Microsoft abre Agensh, harness multiagente que testou até 1.024 agentes

A Microsoft abriu o código do Agensh, um harness para equipes de agentes de IA que se organizam sem um coordenador central. O repositório foi disponibilizado em 24 de outubro de 2026, acompanhado de scripts de experimento e guia de reprodução. A proposta é testar se muitos agentes assíncronos, compartilhando contexto, mensagens e um espaço de trabalho, conseguem resolver tarefas de engenharia de software melhor do que uma única instância.

O que é o Agensh

Agensh é um multi-agent harness: uma camada de infraestrutura e regras de cooperação para executar vários agentes sobre um mesmo objetivo. Em vez de um agente “gerente” quebrar a tarefa e distribuir ordens, os trabalhadores descobrem subtarefas, assumem partes do trabalho, compartilham descobertas, verificam resultados e integram alterações de forma assíncrona.

Segundo a documentação oficial, a implementação conecta três componentes: Gitea como espaço de trabalho compartilhado, Mattermost para mensagens e um mecanismo de contexto compartilhado adaptado do projeto DeLM. Cada agente opera localmente, mas enxerga o progresso coletivo. A promessa é que especialização, revisão entre pares e fluxos de integração apareçam gradualmente à medida que a equipe cresce.

Essa arquitetura se diferencia de uma orquestração clássica. Em sistemas centralizados, uma camada define qual agente faz cada etapa; isso facilita auditoria e previsibilidade, mas pode se tornar gargalo ou concentrar erros de planejamento. No modelo do Agensh, a coordenação é emergente. Isso reduz a dependência de um único planejador, porém transfere complexidade para regras de comunicação, conflitos de edição e critérios de conclusão.

Quais resultados a Microsoft reportou

O repositório descreve avaliações nos cinco problemas mais difíceis do ProgramBench. Nesses experimentos, os agentes precisam reconstruir programas de referência a partir de observações de comportamento e documentação fornecida, sem acesso à internet. A Microsoft usou GPT-5.6-sol com esforço de raciocínio alto e orçamento de seis horas.

Nos cinco problemas avaliados, a taxa final média de testes aprovados subiu de 19,31% com um agente para 28,78% com 128 agentes — um ganho relativo de aproximadamente 49%, segundo a empresa. No caso de Pandoc, a taxa final foi de 33,89% com um agente, 50,94% com 128 agentes e 55,06% com 1.024 agentes sob o mesmo limite de seis horas.

O material também apresenta outro conjunto de números com GPT-6.1-sol: em Pandoc, a taxa em seis horas teria passado de 56,19% com um agente para 79,59% com 32 agentes. Os dados sugerem que mais agentes podem ajudar em tarefas grandes e verificáveis, mas não demonstram que a mesma relação vale para toda tarefa de negócio, para qualquer modelo ou para orçamentos menores.

Por que escala não significa produtividade automática

O número “1.024 agentes” chama atenção, mas deve ser interpretado dentro do benchmark. Uma equipe desse tamanho amplifica também consumo de tokens, operações de ferramentas, conflitos de repositório e volume de mensagens. Se cada trabalhador recebe contexto demais ou repete investigação já feita, a paralelização pode aumentar custo sem elevar a qualidade.

O próprio desenho do Agensh tenta reduzir esse risco com um workspace comum, descoberta de subtarefas e verificação. Mesmo assim, um projeto real precisa definir limites de concorrência, permissões de escrita, testes obrigatórios e orçamento por tarefa. A ausência de um orquestrador central não elimina governança; apenas muda onde ela é aplicada.

O que foi aberto e como equipes podem avaliar

A Microsoft disponibilizou o harness, scripts de lançamento de experimentos e um guia de reprodução. Isso é mais útil do que apenas publicar uma tabela de benchmark: permite que pesquisadores e empresas examinem a implementação, reproduzam condições e substituam componentes por seus próprios modelos e ferramentas.

Antes de levar o padrão para produção, uma avaliação responsável deve começar pequena. Uma equipe pode escolher uma tarefa com testes automatizados, criar um ambiente isolado, registrar custo e taxa de sucesso de um agente e só depois comparar com grupos pequenos. Também é prudente separar agentes que pesquisam, implementam e revisam, em vez de permitir que todos editem produção ou tenham as mesmas credenciais.

Para empresas brasileiras, o ponto prático não é montar mil agentes para toda demanda. É identificar fluxos em que a execução paralela traz evidência objetiva de melhoria: migração de uma base grande com suíte de testes, investigação de regressões, documentação técnica consistente ou triagem de dependências. Sem um verificador confiável — testes, critérios de aceite ou revisão humana — uma equipe maior apenas produz mais respostas concorrentes.

Limitações e perguntas em aberto

Os resultados anunciados são de um benchmark específico, com modelos, tarefa, orçamento e condições definidos pelos autores. Não há garantia de que a mesma melhoria apareça em produtos com requisitos de segurança, dados proprietários, latência curta ou efeitos externos irreversíveis. O repositório também não transforma o Agensh em uma solução pronta para operar sistemas críticos.

Há questões de segurança. Agentes que compartilham mensagens e contexto podem propagar instruções maliciosas, segredos incluídos por engano ou decisões erradas em cadeia. Repositórios compartilhados exigem proteção de credenciais, isolamento de ambientes, revisão de pull requests, registros de auditoria e permissões mínimas. Um modelo que “verifica” outro modelo não substitui testes determinísticos e aprovação humana em mudanças de alto impacto.

Análise do NoticIA

Na análise do NoticIA, o valor do Agensh está menos no recorde de quantidade de agentes e mais na abertura do experimento. A discussão sobre agentes costuma ficar em demonstrações isoladas; publicar infraestrutura e um guia de reprodução desloca o debate para hipóteses que podem ser medidas: onde o paralelismo ajuda, quanto custa e quais mecanismos evitam duplicação de trabalho.

O resultado também reforça uma regra operacional: multiagentes não são um atalho para autonomia irrestrita. Eles funcionam melhor quando há uma tarefa decomponível e uma forma externa de avaliar o resultado. Em engenharia de software, testes e repositórios oferecem esse sinal. Em decisões comerciais, jurídicas ou de pessoas, o sinal é menos objetivo e a camada humana precisa ser mais forte, não menor.

Resumo

• Agensh é um projeto aberto da Microsoft para coordenação descentralizada de agentes de IA.
• O sistema usa espaço de trabalho, mensagens e contexto compartilhados para que agentes assumam e verifiquem subtarefas.
• Os benchmarks reportados indicam ganho em tarefas do ProgramBench, especialmente em Pandoc, mas não são uma garantia universal.
• O código e o guia de reprodução permitem auditoria e testes independentes.
• Produção exige limites de custo, permissões mínimas, testes automatizados e revisão humana para ações críticas.