Agensh: 1,024 에이전트 규모로 조직 지능 스케일링
Agensh: Scaling Organizational Intelligence to 1,024 Agents
멀티 에이전트 시스템은 작업을 동시에 실행함으로써 복잡한 과제의 지연(latency)을 줄일 수 있다. 여러 선구적인 하네스(harness) 프레임워크가 멀티 에이전트 시스템을 지원한다. 그러나 현재 멀티 에이전트 하네스의 확장성은 작업을 할당하고 워커를 조율하는 중앙 오케스트레이터의 처리 능력에 의해 종종 제약된다. 이 한계를 해결하기 위해 중앙 오케스트레이터 없이 확장 가능한 자기 조직화(self-organized) 멀티 에이전트 하네스인 Agensh를 제안한다. 동시에 동작하는 워커들이 멀티 에이전트 협력 루프를 실행하며, 맥락을 지속적으로 수집하고, 하위 과제를 클레임(claim)하여 스스로 할당하며, 행동을 취하고 결과를 공유하고, 결과를 검증하며, 진행 상황을 비동기적으로 병합한다. 이 루프는 세 가지 구성 요소로 이루어진 에이전틱 조직(agentic organization) 인프라가 뒷받침한다. 공유 워크스페이스는 제안·진행·완료된 작업을 보관하고, 메시지 인터페이스는 워커 간 통신을 가능하게 하며, 공유 컨텍스트는 재사용 가능한 발견과 작업 의도를 유지한다. Agensh의 확장성을 검증하기 위해 GPT-5.6-sol (high)로 ProgramBench에서 가장 어려운 다섯 과제를 평가했다. 에이전트 수를 1에서 128로 늘리면 평균 최종 테스트 통과율이 19.31%에서 28.78%로 상승하여 약 49%의 상대적 향상을 보인다. 더 큰 조직은 더 이른 시점에 비슷한 테스트 통과율에 도달한다. pandoc 과제에서는 에이전트를 1에서 1,024로 늘리면 최종 테스트 통과율이 33.89%에서 55.06%로 상승한다. 워커 궤적은 또한 조직이 커질수록 다양한 형태의 자기 조직화 협력이 점진적으로 출현(emerge)하고 표준화됨을 보여 준다. 이러한 결과는 에이전트 수를 멀티 에이전트 조직이 일반 지능(general intelligence)의 프론티어를 넓히기 위한 새로운 스케일링 차원으로 삼을 수 있음을 보여 주며, 엄격한 지연 제약이나 시간 예산 하의 복잡한 과제에 대한 실용적 해결책을 제공한다.