MetaGPT 教程

概述

MetaGPT 是一个多 Agent 协作框架，核心理念是 Code = SOP(Team) —— 将人类软件工程的 SOP（标准作业程序）编码为 LLM Agent 的协作流程。

核心特性

• 软件公司隐喻：为 LLM 分配产品经理、架构师、工程师等不同角色，通过标准化 SOP 协同完成从需求到代码的全流程
• 三种反应模式：支持 react（标准 ReAct 循环）、by_order（顺序执行 action）、plan_and_act（先计划后执行）
• 消息路由系统：基于 cause_by 标签和 addresses 地址的消息发布/订阅机制
• Data Interpreter：可自主编写和执行 Python 代码的数据分析 Agent，内置 Jupyter 执行器
• RoleZero：新一代通用 Agent 基类，支持动态思考、工具推荐、经验检索和意图路由
• 多模型支持：OpenAI、Azure、Anthropic、Gemini、Ollama、智谱、千帆、Spark 等 10+ 模型提供商

快速开始

安装

pip install --upgrade metagpt

CLI 使用

metagpt "Create a 2048 game"

作为库使用

from metagpt.software_company import generate_repo

repo = generate_repo("Create a 2048 game")
print(repo)

Data Interpreter

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())

教程目录

开发架构

章节	标题	核心内容
01	软件公司隐喻与多 Agent 系统	SOP 编码为 Agent 协作、Team 组装、MGX 商业化
02	Role 核心循环与三种反应模式	_observe → _think → _act 循环、react/by_order/plan_and_act
03	Action 系统与 ActionNode 结构化输出	Action 原子能力、ActionNode 约束 LLM 输出格式
04	Environment 消息路由与多角色协同	消息发布/订阅、异步并行执行、ExtEnv 游戏环境
05	Memory 系统与消息过滤	三级记忆架构、向量长短期记忆、任务级隔离
06	软件公司工作流：从需求到代码	PRD → Design → Task → Code → Review 流水线
07	Data Interpreter：数据分析与代码执行 Agent	Jupyter 代码执行、Plan-and-Execute 架构
08	RoleZero：动态思考与工具执行	三层意图路由、工具推荐、经验检索、快速思考
09	LLM Provider 多模型适配层	10+ 模型提供商、注册表模式、重试与成本追踪
10	Tool 注册表与推荐系统	工具注册、BM25 推荐、工具执行映射
11	扩展环境：Android/Minecraft/Werewolf	ExtEnv 游戏环境集成、Gymnasium 接口
12	序列化、状态恢复与成本追踪	JSON 序列化、中断恢复、Token 成本控制