探索MetaGPT：构建高效合作代理的大规模模型解决方案

最新推荐文章于 2025-04-03 17:30:21 发布

AGI大模型学习

最新推荐文章于 2025-04-03 17:30:21 发布

阅读量1.1k

点赞数 25

文章标签：大模型教程人工智能产品经理大模型大模型学习大模型入门 GPT

本文链接：https://blog.csdn.net/2401_84495872/article/details/144088526

版权

前言

MetaGPT 框架将标准的操作程序（SOP）与基于大模型的多智能体相结合，使用标准操作程序来编码提示，确保协调结构化和模块化输出。

MetaGPT 允许 Agent 在类似流水线的范式中扮演多中角色，通过结构化的 Agent 协作和强化领域特定专业知识来处理复杂任务，以提高在协作软件工程任务中解决方案的连贯性和正确性。

可能小伙伴们还很陌生，不太明白具体它能做什么，我下面通过具体例子详细来介绍分析一下。

我们以软件公司举例，我们拥有老板，产品经理，架构师，项目经理，工程师和测试角色。

每个角色各司其职处理复杂的任务，MetaGPT 就像是模仿了这些角色，通过一些需求，它可以输出用户故事，竞争分析，需求，数据结构，API，文档等。

然后 MetaGPT 通过精心安排来模拟软件公司的流程，它的核心理念就是 Code = SOP（Team），将 SOP 具体化应用于由大模型组建的团队。

老板为项目设定需求，
产品经理负责编写和修订产品需求文档，
架构师负责编写和修订设计，审查产品需求文档和代码，
项目经理编写任务，分配任务，审查产品需求文档，设计和代码，
工程师编写代码，调试代码，
测试工程师进行测试，确保软甲质量。

由 MetaGpt 描述的这个合作环境中，每个角色都为项目开发和完成作出贡献。

下面我们从头开始进入 MetaGPT 。

1.MetaGPT安装

pip install metagpt

安装完成之后执行下面命令生成 config2.yaml 配置文件

metagpt --init-config

然后打开如下目录：

在这里插入图片描述

打开配置文件，填写你的 openai key ：

  api_type: "openai"  # or azure / ollama / open_llm etc. Check LLMType for more options
  model: "gpt-4o-mini"  # or gpt-3.5-turbo-1106 / gpt-4-1106-preview
  base_url: ""  # or forward url / other llm url
  api_key: ""

当然不仅仅支持 openai ，还支持 claude，智普，科大讯飞，谷歌，千帆，阿里通义 以及我们本地的 ollama 等多种大模型，它们的配置字段都一样，根据自己的需要进行配置。

ollama API：

  llm:
  api_type: 'ollama'
  base_url: 'http://127.0.0.1:11434/api'
  model: 'llama2'

阿里云 DashScope API：

llm:
  api_type: dashscope
  api_key: 'YOUR_API_KEY'
  model: 'YOUR_ENDPOINT_NAME like qwen-max'

2:简单的团队协作处理任务

导入角色，架构师，开发工程师，产品经理，项目经理：

import asyncio
from metagpt.roles import (
    Architect,
    Engineer,
    ProductManager,
    ProjectManager,
)
from metagpt.team import Team

然后开始后续组建团队，配备代理，设定预算，并提供预先编写的小游戏的要求：

async def startup(idea: str):
    company = Team()
    company.hire(
        [
            ProductManager(),
            Architect(),
            ProjectManager(),
            Engineer(),
        ]
    )
    company.invest(investment=3.0)
    company.run_project(idea=idea)

    await company.run(n_round=5)

然后用 fire 库来简化命令行接口的创建：

async def main() :
    await startup(idea="Create a 2048 game")
#执行程序
if __name__ == "__main__":
    fire.Fire(main)

运行python 文件 py .\game2048.py：

在这里插入图片描述

可以看到这次的花费是3美元，并且由产品经理Alice(模拟角色)开始编写文档，content 里面是产品经理写的文档具体内容，我们可以大致看一下。

比如给定义游戏语言，定义游戏规则，定义游戏的特性等等，感兴趣的小伙伴可以详细了解。

接下来就是架构师登场：

在这里插入图片描述

架构师bob定义了项目结构，项目风格，接口规范。

然后项目经理开始做项目分析，需要用到的第三方库，中间件，每个代码文件里面的结构风格。

在这里插入图片描述

最后就是我们的开发人员开始具体的功能开发，对每个文件的补充，完成产品经理的需求。

在这里插入图片描述

我们可以打开我们的 workspace 工作目录，这是 MetaGPT 自动为我们生成的，里面存储了模拟角色为我们写的文档，分析，以及代码。

整个项目到此就生成好了。

在这里插入图片描述

可以尝试运行他试试，进入它的目录 game_2048，执行 py main.py：

在这里插入图片描述

由我们创建的公司一起完成的项目就成功啦！！

3:模拟花艺销售公司

我们定义三个角色，库管，运营以及客服，看看 metagpt 是怎么通过设定复杂的角色完成我们花艺销售的过程的。

import re
import fire
from metagpt.actions import Action, UserRequirement
from metagpt.logs import logger
from metagpt.roles import Role
from metagpt.schema import Message
from metagpt.team import Team
# 定义订单处理动作
class ProcessOrder(Action):
# 定义订单处理角色
class OrderProcessor(Role):
# 定义库存管理动作
class ManageInventory(Action):
# 定义库存管理角色
class InventoryManager(Role):
  
# 定义客服处理动作
class HandleCustomerService(Action):
# 定义客服处理角色
class CustomerServiceRepresentative(Role):
# 主函数
async def main(
    order_details: str = "A bouquet of red roses",
    investment: float = 3.0, #消费
    n_round: int = 5,        
    add_human: bool = False,
):
    logger.info(order_details)
    team = Team()
    team.hire(
        [
            OrderProcessor(),
            InventoryManager(),
            CustomerServiceRepresentative(is_human=add_human),
        ]
    )

    team.invest(investment=investment)
    team.run_project(order_details)
    await team.run(n_round=n_round)

# 执行程序
if __name__ == "__main__":
    fire.Fire(main)

运行我们的文件，可以看到我们要的一束玫瑰，交给运营销售下单，然后库管检查库存，够得话就减一，确保库存数量足够，最后客服给我们反馈订购成功。

可以看到整个一个流程由 MetaGPT 模拟角色自主的完成。