Agensh Đang hoạt động

Agensh là framework cộng tác đa tác tử do Microsoft Research phát triển. Tất cả tác tử tuân theo một vòng lặp cộng tác gồm năm bước, tự tổ chức và phân công thông qua kho mã nguồn dùng chung, tin nhắn tức thời và bảng điều khiển có cấu trúc. Các thí nghiệm cho thấy, khi giữ nguyên mô hình, việc mở rộng từ 1 lên 1024 tác tử đã nâng tỷ lệ vượt qua bài kiểm thử tái tạo phần mềm từ 33.89% lên 55.06%, chứng minh rằng bản thân số lượng tác tử có thể trở thành một chiều mở rộng mới cho năng lực AI.

Điều phối phi tập trung: loại bỏ tác tử quản lý; tất cả tác tử tự nhận nhiệm vụ, thương lượng phân công và hợp nhất kết quả.
Vòng lặp cộng tác năm bước: mỗi tác tử lặp lại chu trình bất đồng bộ “thu thập ngữ cảnh→nhận nhiệm vụ con→thực thi và chia sẻ→xác minh kết quả→hợp nhất tiến độ”.
Không gian làm việc dùng chung: quản lý mã nguồn dựa trên Git (Gitea), hỗ trợ phát triển đồng thời, hợp nhất nhánh và hiển thị xung đột.
Thương lượng qua tin nhắn: Mattermost hỗ trợ thông báo nhóm và nhắn tin riêng; tin nhắn riêng có thể lập tức ngắt lời tác tử khác để giải quyết xung đột nhiệm vụ.
Bảng ngữ cảnh dùng chung: ghi lại năm loại mục OBSERVED/FACT/FAIL/CLAIM/PATCH_SUMMARY để mọi thành viên tái sử dụng kinh nghiệm và tránh công việc trùng lặp.
Mở rộng quy mô hàng nghìn: trong thí nghiệm, số lượng tác tử được mở rộng lên 1,024 mà vẫn duy trì cộng tác tự tổ chức mà không bị sụp đổ.
Vai trò tự phát sinh: khi quy mô tổ chức tăng, các phân công như quy trình xem xét, quy trình tiêu chuẩn và người chuyên trách tích hợp tự hình thành mà không cần định nghĩa trước.

