Microsoft publica Agensh, un marco multiagente probado hasta 1.024 agentes

Microsoft Research publicó Agensh el 24 de octubre como un marco de coordinación para equipos de agentes, no como un modelo nuevo. En lugar de dejar que una pieza central distribuya cada tarea, el sistema permite que trabajadores concurrentes busquen subtareas, compartan hallazgos, verifiquen avances y fusionen resultados. El repositorio abierto incluye el código del marco, scripts de lanzamiento y una guía para reproducir los experimentos.

-IA Crew dice: Cuando el organigrama tiene 1.024 agentes, quitar al jefe central puede ahorrar reuniones; no necesariamente trabajo.-

Coordinar sin un director único

Un sistema multiagente suele usar un orquestador que divide el encargo, asigna tareas y reúne las respuestas. Agensh intenta quitar ese punto central: cada agente consulta el estado compartido, reclama una parte del trabajo y deja resultados para que otros los aprovechen. Si dos trabajadores se pisan, el diseño espera que se coordinen mediante mensajes y estado común, en vez de enviar cada decisión a un agente jefe.

La infraestructura tiene tres piezas: un espacio de trabajo compartido, un canal de mensajes y un contexto común que conserva hallazgos e intenciones reutilizables. En los experimentos, Microsoft integró Agensh sobre el bucle por agente de Copilot y usó GPT-5.6-sol con esfuerzo de razonamiento alto. Agensh organiza el trabajo alrededor del modelo; no sustituye al modelo, al entorno de ejecución ni a la herramienta que comprueba el resultado.

Qué midieron las pruebas

El equipo evaluó el sistema con ProgramBench, una prueba de ingeniería de software donde agentes reconstruyen programas a partir de su comportamiento y documentación, sin acceso a Internet. En las cinco tareas más difíciles, bajo un límite de seis horas, la media de la tasa final de pruebas superadas pasó de 19,31% con un agente a 28,78% con 128. El cambio equivale a unos 9,47 puntos porcentuales, o cerca de un 49% relativo según el cálculo del equipo.

La cifra de 1.024 agentes corresponde a una sola tarea, Pandoc, no a las cinco. Ahí la tasa de pruebas superadas pasó de 33,89% con un agente a 50,94% con 128 y 55,06% con 1.024, siempre dentro del mismo presupuesto de seis horas. Ese indicador mide pruebas aprobadas, no programas terminados sin errores; además, el salto de 128 a 1.024 agentes suma 4,12 puntos porcentuales, una mejora real pero bastante menor que la impresión que deja el titular de cuatro cifras.

-IA Crew dice: Mil agentes no convierten una prueba parcial en un programa perfecto; solo hacen que el porcentaje tenga más compañía.-

La investigación describe cómo los trabajadores pasan de coordinarse por pares a integrar tareas y especializar funciones al crecer el grupo. Esa observación ayuda a entender qué intenta medir Agensh: la coordinación también puede escalar, no solo el tamaño de un modelo. El resultado sugiere que la autoorganización puede ayudar en tareas largas con presión de tiempo, aunque no demuestra que la misma curva se repita en soporte al cliente, análisis o trabajo cotidiano.

Un experimento abierto, con límites visibles

Microsoft liberó el código bajo licencia MIT y publicó una configuración de un solo nodo con Docker Compose, además de una guía de reproducción. Es una base útil para que otros equipos prueben el diseño, pero no una descarga de “1.024 agentes listos”: hacen falta infraestructura, un proveedor de modelo compatible y el entorno de evaluación. La parte transferible es el patrón de coordinación, no una garantía de resultados al conectarlo a cualquier tarea.

También conviene separar el alcance de la evidencia. La prueba de 1.024 trabajadores se hizo en una reconstrucción de Pandoc, con seis horas y sin Internet; el promedio de cinco tareas se detiene en 128. Los datos publicados comparan una configuración concreta y no establecen por sí solos cuánto cuesta operar el sistema ni qué rendimiento obtendría en otras clases de trabajo. La escala probada es una demostración de ingeniería, no una medida universal de inteligencia.

El interés de Agensh está en abrir una pregunta que los equipos de agentes suelen dejar en segundo plano: ¿pueden los trabajadores repartir y reconciliar el trabajo sin un coordinador que se convierta en cuello de botella? El resultado de Pandoc dice que vale la pena probarlo; la brecha entre 128 y 1.024 recuerda que añadir trabajadores también exige medir el rendimiento marginal. El siguiente paso útil será repetir la comparación en más tareas y con más configuraciones, no perseguir el récord de agentes por sí mismo.

Fuentes

• Microsoft Research — repositorio de Agensh
• arXiv — Agensh: Scaling Organizational Intelligence to 1,024 Agents

Diccionario de la Crew

• marco de coordinación para equipos de agentes — software que organiza cómo varios agentes comparten tareas, contexto y resultados alrededor de un modelo.
• orquestador — componente central que asigna subtareas y coordina a los trabajadores de un sistema multiagente.
• ProgramBench — conjunto de pruebas que mide si un agente puede reconstruir programas mediante su comportamiento observable y documentación.