Agensh（アゲンシュ）は、中央のオーケストレータを置かずに最大1,024体のエージェントが協調する、Microsoft Researchのマルチエージェント・ハーネス（multiagent harness）のOSSだ。2026-10-24にハーネス本体・実験の起動スクリプト・再現ガイドが公開され、プレプリントはarXiv 2609.26781にある。この記事では公式リポジトリとLICENSE、READMEを実際にクローンして確かめた事実（★515・MIT・タグv1.0）と、論文が報告するスケーリングの数値を条件つきで整理する。まず結論を1枚の図で示す。

WHAT IT REPLACES何を代替するか

中央の指揮者を置かないマルチエージェント

オーケストレータ型

中央が各エージェントに指示を配る

  • 指揮役が全体を割り振る
  • 規模を上げると指揮役が詰まる
  • 役割は設計で固定

Agensh（自己組織型）

各ワーカーが自分で仕事を取る

  • 中央オーケストレータなし
  • 最大1,024エージェントに拡大
  • 役割分担が協調から創発（論文報告）
出典: microsoft/Agensh README（2026-10-26時点）

30秒でわかるAgensh（2026-10-26時点）

  • ・正体：中央指揮役を置かず1,024体まで拡大する、Microsoft Researchの自己組織型マルチエージェント・ハーネス（MIT）
  • ・何ができる：各ワーカーが「収集→取得→行動→検証→マージ」の協調ループを非同期に回し、共有ワークスペースで進捗をつなぐ
  • ・実測：公式リポジトリをクローンし★515・MIT・タグv1.0・main最新コミット0468a3eを確認（起動の再現は未検証）
  • ・注意：スケーリングの数値は論文の報告値で、特定ベンチ・特定モデル・6時間・ネット接続なしの条件下

マルチエージェントの設計を俯瞰したい人は、AIエージェントフレームワーク比較2026｜LangGraph・CrewAI・Dify等9種をStar数・実コードで検証もあわせて読むと位置づけが掴みやすい。

Agenshとは｜中央オーケストレータを置かないマルチエージェント・ハーネス

Agenshは「A Decentralized, Scalable Multiagent Harness」と名乗る。READMEの一文を借りれば、自己組織的に1,024体までスケールするマルチエージェント・ハーネスだ。ハーネスとは1体のエージェントを動かす仕組み（agentic loop）を指す語で、Agenshはそれをチームの単位へ広げる。

読者が最初に抱く3つの問いに、先に答えておく。

・何ができる：1つのゴールを多数のエージェントで分担し、互いの成果を検証しながら前に進める。各ワーカーはサブタスクを見つけて取得（claim）し、行動し、結果を検証し、進捗を共有基盤へマージする
・何を解決する：中央の指揮役が1体だと、規模を上げたときにそこが詰まる。Agenshは指揮役を置かず、各ワーカーが自分で仕事を取ることでこの壁を外しにいく
・何を代替する：単体エージェントの agentic ループや、中央が指示を配るオーケストレータ型の設計。両者の間に「自己組織型」という選択肢を足す

公式の事実関係も先に確定させておく。リポジトリをgit cloneしてLICENSEの実体を読むと、MITライセンス（Copyright Microsoft Corporation）だった。タグはv1.0が1つ、既定ブランチはmainで最新コミットは0468a3e（Initial release of Agensh）。GitHubページ上のスター数は515、フォークは60だった（2026-10-26時点）。著者はZhan・Song・Dong・Huang・Lian・Xia・Weiら（Furu Wei を含む）で、引用情報はREADMEのBibTeXに載っている。

どう動くか｜5手の協調ループと3つの共有基盤

Agenshの中心は「協調ループ（cooperation loop）」だ。各ワーカーは中央からの指示を待たず、次の5手を非同期で繰り返す。

HOW IT WORKS協調ループ

各ワーカーが非同期に回す5つの手

共有基盤

Gitea・Mattermost・共有コンテキスト

  1. コンテキスト収集
  2. サブタスクを取得
  3. 行動する
  4. 結果を検証
  5. 進捗をマージ
出典: microsoft/Agensh README（2026-10-26時点）

