Agensh 운영 중

Agensh는 Microsoft Research가 출시한 다중 에이전트 협업 프레임워크로, 모든 에이전트가 통일된 5단계 협업 루프를 따르며 공유 코드 저장소, 즉시 메시지, 구조화된 보드를 통해 자율적으로 역할을 분담합니다. 실험 결과, 모델을 변경하지 않은 상태에서 에이전트 수를 1개에서 1024개로 늘리자 소프트웨어 재현 테스트 통과율이 33.89%에서 55.06%로 상승했습니다. 이는 에이전트 수 자체가 AI 역량을 확장하는 새로운 차원이 될 수 있음을 보여줍니다.

중앙 조정자 없음: 감독 에이전트를 제거하고 모든 에이전트가 자율적으로 작업을 맡고, 역할을 협의하며, 결과를 통합합니다.
5단계 협업 루프: 각 에이전트는 “컨텍스트 수집→하위 작업 할당→실행 및 공유→결과 검증→진행 상황 통합”의 비동기 루프를 반복 실행합니다.
공유 작업 공간: Git(Gitea)을 기반으로 코드를 관리하며, 병렬 개발, 브랜치 병합, 충돌 노출을 지원합니다.
메시지 협의: Mattermost를 기반으로 팀 공지와 1대1 비공개 메시지를 지원하며, 비공개 메시지로 상대방의 작업을 즉시 중단하고 작업 충돌을 해결할 수 있습니다.
공유 컨텍스트 보드: OBSERVED/FACT/FAIL/CLAIM/PATCH_SUMMARY의 5가지 항목을 기록하여 모든 구성원이 경험을 재사용하고 중복 작업을 피할 수 있습니다.
천 단위 규모 확장: 실험에서 에이전트 수를 1,024개까지 확장했음에도 자율적 협업이 중단되지 않았습니다.
역할의 자발적 형성: 조직 규모가 커지면 검토 관행, 표준 절차, 전담 통합 담당자 등의 역할 분담이 사전 설정 없이 스스로 형성됩니다.

조직 계층과 단일 에이전트 계층을 분리한 계층형 구조: Agensh는 하위 단일 에이전트 프레임워크를 대체하지 않고 그 위에 조직 계층을 추가합니다. 각 에이전트의 로컬 루프는 하위 harness가 담당하며, Agensh는 에이전트 ID, 협업 프로토콜, 이벤트 라우팅, 공유 서비스, 장애 복구만 담당합니다. 두 계층의 인터페이스는 의도적으로 가볍고 플러그인 방식으로 설계되었습니다. 협업 루프는 런타임에 하드코딩되지 않고 prompt의 워크플로 지시를 통해 구현되며, 모든 에이전트가 완전히 동일한 지시를 받습니다. 따라서 하위 프레임워크를 변경할 때는 가벼운 어댑터만 교체하면 되고 협업 로직은 수정할 필요가 없습니다.
이벤트 기반 비동기 런타임: 각 에이전트는 중앙 스케줄러가 아니라 연결된 이벤트에 의해 구동됩니다. router는 Gitea 저장소 활동과 Mattermost 메시지를 지속적으로 감시하고, 새 이벤트를 고유 ID가 포함된 중복 제거 영속 큐에 기록합니다. dispatcher는 에이전트의 다음 turn에서 이를 병합하고 정렬한 뒤 주입합니다. 메시지는 두 단계 우선순위로 전달됩니다. 공개 채널 메시지는 루프 시작 시 전달되고, 직접 메시지와 보드의 새 항목은 현재 turn의 도구 호출 반환 결과에 포함되어 중간에 전달됩니다. 이를 통해 에이전트는 작업 충돌이 발생했을 때 동료의 작업을 실시간으로 중단하고 협의할 수 있습니다. 관련 메커니즘으로는 실패 시 점진적 재시도, router 재시작 후 큐 및 세션 복구, 에이전트가 10분 동안 유휴 상태일 때 자동 깨우기, 한 라운드를 완료했지만 보드 항목을 게시하지 않았을 때의 보충 알림이 있습니다.
유형화된 공유 컨텍스트를 통한 조직 기억 구현: DeLM의 아이디어를 참고하여 Agensh는 조직 기억을 append-only 구조화 로그로 외부화합니다. 항목은 5가지 유형으로 나뉩니다. OBSERVED는 참조 프로그램의 관찰 가능한 동작을 기록하고, FACT는 확인된 사실을 기록하며, FAIL은 반증된 가설을 기록합니다. CLAIM은 작업 충돌을 방지하기 위해 담당 범위를 공개적으로 선언하는 데 사용되고, PATCH_SUMMARY는 “files= | idea= | evidence=”의 고정 형식으로 완료된 수정 사항을 요약합니다. 보드는 두 가지 경로로 배포됩니다. 새 turn이 시작될 때 최근 2000개 기록을 주입하고, turn 중에는 도구 호출 반환을 통해 새 항목을 추가합니다. 또한 board_grep 도구를 제공하여 전체 기록에서 AND/OR 키워드 검색을 지원합니다. 이를 통해 단일 에이전트의 컨텍스트 창 한계를 우회하고 장기 작업에서 경험을 축적하고 재사용할 수 있습니다.
협업 루프에 내장된 충돌 해결 및 검증 메커니즘: 하위 작업을 맡을 때 에이전트는 보드에 CLAIM을 게시하여 담당 범위를 선언해야 합니다. 다른 에이전트와 범위가 겹치는 것을 발견하면 양측이 비공개 메시지로 협의하여 조정합니다. 통합 단계에서는 Git을 기준으로 삼습니다. 에이전트는 개인 브랜치에서 개발한 후 주 브랜치에 PR을 제출하고, 병합 충돌이 발생하면 최신 진행 상황을 가져와 충돌을 해결한 뒤 다시 제출해야 합니다. 또한 통합하기 전에 반드시 인수 기준에 따라 로컬 결과를 검증해야 합니다. 이 메커니즘은 전통적으로 감독자가 담당하던 작업 분배, 충돌 조정, 결과 통합이라는 세 가지 책임을 모든 구성원의 일상적인 루프에 분산합니다. 버전 기록과 PR 절차를 통해 통합 작업을 명시적이고 추적 가능하게 만듭니다.