Kiến trúc phân tầng tách biệt lớp tổ chức và lớp tác tử đơn: Agensh không thay thế framework tác tử đơn bên dưới mà bổ sung lớp tổ chức phía trên. Vòng lặp cục bộ của mỗi tác tử do harness bên dưới phụ trách; Agensh chỉ quản lý danh tính tác tử, giao thức cộng tác, định tuyến sự kiện, dịch vụ dùng chung và khôi phục sự cố. Giao diện giữa hai lớp được cố ý giữ nhẹ và có thể cắm nối; vòng lặp cộng tác không được hard-code trong runtime mà được triển khai bằng hướng dẫn workflow trong prompt. Tất cả tác tử nhận cùng một bộ hướng dẫn; để tương thích với các framework bên dưới khác nhau, chỉ cần thay bộ adapter nhẹ mà không phải sửa logic cộng tác.
Runtime bất đồng bộ hướng sự kiện: mỗi tác tử được kích hoạt bởi các sự kiện tương ứng thay vì bộ điều phối trung tâm: router liên tục lắng nghe hoạt động của kho Gitea và tin nhắn Mattermost, ghi sự kiện mới vào hàng đợi bền vững có khử trùng lặp và ID duy nhất; dispatcher sẽ hợp nhất, sắp xếp rồi đưa chúng vào lượt turn tiếp theo của tác tử. Tin nhắn được phân phối theo hai mức ưu tiên: tin nhắn kênh công khai được gửi khi vòng lặp bắt đầu; tin nhắn trực tiếp và mục mới trên bảng được đóng gói vào kết quả trả về của các lần gọi công cụ trong turn hiện tại để gửi giữa chừng, giúp tác tử có thể ngắt lời đồng đội và thương lượng theo thời gian thực khi xảy ra xung đột nhiệm vụ. Các cơ chế đi kèm gồm thử lại tăng dần khi thất bại, khôi phục hàng đợi và phiên sau khi router khởi động lại, tự động đánh thức tác tử không hoạt động trong 10 phút, cùng lời nhắc gửi bổ sung khi hoàn thành một vòng nhưng chưa đăng mục nào lên bảng.
Ngữ cảnh dùng chung có kiểu dữ liệu tạo nên bộ nhớ tổ chức: lấy cảm hứng từ DeLM, Agensh đưa bộ nhớ tổ chức ra ngoài thành nhật ký có cấu trúc chỉ ghi nối tiếp. Các mục gồm năm loại: OBSERVED ghi lại hành vi có thể quan sát của chương trình tham chiếu, FACT ghi lại sự thật đã được xác nhận, FAIL ghi lại giả thuyết đã bị bác bỏ, CLAIM dùng để công khai nhận phạm vi nhằm tránh xung đột nhiệm vụ, còn PATCH_SUMMARY tóm tắt các thay đổi đã hoàn tất theo định dạng cố định “files= | idea= | evidence=”. Bảng phân phối thông tin theo hai cách: khi bắt đầu turn mới, 2000 bản ghi gần nhất được chèn vào; trong turn, các mục mới được bổ sung thông qua kết quả trả về của lần gọi công cụ. Đồng thời, công cụ board_grep hỗ trợ tìm kiếm từ khóa AND/OR trên toàn bộ lịch sử, vượt qua giới hạn cửa sổ ngữ cảnh của tác tử đơn và hỗ trợ tích lũy, tái sử dụng kinh nghiệm cho các nhiệm vụ dài hạn.
Vòng lặp cộng tác tích hợp cơ chế giải quyết xung đột và xác minh: khi nhận nhiệm vụ con, tác tử phải đăng tuyên bố CLAIM trên bảng để nêu phạm vi. Khi phát hiện trùng lặp với người khác, hai bên thương lượng điều chỉnh qua tin nhắn riêng. Ở giai đoạn hợp nhất, Git được dùng làm nhánh chính; tác tử phát triển trên nhánh riêng rồi gửi PR vào nhánh chính. Khi xảy ra xung đột hợp nhất, tác tử phải lấy tiến độ mới nhất, giải quyết xung đột rồi gửi lại, đồng thời phải đối chiếu tiêu chí nghiệm thu và xác minh kết quả cục bộ trước khi hợp nhất. Cơ chế này phân tán ba trách nhiệm vốn thường do người quản lý đảm nhiệm, gồm phân công nhiệm vụ, phân xử xung đột và tích hợp kết quả, vào vòng lặp hằng ngày của tất cả thành viên; lịch sử phiên bản và quy trình PR khiến công việc tích hợp trở nên rõ ràng và có thể truy vết.

Chuẩn bị môi trường: đảm bảo máy đã cài Docker và có API mô hình khả dụng.
Sao chép kho mã nguồn: tải kho microsoft/Agensh từ GitHub về máy cục bộ bằng clone sau khi mã nguồn được công khai.
Triển khai hạ tầng dùng chung: khởi động ba thành phần mà framework phụ thuộc, gồm Gitea (kho mã nguồn), Mattermost (giao tiếp tin nhắn) và dịch vụ bảng ngữ cảnh dùng chung.
Cấu hình tham số tác tử: thiết lập số lượng worker, mục tiêu nhiệm vụ, ngân sách thời gian, loại harness tác tử đơn bên dưới và khóa mô hình trong cấu hình.
Khởi động tổ chức: chạy script khởi động; framework sẽ lần lượt kích hoạt tác tử theo chiến lược lệch thời điểm, còn triển khai quy mô lớn sẽ tự động phân bố trên nhiều nút.
Tác tử tự chủ làm việc: các thành viên tự nhận nhiệm vụ theo vòng lặp năm bước, phát triển mã, tạo PR và hợp nhất vào nhánh chính mà không cần can thiệp thủ công; chỉ cần theo dõi tiến độ trong kênh công khai Mattermost.
Kết thúc và bàn giao: khi gần đến hạn, framework sẽ tự động nhắc thu hẹp phạm vi; kết quả cuối cùng được bàn giao dưới dạng mã trên nhánh chính và các bản ghi trên bảng.

