NEWS & DOCUMENTARYAIと人間のこれから。
RAXUS AIAIのいまを確かめて届ける。
LATEST EDITION

Microsoft、中央の指揮役なしで1,024体が協調するマルチエージェント基盤「Agensh」を公開

Microsoft Researchは2026年10月24日、分散型マルチエージェントハーネス「Agensh」の実装をMITライセンスで公開しました。各エージェントが文脈を集め、小課題を自分で引き取り、検証し、共有リポジトリへ統合する方式です。研究チームの実験では、難易度の高いコード再構築課題5件の平均テスト通過率が1体の19.31%から128体で28.78%に上がりました。9月22日公開の論文に加えてコードと再現手順がそろい、第三者が検証できる段階になりました。

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.

論文「Agensh: Scaling Organizational Intelligence to 1,024 Agents」(arXiv:2609.26781、2026-09-22公開)の要旨

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。

図解公開までの経緯
  1. 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

  2. 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。

図解Agenshの協調ループ
  1. 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

  2. 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

  3. 03 作業

    実装する

    コードの変更や修正を進める

  4. 04 検証

    確かめる

    テストなどで結果を確認する

  5. 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。

図解エージェント数とテスト通過率
  • 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

  1. 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
  2. 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)
  3. 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
  4. 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

KEEP EXPLORING

あわせて読みたい記事と映像

プロダクトの記事一覧
  1. Microsoft Research、Quine発表 膵がん研究で数千の化合物を優先順位付け

    Microsoft Researchは2026年9月29日、生物学の研究を支援する初期段階のAIシステム「Quine」を発表した。Broad Institute of MIT and Harvardとの膵管腺がん(PDAC)研究では、数千の化合物から細胞状態を変える候補を順位付けし、上位候補を複数のウェットラボ試験で検証したという。発表文は試験名や効果量、再現実験の詳細を示していない。Quineは臨床や医療用途向けではない。

    記事を読む
  2. Microsoft Research、31年未解決のKLS予想の証明を解説 研究者の選別でAI探索100超の候補を絞り込む

    Microsoft Researchは2026年10月21日、同社のXinzhi Zhang氏と共同研究者Zhao Song氏によるKLS予想の証明を解説しました。1995年提起の高次元幾何・確率論の未解決問題で、証明は10月4日改訂のarXiv論文に載っています。10月21日の新しい材料は研究過程の説明で、AIエージェントが並列探索した100超の候補から、研究者が数学的判断で道筋を選別・統合した経緯です。別グループの証明とLean 4形式化も公開されています。

    記事を読む
  3. GitHub、エージェントセッションを端末間で継続させる「Agent Host Protocol」の実装を解説──VS CodeとGitHubで2つのホスト実装、6言語のSDK

    GitHubは2026年11月17日、公式Engineeringブログで、AIエージェントのセッションをエディタ、スマートフォン、クラウドの間で引き継ぐオープンなプロトコル「Agent Host Protocol(AHP)」の実装構造を解説した。執筆したのは同社のプリンシパルソフトウェアエンジニア、Connor Peet氏とRob Lourens氏だ。AHPの開発は2026年前半にVS Codeで始まり、仕様は10月2日にv1.0.0、11月13日にv1.1.0として公開済みである。今回の記事は新規プロトコルの発表ではなく、VS CodeとGitHubという異なる2実装に共通で使われている構造と設計判断の開示が中心だ。

    記事を読む