・コンテキスト収集：いま何が分かっていて、何が足りないかを集める
・サブタスクの取得（claim）：共有ワークスペースから自分が担う仕事を取る
・行動：コードを書く、調べる、試すなどの作業を進める
・結果の検証：自分やピア（同じチームの別エージェント）の成果が正しいかを確かめる
・進捗のマージ：できたものを共有基盤へ非同期に統合する

全ワーカーが足並みをそろえずに進むのがポイントで、進捗の共有はインフラが受け持つ。READMEによれば、共有ワークスペースはGitea、メッセージのやり取りはMattermost、共有コンテキストの仕組みはDeLMから取り入れている。実験では、この協調ループをGitHubのCopilot harness（copilot-cli）が持つ各エージェントの agentic ループの上に実装した、とある。言い換えると、Agensh自体は「1体を賢く動かす部分」を自前で作らず、既存のエージェントの仕組みの上に「チームで協調する層」を載せる構造だ。

論文は、チームが大きくなるにつれて、ピア同士の協調・統合のワークフロー・役割の専門化が設計ではなく自然に現れた（創発した）と述べている。これはAgenshの主張の核だが、あくまで論文の観察として受け取るのが妥当だ。

スケーリングの結果は何を示したか（論文の報告値・条件つき）

Agenshの看板は「規模を上げると成績が伸びる」という結果だ。ただしこれは、ProgramBenchの最も難しい5タスク・GPT-5.6-sol（高reasoning）・6時間予算・ネット接続なしという特定の条件で測った、論文とREADMEの報告値である。手元で再現したものではない。

SCALING RESULTスケーリングの結果

Pandoc の最終テスト合格率（論文の報告値）

1エージェントGPT-5.6-sol

33.89

128エージェントGPT-5.6-sol

50.94

1,024エージェントGPT-5.6-sol

55.06
出典: arXiv 2609.26781 / README。Pandocタスク・6時間・ネット接続なし・特定モデルの報告値（未再現）

数値を並べると次のとおり。改善の向きは一貫して上向きだが、伸び幅は規模が上がるほど小さくなる（逓減する）こと、そしてタスクやモデルに依存することを読み落とさないでほしい。

指標（報告値） 1エージェント 128エージェント 1,024エージェント
5タスク平均の最終合格率（GPT-5.6-sol） 19.31% 28.78%（相対+約49%） ―
Pandocの最終合格率（GPT-5.6-sol） 33.89% 50.94% 55.06%
Pandocの最終合格率（GPT-6.1-sol） 56.19% 79.59%（32体・相対+41.64%） ―

5タスク平均では1体19.31%→128体28.78%（相対で約49%の改善）。Pandoc単体では1体33.89%→128体50.94%→1,024体55.06%で、128体から1,024体への伸びは約4ポイントにとどまる。より新しいGPT-6.1-sol（高reasoning）では、Pandocの6時間合格率が1体56.19%→32体79.59%（相対+41.64%）と報告されている。モデルが変われば基準点も伸び方も変わるため、「1,024体にすれば必ず良くなる」とは読めない。大きいチームほど同程度の合格率へ早く到達した、という記述もある。

何に使えて、何を代替するのか

Agenshの立ち位置は既存のマルチエージェント設計と並べると見えやすい。下の表は中央指揮の有無と役割の決め方で3つを整理したものだ。

観点 単体エージェント オーケストレータ型 Agensh（自己組織型）
指揮の中心 なし（1体で完結） 中央が割り振る 中央を置かない
仕事の割り当て 自分だけ 指揮役が配る 各ワーカーが自分で取得
規模の上げ方 上げられない 指揮役がボトルネックになりやすい 1,024体まで実験
役割分担 単一 設計で固定 協調から創発（論文報告）
進捗の共有 ― 中央が集約 共有基盤へ非同期にマージ

単体のコーディングエージェントで足りる仕事を、わざわざ多数のエージェントに置き換える必要はない。Agenshが代替しにいくのは、むしろ「1つの難しいゴールに多くの試行を投げたいが、中央の指揮役が規模で詰まる」場面だ。YCが公開したqm（マルチプレイヤー・エージェント基盤）や、エージェントの実行基盤を差し替えるOmnigent（メタハーネス）とは、同じ「複数エージェントを束ねる」系でも狙いが異なる。計画・ファイル・サブエージェントを1プロセス内で組むdeepagentsが「1体を深く動かす」側だとすれば、Agenshは「多数を横に広げる」側に寄っている。

