Agensh 運営中

AgenshはMicrosoft Researchが開発したマルチエージェント協調フレームワークです。すべてのエージェントが統一された5段階の協調サイクルに従い、共有コードリポジトリ、インスタントメッセージ、構造化されたボードを通じて自律的に役割分担します。実験では、モデルを変更せずにエージェント数を1から1024へ増やした結果、ソフトウェア再現テストの合格率が33.89%から55.06%へ向上しました。これは、エージェント数そのものがAI能力を拡張する新たな次元になり得ることを示しています。

中央集権的なオーケストレーションの排除：管理エージェントを置かず、すべてのエージェントが自律的にタスクを引き受け、役割を協議し、成果を統合します。
5段階の協調サイクル：各エージェントが「コンテキスト収集→サブタスクの担当→実行・共有→結果検証→進捗統合」という非同期サイクルを繰り返します。
共有ワークスペース：Git（Gitea）でコードを管理し、並行開発、ブランチ統合、競合の可視化をサポートします。
メッセージによる協議：Mattermostでチーム告知や1対1のプライベートメッセージを実現し、プライベートメッセージで相手の作業を即時に中断してタスクの衝突を解消できます。
共有コンテキストボード：OBSERVED/FACT/FAIL/CLAIM/PATCH_SUMMARYの5種類の項目を記録し、全員が経験を再利用して重複作業を避けられます。
千規模への拡張：実験ではエージェント数を1,024まで拡張しても、自律的な協調を破綻させずに維持しました。
役割の自発的な創発：組織が拡大すると、レビューの慣行、標準手順、専任の統合担当者などの役割分担が、事前設定なしに自然に形成されます。

組織層と単一エージェント層を分離した階層アーキテクチャ：Agenshは基盤となる単一エージェントフレームワークを置き換えず、その上に組織層を追加します。各エージェントのローカルサイクルは基盤のharnessが担い、AgenshはエージェントのID、協調プロトコル、イベントルーティング、共有サービス、障害復旧のみを担当します。両層のインターフェースは意図的に軽量なプラグアンドプレイ方式に保たれています。協調サイクルはランタイムにハードコードされず、prompt内のワークフロー指示で実現されます。すべてのエージェントがまったく同じ指示を受け取るため、異なる基盤フレームワークへの適応は軽量なアダプターを交換するだけで済み、協調ロジックを変更する必要はありません。
イベント駆動の非同期ランタイム：各エージェントは中央スケジューラーではなく、対応するイベントによって駆動されます。routerはGiteaリポジトリの活動とMattermostメッセージを継続的に監視し、新しいイベントを一意のIDを持つ重複排除済みの永続キューに書き込みます。dispatcherはエージェントの次のturnでそれらを統合・並べ替えして注入します。メッセージは2段階の優先度で配信されます。公開チャンネルのメッセージはサイクル開始時に届けられ、直接メッセージとボードの新規項目は現在のturnにおけるツール呼び出しの戻り値へ組み込まれ、turnの途中で届けられます。これにより、エージェントはタスクが衝突した際に仲間の作業をリアルタイムで中断し、協議できます。関連する仕組みには、失敗時の段階的な再試行、router再起動後のキューとセッションの復旧、エージェントが10分間アイドル状態になった際の自動起動、1サイクルを完了してもボード項目を投稿していない場合の再投稿リマインダーがあります。
型付き共有コンテキストによる組織の記憶：DeLMの考え方を参考に、Agenshは組織の記憶をappend-onlyの構造化ログとして外部化します。項目は5種類に分類されます。OBSERVEDは参照プログラムの観測可能な挙動を記録し、FACTは確認済みの事実を記録し、FAILは反証された仮説を記録し、CLAIMはタスクの衝突を防ぐために担当範囲を公開し、PATCH_SUMMARYは「files= | idea= | evidence=」という固定形式で完了した変更を要約します。ボードは2つの経路で配信されます。新しいturnの開始時には直近の2000件の記録を注入し、turn中にはツール呼び出しの戻り値を通じて新しい項目を追加します。同時に、board_grepツールで全履歴をAND/ORキーワード検索できるため、単一エージェントのコンテキストウィンドウ上限を回避し、長期タスクにおける経験の蓄積と再利用を支えます。
協調サイクルに組み込まれた競合解決と検証の仕組み：サブタスクを担当する際、エージェントはボード上でCLAIMを公開して範囲を宣言する必要があります。他者との重複が判明した場合、双方がプライベートメッセージで協議して調整します。統合段階ではGitを主軸とし、エージェントはプライベートブランチで開発した後、メインブランチへPRを提出します。マージ競合が発生した場合は、最新の進捗を取得して競合を解決し、再提出します。また、受け入れ基準に照らしてローカルの結果を検証してからでなければ統合できません。この仕組みにより、従来は管理者が担っていたタスク配分、競合仲裁、成果統合という3つの役割が、全メンバーの日常的なサイクルへ分散されます。バージョン履歴とPRフローによって、統合作業は明示的かつ追跡可能になります。

