MetaGPT

这个 Agent 能做什么，适合哪些场景？

MetaGPT 是一个面向软件开发的多智能体框架，将一句需求交给产品经理、架构师、项目经理和工程师等角色协作处理。它以“Code = SOP(Team)”为核心理念，将标准作业流程应用于由 LLM 组成的团队。框架可生成用户故事、竞品分析、需求、数据结构、API 和文档等产物，并可通过 CLI 在 ./workspace 创建项目仓库。除命令行外，它还提供 Python 库接口，包括 generate_repo 和 ProjectRepo。仓库还提供 DataInterpreter 角色，可通过异步 Python 调用执行数据分析任务并包含图表。

用户可运行 metagpt "Create a 2048 game" 提交自然语言需求；MetaGPT 按其软件公司角色与 SOP 处理需求，并在 ./workspace 创建仓库。Python 中可调用 metagpt.software_company.generate_repo("Create a 2048 game")，获得 ProjectRepo 并打印项目结构。运行前可用 metagpt --init-config 创建 ~/.metagpt/config2.yaml，在其中设置 llm.api_type、model、base_url 和 api_key。数据任务可实例化 metagpt.roles.di.data_interpreter.DataInterpreter，再以 await di.run(...) 运行分析请求。

1. 独立开发者只有一句“创建 2048 游戏”的产品想法，希望先生成一个位于本地 workspace 的项目仓库。
2. 产品负责人需要把简短需求展开为用户故事、需求、数据结构、API 和文档等软件交付物。
3. 团队想试验由产品经理、架构师、项目经理和工程师角色共同执行的软件开发 SOP。
4. Python 开发者希望在自己的程序中调用 generate_repo，并通过 ProjectRepo 检查生成的项目结构。
5. 数据分析人员希望用 DataInterpreter 对 sklearn Iris 数据集执行分析并请求包含图表的结果。

如何安装或部署这个 Agent？

需要 Python 3.9 或更高版本、但低于 3.12，并在实际使用前安装 Node.js 和 pnpm。

安装：

pip install --upgrade metagpt

初始化配置：

metagpt --init-config

编辑 ~/.metagpt/config2.yaml，至少填写：

llm.api_type: "openai"
llm.model: "gpt-4-turbo"
llm.base_url: "https://api.openai.com/v1"
llm.api_key: "YOUR_API_KEY"

README 还列出 Azure、Ollama、Groq 等 api_type 选项。

如何使用这个 Agent？

配置完成后，执行：

metagpt "Create a 2048 game"

该命令会在 ./workspace 创建仓库。作为 Python 库使用时：

from metagpt.software_company import generate_repo
repo = generate_repo("Create a 2048 game")
print(repo)

数据分析场景可创建 DataInterpreter() 并在异步函数中调用 await di.run("Run data analysis on sklearn Iris dataset, include a plot")。

这个 Agent 有哪些优点和局限？

这个 Agent 与同类方案有什么区别？

与相关度最高的同类 agent 并排比较关键指标。

FollowAgents 如何评估这个 Agent？

最近版本

来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。

1. v0.8.2 2025-03-09
   发布说明摘录

   fix bugs and some merged PRs

   在 GitHub 查看 ↗
2. v0.8.1 Patch release: v0.8.1 2024-04-22
   发布说明摘录

   fix bug

   在 GitHub 查看 ↗
3. v0.8.0 v0.8.0: Introduction of Data Interpreter, Integration with RAG, and Expanded Support for LLMs 2024-03-29
   发布说明摘录

   Release Highlights Data Interpreter: Open Source and Better "Devin" Data Interpreter is an autonomous agent that uses notebook, browser, shell, stable diffusion, and any custom tool to complete tasks. Data Interpreter has achieved state-of-the-art scores in machine learning, mathematical reasoning, and open-ended tasks, and can analyze stocks, imitate websites, and train models. It can debug code by itself, fix failures by itself, and solve a large number of real-life problems by itself. …

   在 GitHub 查看 ↗

常见问题