隨著大型語言模型（LLM）的日漸成熟，利用其構建 AI 智能體成為一個新的研究方向。已有研究使用 LLM 驅動多智能體自主完成了一些任務。

然而，現有研究主要集中在簡單任務上，缺乏對復雜任務的探索。這主要是因為大型語言模型存在「幻覺」問題，特別是當多個智能體相互作用時，幻覺會進一步被放大，以至于無法用于復雜任務。

最近，一個名為「MetaGPT」的開源框架嘗試解決這個問題。MetaGPT 旨在將有效的人類工作流程作為元編程方法注入到 LLM 驅動的多智能體協作中。MetaGPT 在 GitHub 上線幾天，就狂攬超過 11.1k star。

項目地址：https://github.com/geekan/MetaGPT

簡單來說，MetaGPT 讓多智能體的協作過程模擬軟件開發公司的工作流程，這就需要為每個智能體分配角色，并規劃智能體的協作過程。軟件開發公司的人員分配情況通常如下圖所示：

具體來說，MetaGPT 首先將標準化操作程序 (SOP) 編碼到 prompt 中，使得多個智能體的協作過程結構化。然后，研究團隊進一步讓輸出模塊化，賦予智能體與人類工作者相當的領域專業知識，以驗證輸出并減少復合錯誤。

通過這種方式，MetaGPT 以工作流水線的形式為各個智能體分配了不同的角色，進而建立了一個能夠有效、凝聚地解構復雜多智能體協作問題的框架。

對于軟件開發來說，系統架構和接口設計是非常關鍵的一步，研究團隊以推薦引擎開發為例，展示了 MetaGPT 中的「架構師智能體」自主生成的系統接口設計：

MetaGPT 可以讓智能體完成多種復雜任務，例如開發一個簡單的游戲軟件，MetaGPT 的任務執行流程可以和人類開發者的 SOP 流程一一對應：

MetaGPT 會收到用戶輸入的需求，就會有智能體作為產品經理進行需求和可行性分析，再由充當架構師、項目經理、工程師的智能體按順序完成軟件開發。最后還有智能體負責對軟件進行全面的測試。整個過程很好地模擬了現實世界的開發過程。

我們來看一個 MetaGPT 完成具體開發任務的例子，用戶只輸入一句需求：寫一個 「21 點游戲（Blackjack）」，MetaGPT 就經過需求分析、任務規劃，成功編寫出游戲代碼：

研究團隊在項目路線圖中介紹道：MetaGPT 短期內將完成自主實現中型項目（約 2000 行代碼）的目標，最終 MetaGPT 將能夠自主訓練、微調、優化、應用和更新。

目前，MetaGPT 已發表研究論文《METAGPT: META PROGRAMMING FOR MULTI-AGENT COLLABORATIVE FRAMEWORK》。

論文地址：https://arxiv.org/pdf/2308.00352.pdf

感興趣的讀者可以閱讀論文，了解更多研究內容。