MetaGPT
访问网站
扫码查看
复制链接

将自然语言转化为软件产品的多智能体框架

标签：AI , MetaGPT , 多智能体 , 开源 , 自动化 , 自然语言编程 , 软件开发

MetaGPT

AI专业工具 / 智能体开发37 次浏览

综合介绍

MetaGPT 是一个开源的多智能体框架，它能将一句话的需求，转化为用户故事、竞品分析、需求、数据结构、API、文档等。 MetaGPT 内部包含了产品经理、架构师、项目经理、工程师等多种AI智能体角色，模拟一个完整的软件公司开发流程。 其核心理念是“代码 = 标准作业程序(SOP) x 团队”，通过将标准作业程序（SOP）应用于由大型语言模型（LLM）组成的团队，来实现软件的快速开发。 用户只需输入一句话需求，MetaGPT 就可以生成完整的项目代码和相关文档。 它不仅可以用于软件开发，还可以应用于数据分析、研究报告等多种场景。

商业版本：MGX (MetaGPT X)

功能列表

  • 多智能体协作: MetaGPT 将不同的角色分配给各个GPT，模拟软件公司中的产品经理、架构师、项目经理和工程师等角色，协同完成复杂任务。
  • 标准作业程序 (SOP): MetaGPT 将软件开发流程标准化，通过SOP来规范不同智能体之间的协作，减少错误和提高效率。
  • 自动化软件开发: 用户仅需提供一句话的需求，MetaGPT就能自动生成用户故事、竞品分析、需求文档、数据结构、API接口和代码。
  • 代码审查和自动纠错: MetaGPT 在生成代码后会进行预编译和执行，提前发现并修正错误，保证代码质量。
  • 可扩展性: 用户可以根据自己的需求，添加更多的智能体或招募外部领域的专家智能体来解决特定问题。
  • 多种应用场景: 除了软件开发，MetaGPT 还可以应用于数据分析、市场调研、虚拟助理等多种场景。
  • 支持多种LLM: 支持OpenAI、Azure、Ollama、Groq等多种大型语言模型。

使用帮助

安装

在开始使用 MetaGPT 之前，请确保您的系统中已安装 Python 3.9 或更高版本（但低于3.12）。您可以通过以下命令检查 Python 版本：

python --version

推荐使用 conda 来创建独立的虚拟环境：

conda create -n metagpt python=3.9 && conda activate metagpt

接下来，使用 pip 来安装 MetaGPT：

pip install --upgrade metagpt

或者，您也可以从 GitHub 克隆最新的代码进行安装：

git clone https://github.com/geekan/MetaGPT && cd MetaGPT && pip install --upgrade -e .

在实际使用之前，还需要安装 node 和 pnpm。

配置

安装完成后，您需要对 MetaGPT 进行配置。可以通过运行以下命令来初始化配置文件：

metagpt --init-config

该命令会在您的用户目录下创建一个 ~/.metagpt/config2.yaml 文件。您需要根据自己的情况修改此文件，主要是配置您所使用的大型语言模型（LLM）的 API Key。

以下是一个 OpenAI 的配置示例：

llm:
api_type: "openai"  # 或者 azure / ollama / groq 等，更多选项请查阅文档
model: "gpt-4-turbo" # 或者 gpt-3.5-turbo
base_url: "https://api.openai.com/v1" # 或者是其他模型的URL
api_key: "YOUR_API_KEY" # 在这里填入您的API Key

使用

配置完成后，您就可以在命令行中使用 MetaGPT 了。

1. 生成一个完整的软件项目

最简单的用法是直接在命令行中输入您的需求。例如，要创建一个“2048”游戏，只需运行：

metagpt "Create a 2048 game"

MetaGPT 会在当前目录下的 workspace 文件夹中，自动生成一个包含源代码、需求文档、架构图等在内的完整项目。

2. 作为库在代码中使用

您也可以将 MetaGPT 作为库集成到您自己的 Python 项目中。通过调用 generate_repo 函数，可以同样实现项目的生成：

from metagpt.software_company import generate_repo
from metagpt.utils.project_repo import ProjectRepo
# "Create a 2048 game" 是您的项目需求
repo: ProjectRepo = generate_repo("Create a 2048 game")
# 打印生成的项目结构
print(repo)

