Microsoft abre una herramienta que permite que 1.024 agentes de codificación con IA trabajen juntos sin jefe

What you could do with it

• Un investigador podría probar cómo cooperan los agentes de codificación con IA escalando un equipo desde un agente hasta 1.024 agentes que reconstruyen programas reales de código abierto como Pandoc y FFmpeg ¹.
• Un desarrollador podría permitir que docenas de agentes de IA se coordinen por sí mismos para abordar tareas de programación más grandes y construir software más rápido ¹.
• Un investigador podría estudiar qué tan útiles son roles como integradores y revisores que emergen naturalmente entre los trabajadores sin estar programados ¹.

A team with no manager

La mayoría de los sistemas multiagente utilizan un agente líder que planifica el trabajo, asigna tareas y combina resultados, como un gerente de proyecto. Agensh elimina ese jefe central por completo. Cada agente trabajador selecciona independientemente su propia subtarea, comparte lo que encuentra y fusiona el código en un repositorio Git compartido ¹.

El sistema se probó en [ProgramBench], un benchmark donde los agentes reconstruyen programas reales de código abierto como Pandoc, FFmpeg y PHP desde cero según cómo se comportan. El equipo de Microsoft escaló la configuración desde un solo agente hasta 1.024 agentes simultáneamente ¹.

How the agents cooperate

Cada trabajador sigue el mismo bucle de cinco pasos, ejecutándose al mismo tiempo que todos los demás: reúne contexto sobre el objetivo y lo que hacen los compañeros, reclama una subtarea publicando en un canal compartido, trabaja en ella usando sus herramientas, verifica el resultado contra los criterios de aceptación y fusiona el progreso en el repositorio de código compartido antes de repetir ¹.

Tres servicios simples conectan a los trabajadores: [Gitea] aloja el espacio de trabajo compartido con sucursales y revisiones de código, [Mattermost] lleva mensajes del equipo y chats directos para colisiones urgentes, y un tablero de contexto compartido almacina notas escritas: OBSERVED, FACT, FAIL, CLAIM y PATCH_SUMMARY ¹.

La coordinación vive dentro de la instrucción dada a cada agente, no en código de tiempo de ejecución especial. Los experimentos utilizaron GitHub Copilot CLI como base, aunque los investigadores dicen que otros sistemas como Claude Code podrían conectarse con adaptadores ligeros ¹. Cada trabajador recibe una entrada de 272.000 tokens y tiene un límite de salida de 128.000 tokens .

Big gains at scale

En las cinco tareas más difíciles de ProgramBench, agregar más agentes mejoró constantemente los resultados ¹. Usando GPT-5.6 Sol con alto esfuerzo de razonamiento, la tasa de aprobación promedio en las cinco tareas aumentó del 19,31 % con un agente al 28,78 % con 128 agentes, una ganancia de aproximadamente el 49 % relativo .

En la tarea Pandoc específicamente, las puntuaciones subieron del 33,89 % (un agente) al 55,06 % (1.024 agentes) ¹. La velocidad también mejoró: con 128 agentes, el 30 % de las pruebas de Pandoc se aprobaron en 30 minutos, mientras que 32 y 8 agentes necesitaron 60 y 90 minutos respectivamente para alcanzar el mismo punto de control .

Un modelo más nuevo, GPT-6.1 Sol, llevó la puntuación de Pandoc al 79,59 % con solo 32 agentes, una mejora del 41,64 % relativo sobre un solo agente ¹. Estas cifras de GPT-6.1 no están incluidas en el artículo de investigación original .

Roles emerged on their own

Los investigadores registraron cómo se comportaban los agentes a medida que crecía el equipo y descubrieron que los roles útiles se formaban naturalmente sin estar programados ¹. Con ocho agentes, los compañeros acordaban interfaces y resolvían reclamos superpuestos a través de mensajes directos. A 32 agentes, los trabajadores comenzaron a revisar el trabajo compartido de los demás. A 128 agentes, estandarizaron un protocolo de integración y reutilizaron revisores de confianza. A 1.024 agentes, algunos trabajadores actuaban como integradores mientras otros recuperaban trabajo fallido .

Running Agensh yourself

El lanzamiento incluye una configuración de nodo único que ejecuta ocho trabajadores de forma predeterminada y una línea base de un solo agente, ambos usando Docker Compose en Linux ¹. Necesitas Docker Engine, Compose v2, systemd, cgroup v2 y Python 3.11 o posterior, más una instalación de ProgramBench y un token de API de modelo . Las instrucciones completas están en la guía de reproducción . El código se publica bajo la licencia MIT, aunque los investigadores no revelaron los costos de tokens .

How it compares

Datos del lanzamiento de Microsoft Research ¹.

Esta historia informa sobre una tendencia solo con fines informativos. No es un consejo ni un aliento para hacer ninguna de estas cosas.

How good is it

Los investigadores de Microsoft probaron Agensh en ProgramBench, donde los agentes reconstruyen programas reales de código abierto desde cero ¹. Con GPT-5.6 Sol en alto esfuerzo de razonamiento, la tasa de aprobación promedio en las cinco tareas más difíciles aumentó del 19,31 % con un agente al 28,78 % con 128 agentes, una ganancia de aproximadamente el 49 % relativo . En la tarea Pandoc específicamente, las puntuaciones subieron del 33,89 % con un agente al 55,06 % con 1.024 agentes . La velocidad también mejoró: 128 agentes aprobaron el 30 % de las pruebas de Pandoc en 30 minutos, mientras que 32 y 8 agentes necesitaron 60 y 90 minutos respectivamente para alcanzar el mismo punto de control .

Los datos clave

• Microsoft abrió el código fuente de Agensh, un sistema multiagente para hasta 1.024 agentes de codificación sin coordinador central
• En ProgramBench, 128 agentes elevaron la tasa de aprobación promedio del 19,31 % al 28,78 % con GPT-5.6 Sol
• GPT-6.1 Sol con 32 agentes alcanzó el 79,59 % en la tarea Pandoc, una mejora del 41,64 % sobre un agente
• Agensh se ejecuta en Linux con Docker Compose, usando Gitea, Mattermost y un tablero de contexto compartido
• El código tiene licencia MIT; no se revelaron los costos de tokens

Fuentes

1. Microsoft Open-Sources Agensh: A Multi-Agent Harness for 1,024 Agents — marktechpost.com