환경 준비: 시스템에 Docker와 사용 가능한 모델 API가 설치되어 있는지 확인합니다.
코드 저장소 복제: GitHub에서 microsoft/Agensh 저장소를 로컬로 가져옵니다. 코드가 공개된 후 clone합니다.
공유 인프라 배포: 프레임워크가 의존하는 세 가지 구성 요소인 Gitea(코드 저장소), Mattermost(메시지 통신), 공유 컨텍스트 보드 서비스를 시작합니다.
에이전트 매개변수 설정: 구성에서 worker 수, 작업 목표, 시간 예산, 하위 단일 에이전트 harness 유형, 모델 키를 설정합니다.
조직 시작: 시작 스크립트를 실행하면 프레임워크가 시차 전략에 따라 에이전트를 여러 그룹으로 나누어 활성화하고, 대규모 배포는 자동으로 여러 노드에 분산됩니다.
에이전트 자율 작업: 구성원은 5단계 루프에 따라 자율적으로 작업을 맡고, 코드를 개발하고, PR을 생성하고, 주 브랜치에 병합합니다. 사람의 개입 없이 Mattermost 공개 채널에서 진행 상황을 관찰하기만 하면 됩니다.
마무리 및 납품: 마감 시간이 가까워지면 프레임워크가 자동으로 마무리를 알립니다. 최종 결과는 주 브랜치의 코드와 보드 기록으로 납품됩니다.

감독자 병목 해소: 중앙 조정자를 제거하면 시스템 확장성이 단일 에이전트의 조정 능력 한계에 더 이상 제약받지 않으며, 1,024개의 에이전트까지 원활하게 확장할 수 있습니다.
수량이 새로운 역량 차원이 됨: 모델과 하위 프레임워크를 완전히 동일하게 유지한 상태에서 에이전트 수만 늘려 평균 테스트 통과율을 약 49% 높일 수 있어, 모델 규모 외에 두 번째 scaling 경로를 열었습니다.
작업 지연 시간 대폭 단축: 128개 에이전트는 30분 시점에 이미 30% 이상의 통과율을 달성하는 반면, 단일 에이전트는 처음 2시간 동안 기준에 도달하지 못했습니다. 대규모 팀은 더 짧은 시간에 동일한 수준의 성과를 달성할 수 있습니다.
가볍고 분리된 인프라: 협업 루프를 하드코딩이 아닌 prompt 지시로 구현하여 Copilot, Claude Code 등 다양한 하위 프레임워크에 플러그인 방식으로 적용할 수 있습니다. 공유 서비스에는 Gitea, Mattermost, 보드라는 3개의 오픈 소스 구성 요소만 필요합니다.
조직 경험의 축적 및 재사용: 유형화된 보드는 관찰, 사실, 실패한 가설을 구조적으로 기록합니다. 특히 FAIL 항목은 동료가 같은 작업에 예산을 낭비하는 것을 막아 조직 차원의 기억을 구현합니다.

프로젝트 공식 웹사이트: https://agens-harness.github.io/project/
arXiv 기술 논문: https://arxiv.org/pdf/2609.26781

대규모 소프트웨어 동작 재현: 네트워크가 차단되고 시간이 제한된 조건에서 수백에서 수천 개의 에이전트가 처음부터 FFmpeg, pandoc 등 수십만 줄 규모 소프트웨어의 동작을 재구축하고 숨겨진 테스트를 통과하도록 합니다.
긴급성이 높은 신속 개발: 명확한 시간 예산이 있는 작업에 적합합니다. 128개 에이전트는 30분 만에 단일 에이전트가 2시간 동안 도달하지 못한 완성도에 도달할 수 있습니다.
초대규모 코드 감사: 에이전트가 모듈별로 작업을 맡고, 테스트를 병렬로 작성하며, 서로의 PR을 검토합니다. 대기업 코드베이스의 보안 감사와 테스트 커버리지 확장에 자연스럽게 적합합니다.
사전 계획이 없는 탐색형 연구개발: 작업을 미리 분해할 수 없을 때 에이전트가 참조 동작을 관찰하여 스스로 작업을 발견합니다. 요구사항이 모호하고 경계를 탐색을 통해 정해야 하는 기술 과제에 적합합니다.
분야 간 기반 소프트웨어 이식: PHP 인터프리터, 분자 시뮬레이션 등 다양한 분야의 시스템 개발에서 집단 지능이 “모든 분야를 아는 한 명의 전문가”가 갖추기 어려운 지식 범위를 포괄할 수 있으며, 같은 분야의 전문가들이 서로를 대신해 작업을 이어갈 수도 있습니다.