過大評価しないための前提

  • ・数値は特定ベンチ・特定モデル・6時間・ネット接続なしの報告値で、業務タスク一般に当てはまる保証はない
  • ・改善は逓減し、規模を上げるほどインフラ（Gitea・Mattermost・多数コンテナ）の運用コストが増える

Agenshを試すには｜単ノードのチームと単体ベースライン

公開されているのは、1,024体規模の本番実験そのものではなく、再現の入口となる2つの構成だ。REPRODUCE.mdによれば、Docker Composeによる単ノードのチーム構成と、単体エージェントのベースラインで、どちらもGitHub CopilotのネイティブなACPセッションとProgramBenchのv6クリーンルームを使う。既定値は8ワーカー・1タスク6時間・gpt-5.6-sol・高reasoning・27.2万トークンのプロンプト窓だ。

git clone https://github.com/microsoft/Agensh
cd Agensh
# チーム（単ノード）の起動前チェック
PREFLIGHT_ONLY=1 bash scripts/launch_single_node.sh
# 単体エージェントのベースライン（設定はJSONで渡す）
python3 scripts/launch_single_agent.py --config /path/to/baseline.json

検証環境：Linux（x86_64）／2026-10-26

  • ・公式リポジトリをクローンしてREADME・REPRODUCE.md・LICENSEを読み、★数・ライセンス・タグ・最新コミットを確認した

未検証の範囲

  • ・上記スクリプトの実行（Docker Engine・Compose v2・systemd・cgroup v2・ProgramBench・モデルゲートウェイが前提で、GPT-5.6-solの入手も要る）
  • ・1→128→1,024体のスケーリングと合格率の数値（論文の報告値であり、手元では再現していない）

前提条件は重い。Linux上のDocker、Compose v2、systemd、cgroup v2に加え、Bash・Make・Python 3.11以上・uvなどのホストツール、Dockerへのパスワードなしsudoが要る。ProgramBenchは別に導入し、固定したコミットに合わせる。評価にはモデルのゲートウェイ（例としてgpt-5.6-sol）が必要で、単体ベースラインの起動スクリプトは高reasoningのgpt-5.6-sol以外を受け付けない。つまり「手元のPCで気軽に1,024体」という性質のものではなく、評価の再現を目的にした研究用のハーネスだと理解しておくのがよい。

ライセンスと採用判断

コードはMITで、商用利用・改変・再配布の自由度は高い。一方で、README・REPRODUCE.mdはこれを「実験の再現」の文脈で提示しており、汎用のマルチエージェント・フレームワークとして製品に組み込む使い方は前面に出ていない。採用を考えるなら、次の線引きが実務的だ。

・向いている：自己組織型の協調や「規模で性能が伸びるか」を自分の課題で検証したい研究・R&Dの文脈。既存のCopilotベースのエージェント実行環境を持っている
・待った方がよい：少人数のエージェントで足りる業務自動化。重いインフラ（Gitea・Mattermost・多数コンテナ・systemd前提）を運用できない
・必ず添える：社内で数値を引用するなら「ベンチ・モデル・時間・ネット接続なし」の条件をセットにする

まとめ

この記事の結論

  • ・Agenshは中央指揮を置かず各ワーカーが協調ループを非同期に回す、Microsoft Researchの自己組織型マルチエージェント・ハーネス（MIT・★515・タグv1.0）
  • ・規模で合格率が伸びるのは事実の報告だが、特定条件・逓減・モデル依存が前提。1,024体やGPT-5.6-solの再現は手元では難しく、公開物は単ノードのチームと単体ベースライン

参照ソース

・microsoft/Agensh（公式リポジトリ） — README・REPRODUCE.md・LICENSE（MIT）・タグv1.0を確認（2026-10-26時点）
・Agensh: Scaling Organizational Intelligence to 1,024 Agents（arXiv 2609.26781） — スケーリングの報告値と協調ループの技術報告