Microsoft Research представила Agensh — фреймворк с открытым исходным кодом для координации до 1 024 LLM-агентов без ведущего узла. Система использует Gitea для общих рабочих пространств, Mattermost для коммуникации и специальную доску контекста для обмена данными между участниками.
Координационный цикл Agensh реализован через промпты, а не через код исполнения. Решение работает поверх существующих систем, таких как GitHub Copilot CLI, и поддерживает интеграцию с другими инструментами через адаптеры.
В ходе испытаний на пяти задачах ProgramBench, включая FFmpeg и PHP-src, система показала рост среднего показателя успешного прохождения тестов на 9,47 пункта, что составляет 49% относительного прироста при использовании GPT-5.6-sol. На задаче pandoc результат вырос с 33,89% для одного агента до 55,06% при 1 024 агентах.
Скорость выполнения задач также увеличилась: при работе с pandoc команда из 128 агентов достигла 30% успеха за 30 минут, тогда как группам из 32 и 8 агентов потребовалось 60 и 90 минут соответственно. Тесты с моделью GPT-6.1-sol показали относительный прирост эффективности на 41,64% при переходе от одного агента к 32.
Релиз включает конфигурацию Docker Compose для работы на одном узле. Системные требования включают Linux, Docker Engine, Compose v2, systemd, cgroup v2 и Python 3.11 или выше. По умолчанию система настроена на 8 рабочих агентов и лимит времени в 6 часов на задачу.
