MetaGPT 获得了来自全世界媒体与网友的认可
这个项目究竟有多火？GitHub Trending 月榜世界第一的开源项目，深受国内外各大平台大v喜爱，纷纷评测分享。
项目地址：https://github.com/geekan/MetaGPT
项目情况
MetaGPT 开源1月时间，截至0807，成功突破10k Stars 大关，获得16.7k Stars，Forks 1.3k。
MetaGPT 荣获 GitHub Trending 月榜世界第一。
社区情况
MetaGPT 社区人数也突破 2.3k。
开发情况
MetaGPT 截至目前，总共产生57个Pull Requests。
论文发布
MetaGPT为什么有效，背后的原理是什么？近期，深度赋智 联合 厦大、港中深、南京大学、宾夕法尼亚大学、及UC伯克利联合发布相关论文。
论文探讨了通过使用由大型语言模型（LLMs）驱动的多智能体系统进行自动任务解决的进展。现有的基于LLM的多智能体系统主要集中在简单的对话任务上。由于LLM的幻觉问题，复杂任务很少被研究。为了解决这个问题，作者引入了MetaGPT，一个新颖的框架，将高效的人类工作流程作为元编程方法整合到基于LLM的多智能体协作中。MetaGPT将标准操作程序（SOPs）编码作为智能体提示，以增强结构化协调。它还要求模块化输出，允许具有领域专长的智能体验证输出并减少复合错误。该框架利用装配线范例为各种智能体分配不同的角色，建立了一个可以有效地解构复杂的多智能体协作问题的框架。在协作软件工程基准测试上的实验结果表明，与现有的基于聊天的多智能体系统相比，MetaGPT产生了更加连贯和正确的解决方案。这突显了将人类领域知识整合到多智能体系统中的潜力，为应对复杂的现实世界挑战提供了新的机会。
下图，提供了MetaGPT和现实世界人类团队之间的软件开发SOP的比较描述。它说明了SOPs如何定义社会中的工作角色和工作流程。在软件工程的背景下，瀑布方法概述了从分析到交付的步骤，促进了角色之间的团队合作。该图展示了MetaGPT如何将高级任务分解为由不同角色处理的详细可操作组件，从而促进了角色特定的专业知识和协调。这种方法反映了人类软件开发团队的工作方式，强调了MetaGPT如何设计来处理复杂任务并促进明确的角色划分。
论文还回顾了LLM为基础的自动编程、多智能体协作和自主系统设计等领域的相关工作。作者强调了将人类SOPs整合到多智能体系统中以增强其有效性的重要性。
MetaGPT的设计分为两个层次：基础组件层和协作层。基础层为单个智能体操作和系统范围的信息交换建立核心构建块，包括环境、内存、角色、动作和工具。协作层在基础组件层的基础上，指导单个智能体协同解决复杂问题。它制定了合作的基本机制：知识共享和封装工作流。
下图，提供了 MetaGPT 框架的概述，展示了两层架构设计。基础组件层对智能体操作和系统范围的通信至关重要，而协作层通过知识共享和工作流封装等机制促进智能体协调。
MetaGPT 的核心机制设计包括角色定义，其中框架促进了创建各种专门的角色类。这些角色与环境互动，通过建立的订阅和发布方法。
下图，提供了 MetaGPT 框架内软件开发过程的示意图。这个图说明了 MetaGPT 中的顺序软件开发过程。在收到人类的要求后，产品经理开始进行需求和可行性分析。接下来，架构师为项目制定了一个具体的技术设计。项目经理然后执行序列流程图以解决每个要求。工程师负责实际的代码开发，最后，质量保证（QA）工程师进行全面的测试。这个示意图展示了 MetaGPT 如何模仿现实世界的软件开发过程。
MetaGPT 框架通过标准化输出来处理复杂任务，这有助于提高多智能体协作的一致性和效率。该框架旨在清晰地表示结构信息，并减少因多次对话而产生的不连贯性。
项目地址：https://github.com/geekan/MetaGPT
Dev情况
近日， MetaGPT 也 host 了首次 Dev组的会议。
对于 MetaGPT 与人类的交互方式也得出了结论。
假设： metaprogramming 会成为 silver bullet，有一个或一些 agents 可以做自动开发。
推理： 到达这个级别，人类不需要太多干预生成， agent 可以最小化与人类的交互，只在必须时对人类求助。
结论： 应该由 agent 发起求助，而非人类干预。
并且，为了能加速迭代到更优的质量，Dev组进一步对齐了需求特性点：
- 长期目标： MetaGPT 的远景是实现自我进化，这包括自我训练、微调、优化、使用和更新。
- 短期目标 ： 短期内，MetaGPT 计划成为投资回报率（ROI）最高的多智能体框架，并支持全自动实施中等规模的项目（约2000行代码）。此外，它还计划完成大部分已确定的任务，以达到0.5版本。
- 可用性： 在可用性方面，MetaGPT 计划发布v0.01版本的 pip包、支持整体保存和恢复软件公司的状态、人工确认和修改流程、支持进程缓存，以及解决代码解析错误等问题。此外，他们还计划编写全方位的文档，支持 Docker，并接受用户的需求添加和修改。
- 特性： 在特性方面，MetaGPT 将专注于提供一个更标准和稳定的解析器，建立独立的输出队列，尝试原子化所有角色工作，并完成模块的设计和实施。它还会支持多种记忆模式，完善测试角色，并允许角色之间的自然沟通。
- 策略： 在策略上，MetaGPT 计划支持 ReAct、CoT、ToT 和 Reflection 策略。
- 行动： MetaGPT 将实现各种行动，包括搜索、知识搜索、数据EDA 和审查。它还计划增加文档、删除文档、进行模型训练、错误调试，以及基于 OpenAPI v3.0生成可靠的单元测试。
- 插件： MetaGPT 将与插件系统兼容，提供完整的用户体验。
- 工具： MetaGPT将支持各种API工具，如SERPER、Selenium 和 Playwright。
- 角色： MetaGPT 的目标是完善每个角色的动作池和技能池，并添加新角色，如小红书博主、电商卖家和数据分析师。
- 评估： 在评估方面，MetaGPT 计划支持游戏数据集的评估，并复制论文来实现单个游戏角色的全技能获取。它还将支持数学数据集的评估，并复制论文来达到当前数学问题解决的最佳实践。
- LLM： MetaGPT 将支持 Claude 底层API、Azure异步API、所有 API 的流式版本，并努力使 gpt-3.5-turbo 可用。
- 其他： 除了上述特点，MetaGPT 还计划清除未使用的代码，统一所有代码的样式，建立贡献标准，并支持多种语言和编程语言。