolver conflictos y fusionar sus cambios en el proyecto común.
Microsoft Research ha demostrado esta arquitectura con hasta 1.024 agentes trabajando en una misma tarea, lo que permite estudiar cómo se comportan los equipos de agentes de programación a gran escala.
Agensh se construye sobre un harness de agente individual. Los experimentos utilizaron GitHub Copilot CLI, aunque el trabajo también contempla adaptadores ligeros para conectar otros entornos, como Claude Code.
El bucle de 5 pasos
El funcionamiento de Agensh se basa en un ciclo de cinco etapas que todos los agentes ejecutan de forma concurrente y asíncrona.
- Reunir contexto. Cada agente consulta el objetivo general, el progreso de sus compañeros, los mensajes disponibles y los hallazgos compartidos. Así obtiene información sobre el estado del proyecto antes de decidir su siguiente intervención.
- Reclamar una subtarea. El agente selecciona una actividad y publica un mensaje de tipo CLAIM para indicar su intención de realizarla. Cuando aparecen solapamientos con otros trabajadores, pueden resolverlos mediante comunicación directa.
- Actuar. Cada trabajador desarrolla su subtarea utilizando las herramientas disponibles en su entorno local. Durante el proceso, comparte los descubrimientos relevantes para que otros agentes puedan aprovecharlos cuanto antes.
- Verificar resultados. Antes de dar por completado el trabajo, el agente comprueba que su implementación cumple los criterios de aceptación definidos para la subtarea.
- Fusionar el progreso. Los cambios se integran en el repositorio compartido, se publica una actualización y el agente vuelve a comenzar el ciclo.
Una característica importante es que este procedimiento está definido en el prompt, no en el código del runtime. Todos los trabajadores reciben las mismas instrucciones, con la única diferencia de su identificador.
De esta manera, la coordinación surge de las acciones y comunicaciones de los propios agentes.
La infraestructura de coordinación
Agensh utiliza tres servicios principales para organizar el trabajo distribuido.
Gitea funciona como espacio común para el código. Gestiona las ramas, las solicitudes de incorporación de cambios (pull requests) y los conflictos que pueden aparecer al fusionar las contribuciones de distintos agentes.
Mattermost proporciona la comunicación entre trabajadores. Incluye un canal compartido para el equipo y mensajes directos que permiten atender situaciones urgentes, como las colisiones entre subtareas.
Un tablero de contexto compartido, adaptado de DeLM, conserva información estructurada mediante cinco tipos de notas:
- OBSERVED: observaciones.
- FACT: hechos.
- FAIL: fallos.
- CLAIM: reclamaciones de trabajo.
- PATCH_SUMMARY: resúmenes de cambios.
Estos componentes permiten que los agentes mantengan una visión compartida del proyecto sin que una única instancia tenga que controlar todas las decisiones.
Cómo se compara con otros sistemas multiagente
La diferencia principal de Agensh está en su modelo de coordinación y en la escala demostrada:
| Sistema | Enfoque de coordinación |
|---|---|
| Agensh | Sin orquestador central; 1.024 agentes probados, repositorio Gitea, tablero compartido y Mattermost. Agnóstico respecto al modelo. |
| Claude Code agent teams | Utiliza una sesión líder fija y recomienda equipos de entre 3 y 5 agentes. |
| Kimi Agent Swarm | Permite trabajar con hasta 100 subagentes. |
| Copilot fleet | Distribuye partes del trabajo entre subagentes. |
Agensh plantea así una alternativa en la que los propios trabajadores asumen las decisiones de coordinación, revisión e integración a medida que aumenta el tamaño del equipo.
Resultados en ProgramBench
Microsoft Research evaluó Agensh utilizando ProgramBench, un benchmark en el que los agentes deben reconstruir programas a partir de su comportamiento observado.
Los experimentos se concentraron en cinco de sus tareas más difíciles: FFmpeg, gromacs, pandoc, PHP-src y ctags.
Para completar cada tarea, los agentes disponían de seis horas y no tenían acceso a Internet.
Con el modelo GPT-5.6-sol configurado con un esfuerzo de razonamiento alto, los resultados mostraron mejoras al aumentar la cantidad de trabajadores.
