MetaGPT
多智能体框架，将复杂任务分解后交给具有不同角色定义的AI Agent分别处理，通过消息传递和状态共享实现协作
核心事实
时间轴 (近 90 天)
分工模式通过标准化中间产物传递信息，可降低单个大模型一步到位时的逻辑断裂和上下文丢失问题
MetaGPT由FoundationAgents团队维护
MetaGPT在GitHub上已积累超过67,760颗星标和8,621次Fork
MetaGPT的主力开发语言为Python
MetaGPT的项目副标题为「Towards Natural Language Programming」（迈向自然语言编程）
引入SOP为大模型提供行为约束，使智能体输出更可预期、更易衔接，是MetaGPT区别于自由讨论类多智能体项目的关键设计
当前多智能体框架面临智能体间信息传递误差累积、复杂业务逻辑处理能力有限、生成结果可靠性需人工把关等挑战
应把MetaGPT当作效率放大器而非完全自动化替代人类开发团队的工具
清华大学的MetaGPT采用标准化操作程序(SOP)定义智能体协作流程
MetaGPT采用标准化操作程序(SOP)定义智能体协作流程
还有 6 条时间轴事件
全部知识事实 (20)
MetaGPT模拟软件公司组织架构，让不同AI Agent分别扮演产品经理、架构师、工程师等角色进行多智能体协作
80%已验证2023年以来，斯坦福的Generative Agents、微软的AutoGen和CrewAI等项目证明了多Agent协作在复杂任务中的优越性
80%已验证AutoGen是微软出品的Agent框架，侧重多Agent协作场景，支持多个Agent之间的消息传递与角色分工
80%已验证2023年以来AutoGPT、BabyAGI、CrewAI等AI Agent框架相继涌现
75%已验证AutoGPT、CrewAI、MetaGPT等开源项目在探索多Agent协作框架，但更偏向任务导向
70%已验证基于LLM的智能体框架通常采用ReAct（推理+行动）或Plan-and-Execute等设计模式
65%待验证Claude Code的Agent Teams与AutoGen、CrewAI、MetaGPT等框架的关键区别在于它不是在外部编排层实现多Agent调度，而是在内部原生支持
75%待验证分工模式通过标准化中间产物传递信息，可降低单个大模型一步到位时的逻辑断裂和上下文丢失问题
50%待验证MetaGPT由FoundationAgents团队维护
50%待验证MetaGPT在GitHub上已积累超过67,760颗星标和8,621次Fork
50%待验证MetaGPT的主力开发语言为Python
50%待验证MetaGPT的项目副标题为「Towards Natural Language Programming」（迈向自然语言编程）
50%待验证引入SOP为大模型提供行为约束，使智能体输出更可预期、更易衔接，是MetaGPT区别于自由讨论类多智能体项目的关键设计
50%待验证当前多智能体框架面临智能体间信息传递误差累积、复杂业务逻辑处理能力有限、生成结果可靠性需人工把关等挑战
50%待验证应把MetaGPT当作效率放大器而非完全自动化替代人类开发团队的工具
50%待验证清华大学的MetaGPT采用标准化操作程序(SOP)定义智能体协作流程
50%待验证MetaGPT采用标准化操作程序(SOP)定义智能体协作流程
50%待验证MetaGPT、CrewAI等框架让多个专业化智能体分工协作完成复杂任务
50%待验证SubAgent 模式在 AutoGPT、CrewAI、MetaGPT 等多 Agent 框架中被广泛采用
50%待验证MetaGPT由DeepWisdom团队于2023年开源，其核心创新是将软件工程中的标准化操作流程（SOP）引入多Agent系统
50%