3. 数据分析师（Data Interpreter）

MetaGPT 还内置了数据分析师（DI）的角色，可以用来执行数据分析任务，并生成图表。

下面是一个使用数据分析师分析 sklearn Iris 数据集的例子：

import asyncio
from metagpt.roles.di.data_interpreter import DataInterpreter
async def main():
# 创建一个数据分析师实例
di = DataInterpreter()
# 运行数据分析任务，并要求包含一个图表
await di.run("Run data analysis on sklearn Iris dataset, include a plot")
# 在Jupyter Notebook等异步环境中，可以直接 await main()
asyncio.run(main())

这段代码会执行数据分析，并可能生成一个关于 Iris 数据集的可视化图表。

4. 创建和使用自定义工具

MetaGPT 允许用户创建自己的工具，并在智能体中使用。创建工具的过程很简单，只需在 metagpt/tools/libs 目录下创建您的函数或类，并使用 @register_tool 装饰器进行注册。

例如，创建一个计算阶乘的工具：

  • 在 metagpt/tools/libs/calculate_factorial.py 文件中添加以下代码：
import math
from metagpt.tools.tool_registry import register_tool
@register_tool()
def calculate_factorial(n):
"""
Calculate the factorial of a non-negative integer.
"""
if not isinstance(n, int) or n < 0:
raise ValueError("Input must be a non-negative integer")
return math.factorial(n)
  • 然后，您就可以在您的代码中，通过 DataInterpreter 来使用这个新创建的工具了。

应用场景

  1. 软件开发MetaGPT 最核心的应用场景就是自动化软件开发。无论是网页应用、小游戏还是命令行工具，用户只需提出需求，MetaGPT就能模拟一个完整的开发团队，从需求分析到代码实现，最终交付一个完整的项目。
  2. 数据分析和报告通过其内置的数据分析师角色，MetaGPT 可以执行复杂的数据分析任务，并生成可视化报告。这对于需要快速从数据中获取洞察的商业分析师或研究人员非常有用。
  3. 教育和学习MetaGPT 可以作为一个教学工具，帮助初学者理解软件开发的完整流程。用户可以通过观察 MetaGPT 如何将一个需求分解为不同角色的任务，并最终生成代码，来学习软件工程的最佳实践。
  4. 快速原型验证当您有一个新的产品想法时，可以使用 MetaGPT 快速构建一个可用的原型，以便进行市场验证和功能测试，这大大缩短了产品从概念到原型的时间。

QA

  1. MetaGPT 支持哪些大型语言模型？MetaGPT 支持多种大型语言模型，包括 OpenAI 的 GPT-4 和 GPT-3.5，以及 Azure、Ollama、Groq 等提供的模型。用户可以在配置文件中自由选择和切换。
  2. 使用 MetaGPT 的成本如何？根据官方文档，使用 GPT-4 API 生成一个包含分析和设计的示例大约需要花费0.2美元，而一个完整的项目大约需要2美元。具体成本取决于任务的复杂度和所使用模型的定价。
  3. MetaGPT 和其他 AI 编程工具有什么不同？MetaGPT 的核心区别在于其“多智能体协作”和“标准作业程序（SOP）”的理念。它不是一个单一的 AI 编程助手，而是模拟一个完整的软件公司团队，通过角色扮演和标准化的流程来解决复杂问题，这使得它在处理复杂项目时比单一智能体系统更加可靠和高效。
  4. 我需要懂编程才能使用 MetaGPT 吗？对于基本的使用，例如通过一句需求生成一个完整的项目，用户不需要具备编程知识。但如果想要进行更深入的定制，例如创建自己的智能体或工具，那么就需要具备一定的 Python 编程能力。
微信微博Email复制链接