マルチエージェント方式のコード生成では、リーダー役が作業を分解して配る構成が一般的です。研究チームの論文は、この中心の処理能力が規模拡大の足かせになりがちだと指摘しました。
「現在のマルチエージェントハーネスの拡張性は、タスクの配分と調整を担う中央オーケストレーターの処理能力に制約されることが多い。」
the scalability of current multi-agent harnesses is often constrained by a central orchestrator's capacity to allocate tasks and coordinate workers.
公開されたもの
GitHubのmicrosoft/Agenshには、エージェント基盤(ハーネス)、実験の起動スクリプト、再現ガイドが含まれます。ライセンスはMITで、改変や商用利用が認められます。Docker Composeによる単一ノードのチーム構成と、比較対象になる単独エージェントの基準実行がそろいました。
論文公開
arXivで方法とベンチマーク結果を発表。1,024体という規模自体はこの時点で既報
実装公開
GitHubでMITライセンスのハーネス、起動スクリプト、再現ガイドを公開
今回新しいのは実装と再現手順の公開で、研究成果の初発表ではない。
仕組み
Agenshは協調ループを定めます。各ワーカーは文脈を集め、小課題を自分で引き取り、作業し、結果を検証し、進捗を統合します。共有ワークスペースにGitea、メッセージ交換にMattermost、共有コンテキストにはDeLMの仕組みを使い、各エージェントの実行基盤にはCopilotのハーネスを組み合わせました。
- 01 文脈の収集
読む
共有ワークスペースとメッセージから現状を把握する
- 02 課題の引き取り
主張する
残っている小課題を選び、担当を自分で主張する
- 03 作業
実装する
コードの変更や修正を進める
- 04 検証
確かめる
テストなどで結果を確認する
- 05 統合
マージする
進捗を共有リポジトリへ反映する
公式READMEが説明する協調ループ。全ワーカーが非同期に繰り返す。
実験結果
評価はプログラム再構築のベンチマークProgramBenchで最も難しい5課題を使い、モデルはGPT-5.6-sol(high推論)、制限時間6時間、インターネット遮断の条件です。平均テスト通過率は1体の19.31%から128体で28.78%になりました。差は9.47ポイントで、比率にすると約49%の改善です。Pandocという単一課題では、1体33.89%、128体50.94%、1,024体55.06%でした。
難問5課題の平均GPT-5.6-sol
- 1体
- 19.31%
- 128体
- 28.78%
- 1,024体
- 未測定
PandocGPT-5.6-sol
- 1体
- 33.89%
- 128体
- 50.94%
- 1,024体
- 55.06%
PandocGPT-6.1-sol
- 1体
- 56.19%
- 128体
- 未測定
- 1,024体
- 32体で79.59%
いずれも6時間・インターネット遮断の条件で、研究チーム自身の測定。GPT-6.1-solの実験は32体までで、別モデルの数値を同じ列で直接比べられない。
GPT-6.1-sol(high推論)を使うと、Pandocの通過率は1体56.19%から32体で79.59%になりました。いっぽう128体から1,024体への追加効果はPandocで4.12ポイントにとどまり、数を増やせば良くなるわけではないことを研究チーム自身の数値が示しています。
再現に必要な環境
公開の再現ガイドは、Linuxに加えてDocker EngineとCompose v2、systemd、cgroup v2、Python 3.11以上を要求します。既定の構成は8ワーカー、6時間、GPT-5.6-sol(high推論)で、プロンプト窓は27万2,000トークンです。評価にはProgramBenchのv1.2.5を特定のコミットで固定して使います。ホスト側ではDockerの操作のためにパスワードなしのsudoが必要です。
限界
成績は研究チーム自身のベンチマークで、ProgramBenchのコード再構築課題に限られます。業務開発での効果、1,024体を動かしたときのAPI費用、総消費トークンは公表されていません。コードが無償でも、モデルの推論費用は別にかかります。第三者による再現と、実務での採用実績はこれからの確認点です。
出典
- GitHub microsoft/Agensh README公開日(2026-10-24)、MITライセンス、協調ループ、ベンチマーク数値、GPT-6.1-solの追加数値
- Agensh REPRODUCE.md再現要件(Linux、Docker Compose v2、systemd、cgroup v2、Python 3.11+、パスワードなしsudo)と既定構成(8ワーカー・6時間・GPT-5.6-sol・27万2,000トークン)
- Agensh: Scaling Organizational Intelligence to 1,024 Agents(arXiv:2609.26781)2026-09-22公開の論文。中央オーケストレーターなしの設計、著者(Microsoft Research)、公開日
- AgenshプロジェクトページMicrosoft Research著者による設計説明と1,024体実験の紹介
出典の確認日 2026.10.25