多智能体框架：首家人工智能软件公司，迈向自然语言编程

6协议-村兔网前天发布

MetaGPT：多智能体框架

[ En |中 |神父 |日 ] 给GPT分配不同的角色，形成一个协作实体，处理复杂任务。

新闻

🚀 2025年3月10日：🎉 mgx.dev 是@ProductHunt #1周产品！🏆

🚀 2025年3月4日：🎉 mgx.dev 是@ProductHunt每日#1产品！🏆

🚀 2025年2月19日：今天，我们正式发布了自然语言编程产品MGX（MetaGPT X）——全球首个AI代理开发团队。更多详情请见推特。

🚀 2025年2月17日：我们介绍了两篇论文：SPO和AOT，请查看代码！

🚀 2025年1月22日：我们的论文《AFlow：自动化代理工作流程生成》在ICLR 2025上被接受口头报告（排名前1.8%），在基于LLM的代理类别中排名第2。

👉👉 早期新闻

软件公司作为多代理系统

MetaGPT只需输入一行需求，输出用户故事/竞争分析/需求/数据结构/API/文档等。
在内部，MetaGPT包括产品经理/架构师/项目经理/工程师。它提供软件公司的整个流程，并附带精心编排的标准作程序（SOP）。
1. Code = SOP(Team)这是核心理念。我们将标准作业程序（SOP）具体化，应用于由大型语言模型（LLM）组成的团队。

软件公司多智能体原理图（逐步实现）

开始

安装

确保你的系统安装的是Python 3.9或更高版本，但低于3.12。您可以通过以下方法进行验证：。
你可以这样用conda：python --versionconda create -n metagpt python=3.9 && conda activate metagpt

pip install --upgrade metagpt
# or `pip install --upgrade git+https://github.com/geekan/MetaGPT.git`
# or `git clone https://github.com/geekan/MetaGPT && cd MetaGPT && pip install --upgrade -e .`

在实际使用前先安装Node和pnpm。

如需详细安装指导，请参阅 cli_install 或 docker_install

配置

您可以通过执行以下命令启动MetaGPT配置，或者手动创建文件：~/.metagpt/config2.yaml

# Check https://docs.deepwisdom.ai/main/en/guide/get_started/configuration.html for more details
metagpt --init-config  # it will create ~/.metagpt/config2.yaml, just modify it to your needs

你可以根据示例和文档进行配置：~/.metagpt/config2.yaml

llm:
  api_type: "openai"  # or azure / ollama / groq etc. Check LLMType for more options
  model: "gpt-4-turbo"  # or gpt-3.5-turbo
  base_url: "https://api.openai.com/v1"  # or forward url / other llm url
  api_key: "YOUR_API_KEY"

用途

安装后，你可以在CLI使用MetaGPT

metagpt "Create a 2048 game"  # this will create a repo in ./workspace

或者把它当作库用

from metagpt.software_company import generate_repo
from metagpt.utils.project_repo import ProjectRepo

repo: ProjectRepo = generate_repo("Create a 2048 game")  # or ProjectRepo("<path>")
print(repo)  # it will print the repo structure with files

你也可以用数据解释器写代码：

import asyncio
from metagpt.roles.di.data_interpreter import DataInterpreter

async def main():
    di = DataInterpreter()
    await di.run("Run data analysis on sklearn Iris dataset, include a plot")

asyncio.run(main())  # or await main() in a jupyter notebook setting