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)
开源Agent项目主流可分为三类：编排框架（如LangChain、LlamaIndex、AutoGen、CrewAI）、通用型Agent产品开源版（如OpenHands、MetaGPT）、轻量级SDK（如OpenAI Agents SDK、Claude Agent SDK）。
MetaGPT是一个多智能体协作框架，通过模拟软件公司的角色分工（如产品经理、架构师、工程师）让多个智能体协同完成复杂任务。
应用开发重点技能方向包括大模型相关（微调、量化、部署、集群使用）和智能体相关（MetaGPT、LangChain等框架）。
AutoGen和CrewAI更侧重多智能体之间的角色分工与协作对话；MetaGPT强调用标准化流程（SOP）约束智能体团队产出。
多代理思路在 AutoGPT、MetaGPT 等开源项目以及 CAMEL、AgentVerse 等学术研究中已有探索。
现有多智能体框架如AutoGen、CrewAI的主流做法仍是显式编排，由人类预先定义角色、任务流和通信拓扑
AutoGen 由微软推出，与 MetaGPT 同属多 Agent 框架
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
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
MetaGPT由FoundationAgents团队维护
还有 10 条时间轴事件
全部知识事实 (20)
2023年以来，AutoGPT、MetaGPT、CrewAI等多智能体框架相继出现
90%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
80%已验证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2023年以来AutoGPT、BabyAGI、CrewAI等AI Agent框架相继涌现
80%已验证AutoGen是微软研究院出品的多Agent协作框架，通过可编程的对话模式实现Agent间的灵活协作
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
70%已验证LangChain、AutoGPT、MetaGPT、CrewAI是代表性的Agent框架
70%已验证现有多智能体框架如AutoGen、CrewAI的主流做法仍是显式编排，由人类预先定义角色、任务流和通信拓扑
65%已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
65%待验证AutoGPT、CrewAI、MetaGPT等Agent框架更侧重于提供预定义的Agent角色和协作模式，而DeepAgents更强调底层运行时的健壮性和可控性
70%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
60%待验证开源Agent项目主流可分为三类：编排框架（如LangChain、LlamaIndex、AutoGen、CrewAI）、通用型Agent产品开源版（如OpenHands、MetaGPT）、轻量级SDK（如OpenAI Agents SDK、Claude Agent SDK）。
50%待验证MetaGPT是一个多智能体协作框架，通过模拟软件公司的角色分工（如产品经理、架构师、工程师）让多个智能体协同完成复杂任务。
50%待验证应用开发重点技能方向包括大模型相关（微调、量化、部署、集群使用）和智能体相关（MetaGPT、LangChain等框架）。
50%待验证AutoGen和CrewAI更侧重多智能体之间的角色分工与协作对话；MetaGPT强调用标准化流程（SOP）约束智能体团队产出。
50%待验证多代理思路在 AutoGPT、MetaGPT 等开源项目以及 CAMEL、AgentVerse 等学术研究中已有探索。
50%待验证AutoGen 由微软推出，与 MetaGPT 同属多 Agent 框架
50%待验证MetaGPT的主力开发语言为Python
50%