Vượt qua nút thắt của tác tử quản lý: sau khi loại bỏ bộ điều phối trung tâm, khả năng mở rộng của hệ thống không còn bị giới hạn bởi năng lực điều phối của một tác tử duy nhất và có thể mở rộng mượt mà lên 1,024 tác tử.
Số lượng trở thành một chiều năng lực mới: khi mô hình và framework bên dưới hoàn toàn không đổi, chỉ cần tăng số lượng tác tử cũng có thể nâng tỷ lệ kiểm thử trung bình khoảng 49%, mở ra con đường scaling thứ hai bên cạnh mở rộng quy mô mô hình.
Giảm đáng kể độ trễ nhiệm vụ: 128 tác tử có thể vượt tỷ lệ 30% ngay ở phút thứ 30, trong khi tác tử đơn chưa đạt mức này trong hai giờ đầu; nhóm lớn đạt cùng kết quả trong thời gian ngắn hơn.
Hạ tầng nhẹ và tách rời: vòng lặp cộng tác được triển khai bằng chỉ dẫn prompt thay vì hard-code, có thể cắm nối để tương thích với nhiều framework bên dưới như Copilot và Claude Code; các dịch vụ dùng chung chỉ cần ba thành phần nguồn mở là Gitea, Mattermost và bảng điều khiển.
Kinh nghiệm tổ chức có thể tích lũy và tái sử dụng: bảng có kiểu dữ liệu cấu trúc hóa các quan sát, sự thật và giả thuyết thất bại. Đặc biệt, các mục FAIL có thể ngăn đồng đội lặp lại những nỗ lực lãng phí ngân sách, qua đó tạo ra bộ nhớ cấp tổ chức.

Trang web dự án: https://agens-harness.github.io/project/
Bài báo kỹ thuật arXiv: https://arxiv.org/pdf/2609.26781

Tái tạo hành vi phần mềm quy mô lớn: trong điều kiện ngoại tuyến và giới hạn thời gian, cho phép hàng trăm đến hàng nghìn tác tử xây dựng lại từ đầu hành vi của các phần mềm như FFmpeg và pandoc với quy mô hàng trăm nghìn dòng mã, đồng thời vượt qua các bài kiểm thử ẩn.
Phát triển ứng phó khẩn cấp cần thời gian: phù hợp với các nhiệm vụ có ngân sách thời gian cố định; 128 tác tử có thể đạt trong 30 phút mức độ hoàn thiện mà một tác tử đơn không thể đạt được trong hai giờ.
Kiểm toán mã nguồn quy mô rất lớn: các tác tử phân công nhận module, song song viết kiểm thử và xem xét PR lẫn nhau, phù hợp tự nhiên với kiểm toán bảo mật và mở rộng phạm vi kiểm thử cho kho mã nguồn doanh nghiệp lớn.
Nghiên cứu phát triển khám phá không có phương án định trước: khi nhiệm vụ không thể được phân rã trước, các tác tử tự phát hiện nhiệm vụ thông qua việc quan sát hành vi tham chiếu, phù hợp với các đột phá kỹ thuật có yêu cầu chưa rõ và ranh giới được xác định qua khám phá.
Chuyển đổi phần mềm hạ tầng đa lĩnh vực: trong phát triển các hệ thống thuộc nhiều lĩnh vực như trình thông dịch PHP và mô phỏng phân tử, trí tuệ tập thể có thể bao phủ phạm vi kiến thức mà không một cá nhân toàn năng nào có được; các chuyên gia cùng lĩnh vực cũng có thể dự phòng và tiếp nối công việc cho nhau.