"MetaGPT: Meta Programming for A Multi-Agent Collaborative Framework" 论文笔记

MetaGPT 发表于 ICLR 2024(Oral)，首次将标准化操作流程（SOP）引入多智能体系统，实现了多智能体系统解决复杂任务的能力

背景

当前基于 LLM 的多智能体系统已经能够解决简单对话任务，但在处理复杂任务（如软件开发）时面临严峻挑战。现在的问题是简单的串联 LLMs 容易导致 "级联幻觉"，信息在传递过程中失真，最终生成的代码难以执行或质量低下；像 AutoGPT、LangChain 等框架虽然具备通用问题解决能力，但缺乏系统性地分解复杂需求（特别是软件工程需求）的机制。它们生成的代码通常较短、逻辑不完整，且无法正确处理跨文件的依赖关系

收到人类社会协作的启发，标准化操作流程（SOP） 是确保复杂项目（如软件开发）高效、高质量完成的关键。SOP明确了不同角色的职责、工作流程和中间产物的标准。本文提出了 MetaGPT，核心创新在于将人类 SOP 注入刀多智能体系统中

方法

Agents in SOP

MetaGPT 预定义了五个核心角色，每个角色有明确的个人档案（名称、目标、约束）和专业技能

1. 产品经理（Product Manager）：负责分析需求，产出标准的产品需求文档（PRD），包括用户故事、需求池，甚至生成竞品分析象限图
2. 架构师（Architect）：将PRD转化为系统设计，包括文件列表、数据结构、接口定义（API）等
3. 项目经理（Project Manager）：将系统设计拆解为具体的开发任务列表，并分配给工程师
4. 工程师（Engineer）：负责编写具体的代码实现，并执行和调试代码
5. QA工程师（QA Engineer）：编写测试用例，对代码进行审查，确保质量

所有 Agents 严格遵循一个线性的、类似流水线的 SOP 驱动的工作流

用户需求 → 产品经理(PRD) → 架构师(系统设计) → 项目经理(任务拆分) → 工程师(代码实现) → QA工程师(测试与审查) → 可运行的软件

Communication Protocol

为了解决 "级联幻觉" 问题，MetaGPT引入了结构化的通信机制

• 全局消息池（Message Pool）：所有智能体将结构化的消息（如PRD文档、系统设计图表、代码文件）发布到一个共享池中
• 发布-订阅机制（Publish-Subscribe）：智能体根据自己的角色订阅相关的消息。例如，架构师只关注产品经理发布的 PRD 消息，工程师则关注项目经理分配的任务和系统设计文档，这避免了无关信息的干扰
• 结构化输出：要求智能体输出结构化、标准化的中间产物，而不是自由形式的自然语言。这大大提高了信息传递的准确性和一致性，是减少幻觉的关键

Executable Feedback

该设计用于在运行时（Runtime）提升代码质量。Engineer Agent 在生成初步代码后，会实际执行该代码（例如，运行Python脚本）。如果执行过程中出现错误（如缺少依赖、语法错误），错误信息会被捕获并反馈给工程师智能体。Engineer Agent 会结合错误信息和存储在记忆中的PRD、系统设计，进行反思和代码修正，直至代码可执行为止。这个机制在实验中被证明能带来显著的性能提升

实验

在 HumanEval 和 MBPP 上和领域大模型进行了比较，在 SoftwareDev 上和现有的一些多智能体框架进行了比较（这里结果省略）

思考

本文在未来前景中提到，在现实世界的团队合作中，交互过程往往不是硬编码的。例如在一家软件公司中，协作的标准操作程序（SOP）可能会动态变化，这个可能是一个很好的思考的点