KutatásHír
Agensh: 1024 AI-agent dolgozik együtt, főnök nélkül
🇬🇧 Read this article in English →
A Microsoft kutatói nyílt forrásúvá tették az Agensh rendszert, amelyben akár 1024 kódoló agent osztja szét magától a munkát. Több agenttel ugyanannyi idő alatt jobb eredmény jön ki, de a gyorsulás nem lineáris.
Írta: Mikola Máté Patrik · · 2 perc olvasás
Mikola Máté Patrik
Mi jelent meg?
A Microsoft kutatói október 24-én MIT licenccel nyílt forrásúvá tették az Agensh nevű multiagent harnesst (GitHub). A preprint szeptember 22-én jelent meg az arXivon (arXiv). A rendszerben nincs központi orchestrator: az agentek maguk keresik meg és foglalják le a részfeladatokat, megosztják az eredményeiket, ellenőrzik egymás munkáját, majd aszinkron módon összefésülik a haladást.
- Közös munkaterület: Gitea repó.
- Üzenetküldés: Mattermost, az agentek egymásnak és közös csatornákon is írnak.
- Közös kontextus: a DeLM projektből átvett mechanizmus, amelybe az agentek rövid bejegyzéseket írnak (például claim, fail, patch summary).
- Az egyes agentek saját ciklusa a GitHub Copilot CLI-re épül. A kiadás Docker Compose alapú, egy gépes beállítást és reprodukciós útmutatót tartalmaz.
Mit mértek?
A ProgramBench öt legnehezebb feladatán tesztelték: az agenteknek referenciaprogramokat kellett újraírniuk a viselkedésük és a dokumentáció alapján, internet nélkül, hat óra alatt. GPT-5.6-sol modellel az átlagos tesztsikeresség 1 agenttel 19,31%, 128 agenttel 28,78% volt, ez kb. 49%-os relatív javulás.
A Pandoc dokumentumkonvertert 1 agent 33,89%-ra, 128 agent 50,94%-ra, 1024 agent 55,06%-ra rakta össze ugyanannyi idő alatt. Az újabb GPT-6.1-sol modellel a Pandoc-eredmény 1 agenttel 56,19%, 32 agenttel 79,59% lett. A kutatók szerint a csapat növekedésével maguktól alakultak ki szerepek, integrációs folyamatok és egyeztetési szokások.
Forrás: Microsoft Research. A Pandoc-feladat tesztsikeressége az agentek számának függvényében, GPT-5.6-sol és GPT-6.1-sol modellel.
Miért érdekes?
A legtöbb multiagent rendszer ma egy vezérlő agentre épül, amely szűk keresztmetszet lesz, ha sok munkást kell irányítania. Az Agensh azt mutatja, hogy a fejlesztőcsapatok bevált eszközei (repó, chat, közös jegyzetek) agenteknek is működnek. A számok egyben a határokat is jelzik: 1024 agent csak kb. 21 százalékponttal teljesített jobban egyetlen agentnél a Pandocon, a futtatás költsége viszont ennek sokszorosa. A gyakorlatban egy jobb modell többet hozhat, mint sok párhuzamos agent, ezt érdemes saját költségkerettel összevetni.
MI segítségével készült, szerkesztő ellenőrizte. Hogyan készülnek a cikkeink
Szerkesztőségünk ellenőrizte és szerkesztette. Rólunk