Comparativa de resultados: porcentaje de pruebas superadas
| Modelo y evaluación | 1 agente | 8 agentes | 32 agentes | 128 agentes | 1.024 agentes |
|---|---|---|---|---|---|
| GPT-5.6-sol — Media de las 5 tareas | 19,31 % | 20,68 % | 26,52 % | 28,78 % | — |
| GPT-5.6-sol — pandoc | 33,89 % | 41,75 % | 43,11 % | 50,94 % | 55,06 % |
| GPT-6.1-sol — pandoc | 56,19 % | — | 79,59 % | — | — |
Los resultados con GPT-6.1-sol proceden del README del proyecto, mientras que las mediciones con GPT-5.6-sol corresponden a los experimentos descritos en el paper.
En la media de las cinco tareas con GPT-5.6-sol, pasar de un agente a 128 elevó el porcentaje de pruebas superadas del 19,31 % al 28,78 %, una mejora de 9,47 puntos porcentuales, equivalente aproximadamente a un 49 % de incremento relativo.
En pandoc, el crecimiento fue más pronunciado. La configuración con un solo agente consiguió un 33,89 %, mientras que el equipo de 1.024 agentes alcanzó el 55,06 %.
Los datos adicionales del README muestran que, con GPT-6.1-sol, pandoc pasó del 56,19 % utilizando un agente al 79,59 % con 32 trabajadores.
También mejoró la velocidad de progreso.
En pandoc, la configuración de 128 agentes alcanzó un 30 % de pruebas superadas a los 30 minutos. Para llegar a ese mismo porcentaje, los equipos de 32 y 8 agentes necesitaron 60 y 90 minutos, respectivamente.
Estas mediciones reflejan tanto el impacto de incorporar más trabajadores como la capacidad de los agentes para avanzar simultáneamente sobre distintas partes de una tarea.
Comportamientos emergentes
Uno de los aspectos destacados de Agensh es la aparición de mecanismos de colaboración que no fueron programados explícitamente.
Los investigadores observaron diferentes formas de organización a medida que aumentaba el número de participantes.
Con 8 agentes, los trabajadores comenzaron a establecer acuerdos sobre las interfaces del proyecto y a resolver entre ellos los solapamientos de tareas.
Con 32 agentes, apareció la revisión del trabajo compartido. En uno de los casos, una aprobación previa fue retirada después de que otro agente presentara un contraejemplo.
Con 128 agentes, los equipos comenzaron a reutilizar revisores considerados confiables y a estandarizar un protocolo de integración para coordinar los cambios.
Con 1.024 agentes, varios trabajadores asumieron funciones de integración, mientras otros recuperaban tareas que habían fallado.
Estos comportamientos surgieron de las interacciones entre los trabajadores, siguiendo el mismo bucle de instrucciones y utilizando los canales de coordinación disponibles.
El resultado muestra cómo la colaboración puede adoptar formas más estructuradas al crecer el número de agentes, incluso sin introducir una jerarquía central fija.
Cómo ejecutarlo y requisitos
Agensh está disponible como proyecto de código abierto bajo licencia MIT.
El entorno utiliza Linux y Docker Compose. La configuración predeterminada funciona en un solo nodo con ocho trabajadores.
Para la ejecución experimental con 1.024 agentes, Microsoft Research empleó 16 nodos con 64 agentes por nodo.
Cada trabajador tiene establecidos los siguientes límites de recursos:
| Recurso | Límite por trabajador |
|---|---|
| Tokens de entrada | 272.000 |
| Tokens de salida | 128.000 |
| Memoria | 64 GiB |
La ejecución también requiere ProgramBench, cuya versión validada es la v1.2.5, y un token de API para acceder al modelo.
El sistema utiliza un harness de agente individual como base. Aunque los experimentos se realizaron con GitHub Copilot CLI, la arquitectura contempla su conexión con otros harnesses mediante adaptadores ligeros.
El proyecto es agnóstico respecto al modelo y el coste total en tokens de las ejecuciones experimentales no se publica.
Microsoft Research en contexto
Microsoft Research es el equipo de investigación de Microsoft responsable de Agensh, publicado como proyecto de código abierto.
Con este trabajo, la organización explora una arquitectura en la que los agentes de programación no necesitan recibir tareas de un coordinador central, sino que pueden distribuir el trabajo y organizarse mediante herramientas compartidas.
La investigación combina una infraestructura basada en Git, comunicación entre agentes y contexto persistente con un procedimiento de ejecución definido mediante instrucciones.
Los experimentos en ProgramBench muestran mejoras en el porcentaje de pruebas superadas al incrementar el número de trabajadores, además de comportamientos de revisión, integración y recuperación de tareas que aparecen durante la colaboración.
Agensh representa así un enfoque de coordinación descentralizada para equipos de agentes de programación, con una escala experimental que llega hasta los 1.024 participantes.
