跳转至

MetaGPT

用标准作业流程（SOP）把软件需求依次交给产品、架构、工程和测试角色。

论文信息

字段 内容
论文链接 MetaGPT: Meta Programming for A Multi-Agent Collaborative Framework
公司 / 机构 DeepWisdom / Xiamen University / KAUST 等
首次公开日期 2023-08-01
原作者代码 已开源
本地 adapter / method key metagpt
本地复现代码 src/auto_research/agent_research/

原始论文总结

背景与主要改动

简单串联多个聊天 Agent 容易让幻觉级联。MetaGPT 把人类软件团队的 SOP 编码成 角色化消息流程，每个角色生产结构化中间物，由下游角色消费和验证。

flowchart LR
    I["issue"] --> P["产品：需求"]
    P --> A["架构：设计"]
    A --> E["工程：patch"]
    E --> Q["测试：回归验证"]
    Q --> R["可执行结果"]

原论文关键图

MetaGPT 原论文 Figure 1

原论文 Figure 1（关键图）：展示原论文方法的总体设计和关键组成。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

其核心是工作流而非单一 loss。本地将过程写成有序状态转移：

\[ s_{t+1}=f_{r_t}(s_t,a_t),\qquad r_t\in\{\mathrm{PM,Architect,Engineer,QA}\}. \]

论文离线与线上效果

论文在 HumanEval 与 MBPP 等协作式软件工程任务上报告比聊天式多 Agent 更连贯、 可执行的结果；没有生产线上 A/B 实验。

本地复现

每个 episode 创建真实临时 Python 仓库；四个角色留下结构化 artifact，工程角色修改 文件，QA 角色通过固定 python -m unittest -q 执行回归测试。

auto-research agent-eval --method metagpt --benchmark swebench-local \
  --episodes 12 --seed 42

稳定指标： agent-code-sandbox-seed42.json。

复现边界

保留 SOP、角色交付物、真实编辑与测试；本地不是完整 MetaGPT LLM 对话，也不是官方 SWE-bench Lite，fixture 仅验证执行链路和可审计 trace。