環境の準備：マシンにDockerと利用可能なモデルAPIがインストールされていることを確認します。
コードリポジトリのクローン：GitHubからmicrosoft/Agenshリポジトリをローカルへ取得し、コードが公開された後にcloneします。
共有基盤のデプロイ：フレームワークが依存する3種類のコンポーネント、Gitea（コードリポジトリ）、Mattermost（メッセージ通信）、共有コンテキストボードサービスを起動します。
エージェントパラメーターの設定：設定でworker数、タスクの目標、時間予算、基盤となる単一エージェントharnessの種類、モデルキーを指定します。
組織の起動：起動スクリプトを実行すると、フレームワークが時間差を設けてエージェントを段階的に起動します。大規模なデプロイでは自動的に複数ノードへ分散されます。
エージェントの自律作業：メンバーは5段階のサイクルに従って自律的にタスクを担当し、コードを開発してPRを作成し、メインブランチへ統合します。人手による介入は不要で、Mattermostの公開チャンネルで進捗を確認するだけです。
終了と納品：締め切りが近づくとフレームワークが自動的に収束を促します。最終成果物はメインブランチのコードとボードの記録として納品されます。

管理者のボトルネックを解消：中央オーケストレーターを排除することで、システムの拡張性が単一エージェントの調整能力に制約されなくなり、1,024エージェントまで滑らかに拡張できます。
数が新たな能力の次元に：モデルと基盤フレームワークを完全に変更せず、エージェント数を増やすだけで平均テスト合格率を約49%向上させられます。これは、モデル規模以外の2つ目のスケーリング経路を開きます。
タスク遅延を大幅に削減：128エージェントは30分時点で合格率30%を超えますが、単一エージェントは最初の2時間で基準に達しませんでした。大規模なチームなら、同等の成果により短時間で到達できます。
軽量で分離された基盤：協調サイクルはハードコードではなくpromptの指示で実装されているため、CopilotやClaude Codeなど異なる基盤フレームワークへプラグアンドプレイで適応できます。共有サービスもGitea、Mattermost、ボードという3つのオープンソースコンポーネントだけで構成されます。
組織の経験を蓄積・再利用：型付きボードによって観察、事実、失敗した仮説を構造化して記録できます。特にFAIL項目は仲間が同じ試行で予算を無駄にするのを防ぎ、組織レベルの記憶を実現します。

プロジェクト公式サイト：https://agens-harness.github.io/project/
arXiv技術論文：https://arxiv.org/pdf/2609.26781

大規模ソフトウェアの挙動再現：ネットワーク接続がなく時間が限られた条件で、数百から数千のエージェントにFFmpegやpandocなど数十万行規模のソフトウェアをゼロから再構築させ、非公開テストに合格させます。
緊急性の高い開発：厳格な時間予算があるタスクに適しており、128エージェントで30分あれば、単一エージェントが2時間かけても到達できない完成度に達します。
超大規模なコード監査：エージェントがモジュールごとに担当し、テストを並行作成し、互いのPRをレビューします。大企業のコードベースにおけるセキュリティ監査やテストカバレッジ拡大に自然に適応できます。
事前計画のない探索型研究開発：タスクを事前に分解できない場合でも、エージェントが参照挙動を観察して自らタスクを発見します。要件が曖昧で、境界を探索によって定める技術課題に適しています。
分野横断的な基盤ソフトウェア移植：PHPインタープリターや分子シミュレーションなど、多分野のシステム開発において、群知能が「何でも知る単一の専門家」ではカバーできない知識領域を補完します。同じ分野の専門家同士が互いにバックアップし、作業を引き継ぐこともできます。