IA en un minutoNoticiasAgentes
Microsoft publica el código de Agensh, que pone a trabajar en equipo hasta 1.024 agentes de IA sin un coordinador central
Redacción de IA en un minuto · Editor: Jon Elgezabal
En 30 segundos
Agensh, el sistema de Microsoft Research para que muchos agentes de IA programen juntos, ya tiene su código abierto en GitHub con licencia MIT. Los agentes se reparten el trabajo por su cuenta, sin un jefe central, y se apoyan en un espacio común, mensajes y un registro de hallazgos. En Pandoc, 1.024 agentes superaron el 55,06 % de las pruebas en seis horas, frente al 33,89 % de uno solo.
El sábado 24 de octubre, según su repositorio, Microsoft Research publicó en GitHub el código de Agensh, un sistema con el que muchos agentes de IA programan en equipo sin que un agente central reparta las tareas. Se publica con licencia MIT, de código abierto, en una versión 1.0 que incluye el propio sistema, los programas para lanzar los experimentos y una guía para reproducirlos.
El estudio que presentaba Agensh salió el 22 de septiembre en arXiv, firmado por siete investigadores de Microsoft Research. Sus autores explican que los sistemas multiagente actuales suelen tener un límite en el coordinador central, que es quien asigna el trabajo y dirige a los demás.
En Agensh, cada agente busca una parte de la tarea y se la asigna, comparte lo que descubre, comprueba los resultados y suma sus avances a los del resto sin esperar a nadie. Para coordinarse usan tres piezas: un espacio de trabajo compartido con lo propuesto, lo que está en marcha y lo terminado (montado con Gitea); un sistema de mensajes (Mattermost), y un contexto común que guarda los hallazgos reutilizables y lo que cada agente piensa hacer. En los experimentos, cada agente funciona con Copilot CLI, de GitHub.
Para medirlo, los autores eligieron las cinco tareas más difíciles de ProgramBench, en las que hay que rehacer programas a partir de cómo se comportan y de la documentación que los acompaña. Usaron GPT-5.6-sol con esfuerzo de razonamiento alto, seis horas de plazo y ningún acceso a Internet. Con 128 agentes, la media de pruebas superadas subió del 19,31 % con uno solo al 28,78 %, una mejora relativa de aproximadamente el 49 %. Los equipos más grandes llegaron antes a resultados parecidos.
En Pandoc, el conversor de documentos, el porcentaje de pruebas superadas pasó del 33,89 % con 1 agente al 50,94 % con 128 y al 55,06 % con 1.024, siempre en seis horas. El repositorio añade un dato que no estaba en el estudio: con GPT-6.1-sol, el modelo más reciente, la cifra en Pandoc va del 56,19 % con 1 agente al 79,59 % con 32, una mejora relativa del 41,64 %.
Según los autores, a medida que el equipo crece surgen solos, poco a poco, la coordinación entre agentes, formas de trabajo para integrar los cambios y papeles especializados. La versión publicada permite montar un equipo en una sola máquina con Docker Compose y lanzar un agente solo como punto de comparación. El repositorio no menciona ningún producto comercial ni precios.
Por qué importa · análisis y opinión
Hasta ahora, lanzar más agentes a la vez solía chocar con un cuello de botella: el agente que reparte el trabajo. Agensh propone quitarlo y dejar que el equipo se organice solo, y con el código abierto cualquiera puede comprobar si los resultados se sostienen fuera de los laboratorios de Microsoft. Falta bastante para el uso diario: las pruebas son tareas de programación concretas, con un plazo fijo y sin Internet, y el repositorio no dice cuánto cuesta mantener cientos de agentes trabajando durante horas. Para un equipo técnico, lo aprovechable ya es la guía de reproducción, que permite medir en una sola máquina si dividir un encargo entre varios agentes compensa frente a uno solo.
Fuente oficial: Microsoft · Redactada con ayuda de IA: cómo hacemos las noticias
