The Pulse
Microsoft rilascia Agensh, testato con 1.024 agenti di IA
Il 24 ottobre Microsoft ha pubblicato come open source Agensh, un’infrastruttura multiagente progettata per consentire agli agenti di IA di coordinarsi senza un coordinatore centrale. Nei test riportati dagli autori, 1.024 agenti hanno port
AI.info Team · Scritto con l’IA · verificato ·
«Passando da 1 a 128 agenti, la percentuale media finale di test superati sale dal 19,31% al 28,78%, con un miglioramento relativo di circa il 49%».
Zhihao Zhan e altri, Microsoft Research
Il 24 ottobre Microsoft ha reso pubblico Agensh, rilasciando l’infrastruttura multiagente, gli script per avviare gli esperimenti e una guida per riprodurre i test. Il progetto è pensato per consentire agli agenti che sviluppano software di suddividersi il lavoro e combinare i risultati senza che un agente centrale assegni i compiti. Gli autori avevano presentato il sistema in un preprint del 22 settembre; il nuovo repository GitHub pubblica l’implementazione con licenza MIT.
Gli agenti si assegnano i compiti e integrano il proprio lavoro
Agensh mette a disposizione di ogni agente tre strumenti di coordinamento condivisi: uno spazio di lavoro per le attività proposte e completate, un sistema di messaggistica e un contesto condiviso per le scoperte e i compiti già presi in carico. Gli agenti leggono gli aggiornamenti degli altri, prendono in carico i compiti, li svolgono, verificano i risultati e integrano i contributi, poi ripetono il ciclo. Lo fanno in modo asincrono, quindi un agente non deve aspettare che il resto del gruppo completi una fase.
L’implementazione descritta usa Gitea per lo spazio di lavoro condiviso e Mattermost per i messaggi, con un contesto condiviso adattato da DeLM. Agensh si colloca al di sopra dell’ambiente di esecuzione già usato dal singolo agente, anziché sostituirlo; negli esperimenti Microsoft usa l’infrastruttura Copilot. Lo studio descrive adattatori leggeri per collegare il livello organizzativo ad altre infrastrutture sottostanti, tra cui Claude Code.
Il risultato con 1.024 agenti riguarda Pandoc
Gli autori hanno testato il sistema su ProgramBench, dove gli agenti devono ricostruire software a partire dal comportamento osservato e dalla documentazione inclusa, senza accesso a Internet. Su cinque compiti difficili — FFmpeg, GROMACS, Pandoc, PHP-src e ctags — la percentuale media finale di test superati è salita dal 19,31% con un agente al 28,78% con 128, entro un limite di sei ore. Il modello usato era GPT-5.6-sol, con un livello elevato di impegno nel ragionamento.
Il dato relativo a 1.024 agenti proviene da un test separato su Pandoc, non dalla media dei cinque compiti. In quel test, dopo sei ore, la percentuale finale di test superati è passata dal 33,89% con un agente al 50,94% con 128 e al 55,06% con 1.024. Lo studio riferisce che i 1.024 agenti erano distribuiti su 16 macchine, con 64 agenti per macchina, e che la loro attivazione era scaglionata per ridurre i conflitti sul lavoro.
Il confronto presenta una riserva legata ai prompt
I risultati principali sono quelli ottenuti negli esperimenti degli autori, non la prova che ogni miglioramento dipenda soltanto dall’aggiunta di agenti. Secondo il loro rapporto, la configurazione di riferimento con un solo agente ha ricevuto uno speciale prompt di stop-hook perché le esecuzioni con un solo agente raramente proseguono per tutte le sei ore; l’organizzazione multiagente ha invece usato un rilevatore di inattività che invia un prompt agli agenti dopo dieci minuti senza attività. Questa differenza significa che il confronto riportato va considerato un risultato relativo alle configurazioni testate, non una misura che isoli nettamente l’effetto del numero di agenti.
Anche il risultato con 1.024 agenti misura un solo compito, Pandoc, mentre la media sui cinque compiti si ferma a 128 agenti. Gli autori riferiscono che durante la ricostruzione non c’era accesso a Internet: questo esclude che gli agenti potessero cercare le implementazioni già esistenti dei progetti bersaglio, ma limita ciò che i test dimostrano sul lavoro al di fuori di questo benchmark. Né la pubblicazione del progetto né lo studio indicano una cifra per i costi di inferenza.
Per riprodurre la configurazione non basta clonare il repository
Il repository include una configurazione del gruppo su un singolo nodo con Docker Compose e una configurazione di riferimento autonoma con un solo agente, entrambe basate su sessioni Copilot ACP native. La guida alla riproduzione richiede Linux, Docker Engine, Compose v2, systemd e cgroup v2, oltre a un endpoint del modello configurato e alle credenziali. I valori predefiniti documentati sono otto agenti e sei ore per compito.
Il rilascio è quindi utile agli sviluppatori che vogliono esaminare l’infrastruttura o ripetere il benchmark, mentre il risultato più ampio dello studio resta un test circoscritto della ricostruzione parallela di software. Per Pandoc, la differenza misurata tra 128 e 1.024 agenti è stata di 4,12 punti percentuali a parità di tempo a disposizione, pari a sei ore.