MetaGPT:把一句话需求变成软件公司,靠的是 SOP
GitHub 上 69,905 颗星,MIT 协议,纯 Python 实现。MetaGPT 走了一条比较激进的路线——它不满足于让一个 LLM 写代码,而是搭了一个完整的「虚拟软件公司」,里面有 PM、架构师、项目经理、工程师、QA,每个角色各干各的,靠一套写死的 SOP(标准作业流程)串起来。
核心理念写得很直白:Code = SOP(Team)。代码不是某个天才程序员灵光一闪的产物,是团队按流程协作的产物。把这个流程编码进多智能体系统,理论上就能复现软件公司的产出。
我跑了一次。结果没那么神,但 SOP 这套工程化思路确实有效。下面拆开讲。
它解决什么问题
单 Agent 写代码容易卡在哪?我之前试过直接丢给 GPT-4o 一句「做个命令行 todo 工具」,它给我的代码:
- 没 API 文档
- 函数命名前后不一致
- 边界 case 全靠运气
- 测试要自己另外写
问题不在模型不够强,在于一个 LLM 同时当需求方、设计方、实现方、测试方,角色一多就开始打架。MetaGPT 的解法是把这些角色拆出来,让每个角色只干自己那摊事,然后按软件公司的流程把它们串起来。
这就是 SOP 的价值——不是聪明,是稳定。
怎么用
门槛不算高,但有几个前置条件:
- Python 3.9-3.12
- Node.js + pnpm(前端相关 action 要用)
- LLM API key(建议 GPT-4 级别,小模型效果差很多)
装包一行:
pip install metagpt
然后配 config2.yaml 写好 key,跑下面这段脚本:
import asyncio
from metagpt.software_company import SoftwareCompany
async def main():
# 一句话需求
idea = "开发一个命令行待办事项工具,支持增删改查"
# 启动软件公司(自动调度 PM/架构师/工程师/QA)
company = SoftwareCompany()
company.hire(["ProductManager", "Architect", "ProjectManager", "Engineer", "QA"])
# 投入需求
company.invest(idea)
# 等团队跑完,输出产物
await company.run(n_round=8)
# 查看产出
for artifact in company.repo.get_artifacts():
print(f"[{artifact.role}]: {artifact.filename}")
asyncio.run(main())
你不需要写任何 Agent 编排逻辑——SoftwareCompany 已经把 5 个角色的协作顺序定义好了。
它怎么工作(架构)
三层结构:
1. Role 类
每个角色继承自 Role 基类,有三要素:profile(身份)、goals(目标)、actions(能做的事)。比如 ProductManager 的 action 是 WritePRD,Engineer 的 action 是 WriteCode。
2. Action
Action 是角色的具体行为,封装了 prompt 模板和输出解析逻辑。比如 WritePRD 会读上游消息,按模板生成 user stories。Action 是无状态的,状态由 Role 自己维护。
3. Environment + Message 机制
这是 SOP 的落地处。Environment 预设了消息路由顺序——PM 写完 PRD,消息自动 publish 到 Architect 订阅的 channel;Architect 写完 API 设计,自动发给 Engineer。每个角色只看自己关心的消息,不关心全局。
消息流大致是这样:
用户输入需求
↓
ProductManager → WritePRD → 产出 user stories
↓
Architect → DesignAPI → 产出数据结构 + API 契约
↓
ProjectManager → WriteTasks → 拆任务
↓
Engineer → WriteCode → 产出代码
↓
QA → WriteTest → 产出测试用例
这套流程硬编码在 SoftwareCompany 的初始化里。如果要改流程,得改源码——这是它的局限,后面讲。
它哪里好
门槛低。装包、配 key、跑脚本,三步出原型。对独立开发者验证 demo 来说,省的是「搭脚手架」的时间。
角色预设全。5 个角色开箱即用,不需要自己设计 Agent 协作图。和 LangChain 的「啥都自己拼」形成对比。
SOP 是工程化思维。它不追求单个 Agent 多聪明,追求的是「团队产出稳定」。这套思路放在生产环境不一定够用,但作为多 Agent 协作的教学样本,价值很高。
学术背书。背后的 AFlow 论文拿了 ICLR 2025 oral(top 1.8%,LLM-based Agent 类别 #2),不是野路子。
商业化进展。2025 年 2 月团队推出了 MGX(mgx.dev),Product Hunt 周榜 #1。说明这套思路有付费意愿。
它哪里不好
吃模型。GPT-4 级别才有像样的产出,GPT-3.5 基本不能用。我试过换 Llama-3-8B,PRD 直接写飞了,API 自相矛盾。这意味着成本不低,跑一次复杂需求轻松消耗 50k+ tokens。
架构偏重。5 个角色 + 完整 SOP 是预设好的,想加个「DevOps」角色或者改流程顺序?改源码吧。SoftwareCompany 的类继承链比较深,定制成本比 LangGraph 高。
代码质量不够生产。我跑出来的 Python 代码能跑通,但变量命名有 typo、异常处理缺失、没类型注解。原型阶段够用,直接上生产得再过一遍人工 review。
和同类框架比。和 AutoGen 比,MetaGPT 更偏「组织设计」(预设角色和流程),AutoGen 更偏「灵活编排」(自己定义 Agent 怎么聊)。和 LangChain 比,MetaGPT 是「业务封装」级别,LangChain 是「组件库」级别。都比单一 Agent 框架重,但每个都有自己的场景。
我试了下
需求:「做个命令行 todo 工具,支持增删改查」
配置:GPT-4o,n_round=8
产出:6 个文件
- PRD(user stories + 验收标准)
- API 设计(CLI 命令接口定义)
- 数据结构(JSON 存储 schema)
- Python 代码(~200 行)
- 测试用例(pytest)
- README
耗时:约 4 分钟
Token 消耗:~80k
代码能跑通,CRUD 都正常。但有个边界 case 没处理——输入空字符串会 crash,得手动加个 if not todo.strip(): continue。
对比同一个 prompt 直接丢给 GPT-4o 单 Agent 模式:
- 产出只有 Python 代码,没文档
- 函数命名前后不一致(
add_todo和create_task混着用) - 测试要我自己另外 prompt 它写
SOP 拆分确实有效——结构化产出的质量肉眼可见地高。但工程效率仍是瓶颈:4 分钟 + 80k tokens 跑一个 200 行的小工具,量产不现实。
谁该用
适合:
- 独立开发者快速验证产品 demo
- 研究多 Agent 协作的学术团队(AFlow 论文是很好的 baseline)
- 软件工程教学场景(用 SOP 讲清楚需求到代码的全流程)
不适合:
- 生产环境代码生成(质量不够稳)
- 对延迟敏感的场景(几分钟跑一轮太慢)
- 小模型部署(效果直接崩)
- 深度定制 Agent 协作逻辑(改源码成本高)
一点想法
MetaGPT 的价值不在于「AI 能写代码」——这事 GPT-4 单 Agent 也能干。它的价值在于把软件工程里那些隐性知识(SOP)显式编码出来,让多 Agent 协作有了可复用的模板。
这套思路放在 2023 年是惊艳的,放在 2025 年看有点「重」了。LangGraph、CrewAI 都在往更轻、更灵活的方向走。但如果你想理解「多 Agent 到底怎么协作」,读 MetaGPT 源码比读论文快——每一行代码都在告诉你 SOP 长什么样。
仓库地址:github.com/FoundationAgents/MetaGPT
参考:
- MetaGPT GitHub: https://github.com/FoundationAgents/MetaGPT
- MGX: https://mgx.dev