マイクロソフトリサーチは2026年10月24日、大規模なコーディングタスク向けのオープンソース多エージェント実行時フレームワークであるAgenshを公開しました。中央調整者（オーケストレーター）に依存する主流のエージェントフレームワークとは異なり、Agenshは完全な非中央集権型設計を採用しています。すべてのエージェント（ワーカー）は同一のプロンプト駆動型5段階の協調サイクルを実行し、文脈を自律的に取得し、サブタスクを申請し、操作を実行し、結果を検証して進捗を統合します。この過程において、事前に設定されたリーダー役割は一切存在しません。
システムは3つのコアサービスによって支えられています：Giteaが共有コードリポジトリをホストし（ブランチ、プルリクエスト、競合管理を含む）、Mattermostがチームチャンネルとピアツーピアメッセージを提供し（緊急タスクの重複協議に使用されます）、DeLMを改良した構造化ディスカバリーボードがOBSERVED／FACT／FAIL／CLAIM／PATCH_SUMMARYなどの種類の情報を記録します。すべてのロジックはプロンプトに組み込まれており、差別化されるのはエージェントIDのみです。Agenshは既存の単一エージェントフレームワーク（たとえばGitHub Copilot CLI）に追加して利用できるほか、軽量なアダプターを通じてClaude Codeなどの他のツールチェーンにも接続可能です。
ProgramBenchのベンチマークテストにおいて、Agenshは6時間の制限時間内に、FFmpeg、gromacs、pandoc、PHP-src、ctagsという最も困難な5つのプログラムの逆コンパイルタスクを完了しました（ファイル数は2,767～26,266）。実測結果によれば、GPT-5.6-solモデルを使用した場合、5つのタスクの平均通過率は、1エージェント時の19.31％から128エージェント時で28.78％へと上昇し（+9.47ポイント、相対増加49％）、pandoc単一タスクでは1024エージェントで55.06％に達していましたが、更新されたGPT-6.1-solモデルを採用したところ、32エージェントで79.59％にまで向上しました。速度面では、128エージェントが30分以内にpandocタスクの通過率30％を達成しており、小規模な構成に比べて著しく高速です。
規模の拡大に伴い、システムは自発的に協調モードを創発する：8エージェントではインターフェースの自主的な交渉とタスクの重複解消が可能になり、32エージェントではピアレビューおよび反例駆動型の撤回メカニズムが導入され、128エージェントでは信頼できるレビュアーの再利用と統合プロトコルの標準化が実現し、1024エージェントの段階では一部のエージェントが自然に統合調整および障害復旧の役割を担う——いずれの役割もハードコーディングされていない。デプロイ要件としては、Linux環境、Docker Compose v2、cgroup v2、およびPython 3.11以上が必要であり、デフォルトでは単一ノードに8エージェントが配置される。1024エージェントを実現するには16ノード（各ノードに64エージェント）が必要で、各エージェントのメモリ上限は64 GiB、入出力トークンの制限はそれぞれ272,000および128,000である。
プロジェクトのコードはMITライセンスでオープンソースですが、具体的なAPI呼び出しコストについては公表されていません。公式には、単一ノードのDocker Compose構成、単一エージェントのベースライン、および完全な再現手順が提供されています（ProgramBench v1.2.5と有効なモデルAPIキーが必要）。このフレームワークは基盤となるモデルの能力を変更するものではなく、協調のパラダイムを再構築することで、超大規模なAIエージェント間の協調に向けた検証可能かつ拡張可能な技術的道筋を提供します。