微软Agensh让1024个编码Agent自组织，收益边际递减

主流多智能体系统的架构通常依赖于一个中央编排者（orchestrator），负责任务拆分、下发和结果整合。然而，当系统规模扩大到上千个 Agent 时，这个中心节点反而成为性能瓶颈。微软研究院近日发布的 Agensh（arXiv 2609.26781）提出了一种激进的解决方案：彻底删除中心调度器，让所有 Agent 通过共享状态实现自组织协作。

Agensh 的核心设计围绕三个共享状态展开：共享工作区（基于 Git）、消息接口以及共享上下文日志。每个 Agent 独立运行在一个五步循环中，无需锁机制，仅通过声明（CLAIM）和对话解决任务重叠问题。这种去中心化架构理论上可以随 Agent 数量线性扩展，只要共享状态存储能力足够。

在实际测试中，Agensh 在 ProgramBench 数据集上的表现令人瞩目。从 1 到 128 个 Agent，平均通过率提升了约 9.5 个百分点，相对提升达 49%。而在 pandoc 文档转换任务中，1024 个 Agent 将通过率从 33.89% 提高到 55.06%。此外，系统还展现出时间维度上的显著优势：128 个 Agent 在 30 分钟内达到 30% 通过率，而 8 个 Agent 需要 90 分钟才能达到相同水平。

然而，研究也揭示了这一架构面临的挑战。随着 Agent 数量从 128 增加到 1024（8 倍增长），pandoc 任务的通过率仅增加了约 4 个百分点。这意味着每多获得一个百分点的成本急剧上升，规模扩展带来的边际效益正在显著递减。

论文未提供关键的成本数据，例如每个通过率点所需的 token 消耗或经济成本。这使得评估系统整体效率变得困难。尽管如此，Agensh 的实验结果仍然表明，在特定任务场景下，大规模分布式协作可能带来显著的性能提升，尤其是在需要快速达到可用水平的情况下。

这项研究不仅挑战了传统多智能体系统的架构范式，也为未来的大规模协作系统设计提供了新的思路。虽然目前仍存在许多工程上的挑战，但 Agensh 展现了去中心化协作的巨大潜力，特别是在处理复杂、大规模的任务时。