产品简介
Agensh 是微软研究院开源的多智能体编码框架，2026 年 10 月 24 日对外公布。它想解决的问题很具体：当并行跑几十上百个编码智能体时，中心编排器会成为瓶颈，所有任务的分配、进度与冲突都要挤过这一个点。Agensh 的做法是把这个点去掉，让每个 worker 自己去共享看板上认领子任务，把发现写回同一个地方，改动直接合并到共享的 Git 仓库。
结构上是三件东西拼起来：Gitea 负责代码托管与合并，Mattermost 承担沟通与协调，再加一块共享任务板。worker 之间不通过编排器传话，而是看板上的状态与仓库里的提交本身就构成了协调信号。论文报告的效果是，在 ProgramBench 里最难的五个题上，128 个 agent 的通过率从 19.31% 提到 28.78%；在 pandoc 这个任务上，扩到 1024 个 agent 时通过率从 33.89% 升到 55.06%。
需要说明的是它的成熟度。论文里给出的仓库地址是 github.com/microsoft/Agensh，投稿时还没有对应仓库，代码与复现脚本的公开程度要按论文口径理解。它更像是把一条技术路线摊开给人看：多智能体编码不必依赖中心调度，规模本身可以是能力来源。
核心功能
- 取消中心编排器：没有统一调度进程，worker 各自从共享任务板认领子任务。任务分配、状态推进与冲突处理都发生在共享介质上，规模扩大时不会有一个进程被压垮。
- 共享 Git 仓库做合并面：每个 worker 的改动直接合进同一个仓库，冲突在 Git 层解决。代码本身成了协调信号，谁能看到什么、改了什么，都在提交历史里。
- Gitea 加 Mattermost 的组合：代码托管用 Gitea，沟通协调用 Mattermost，两者都是可自托管的开源项目。整套栈可以放在内网，不依赖外部服务。
- 规模换通过率：论文在 ProgramBench 上测了扩展曲线：最难五题从 128 个 agent 的 28.78%，到 1024 个 agent 时 pandoc 任务从 33.89% 升到 55.06%。规模不是线性的，但在困难任务上确实带来了提升。
- worker 自主认领：子任务由 worker 自行判断是否接手，共享发现后再决定下一步。这个机制把规划成本摊到了各个 worker 上，也意味着需要清晰的任务粒度设计。
- 可自托管的技术栈：三件套都是自托管组件，实验环境可以完全封闭运行。对需要在内网做大规模编码实验的团队，这一条比性能数字更实用。
适合谁用
以下类型的用户会特别受益于 微软 Agensh：
- 研究多智能体 scaling 规律的实验环境，用同一套 harness 改 agent 数量与任务难度。
- 在困难基准上做并行尝试，让多个 worker 对同一问题给出不同解法，再按测试结果筛选。
- 内网环境下的批量编码任务，Gitea 与 Mattermost 都在本地，代码不出防火墙。
- 需要复现论文结论的团队，按论文口径搭栈，对比中心编排与去中心化的差异。
- 教学场景里演示多智能体协作，用共享看板与仓库直观看到协调是怎么发生的。
优点亮点
- 取消中心编排器后，规模扩大时不会有一个进程成为瓶颈。
- 共享 Git 仓库天然提供合并、回滚与历史追溯，冲突处理不需要另造机制。
- Gitea 与 Mattermost 都可自托管，整套栈能放进内网运行。
- 论文公开了 ProgramBench 与 pandoc 上的扩展曲线，规模收益可以对着数字看。
- worker 自主认领降低了调度层的设计复杂度，任务粒度由任务板决定。
- Apache 系开源组件为主，二次开发与替换的空间较大。
价格与方案
Agensh 为微软研究院开源项目，代码免费。运行成本取决于自建的 agent 数量与模型调用量：本体不收费，Gitea 与 Mattermost 可自托管部署，模型侧按所选 API 计费。1024 个 agent 规模的实验对算力与并发要求较高，建议先在较小规模上跑通再扩展。代码与复现材料的公开程度以论文与官方仓库为准。
总结与建议
Agensh 的价值在于把多智能体编码的一条路线说清楚了：去掉中心编排器，用共享看板认领任务、用同一个 Git 仓库合并改动，规模就能往上堆。论文给出的扩展曲线（最难五题 19.31% 到 28.78%，pandoc 33.89% 到 55.06%）说明这条路走得通。它现在仍是一个研究项目，代码公开程度有限，但作为对照中心调度方案的参照物，值得关注多智能体架构的人读一遍。
版本演进
- 微软研究院开源 Agensh，无中心编排器的多智能体编码框架 （2026-10-24）：微软研究院于 2026 年 10 月 24 日公布多智能体编码框架 Agensh，移除中心编排器，由 worker 自行在共享看板上认领子任务、共享发现并把改动合并到同一个 Git 仓库，代码托管用 Gitea、沟通用 Mattermost。论文报告在 ProgramBench 最难五题上，128 个 agent 的通过率从 19.31% 提升到 28.78%；pandoc 任务扩到 1024 个 agent 时从 33.89% 提升到 55.06%。论文给出的仓库地址为 github.com/microsoft/Agensh，投稿时仓库尚未建立。