What is MetaGPT and how does it work?

MetaGPT is a multi-agent framework where role‑based agents (PM, Architect, Engineer, QA) collaborate to produce structured outputs like PRDs, designs, and code. It coordinates tasks, shares context, and lets you plug in local or cloud LLMs for each role.

How do I install and set up MetaGPT?

Install via pip or from source, configure your LLM (OpenAI, Anthropic, or local via Ollama), and set environment variables for model access. Then define agents, create a team, and run a task to generate artifacts like PRDs and code.

Can I use MetaGPT with local LLMs like DeepSeek or Llama?

Yes. Using Ollama, you can run models like DeepSeek‑Coder or Llama locally and point MetaGPT to the local endpoint. This reduces cost and improves privacy for sensitive projects.

What are best practices for prompts in MetaGPT?

Use structured briefs with objectives, users, constraints, success metrics, and deliverables. Assign each agent a clear mandate and provide schema‑based output formats (e.g., JSON/YAML) to reduce ambiguity.

How do I prevent agents from looping or producing low-quality code?

Add step limits and review gates, enforce output schemas, and use specialized models per role (e.g., reasoning‑strong for Architect, code‑strong for Engineer). Include a Tester/Linter agent and run unit tests automatically.

كيفية استخدام MetaGPT: دليل عملي لتدفقات العمل متعددة الوكلاء

إذا تمنيت يومًا أن يتصرف الذكاء الاصطناعي الخاص بك كفريق منتج منظم—مدير منتج، مهندس معماري، مهندس، مختبر—يعملون بالتوازي نحو هدف مشترك، فإن MetaGPT هو الإطار الذي يجعل ذلك ممكنًا. في هذا الدليل العملي والموجه نحو الحلول، سنرشدك خطوة بخطوة من التثبيت إلى بناء تدفقات عمل متعددة الوكلاء، بالإضافة إلى أفضل الممارسات، ونصائح حل المشكلات، وأمثلة حقيقية يمكنك تكييفها اليوم.

في النهاية، ستتمكن من تثبيت MetaGPT، وإعداد خط أنابيب متعدد الوكلاء، وكتابة مطالبات أفضل، وتوسيعه بالأدوات ونماذج LLM، وتسليم شيء مفيد—بسرعة.

ما هو MetaGPT (ولماذا هو مهم)

MetaGPT هو إطار متعدد الوكلاء مصمم لتنسيق وكلاء متخصصين—مثل مدير المنتج، المهندس المعماري، المبرمج، والمختبر—ليسجلوا مهامًا معقدة بشكل تعاوني. بدلاً من اعتماد ذكاء اصطناعي واحد ضخم يقوم بكل شيء، يقوم MetaGPT بتكوين نظام من الوكلاء حسب الأدوار مع سياق مشترك، وذاكرة، وتوجيه للمهام. النتيجة: تنتقل المشاريع من الفكرة إلى المنتج النهائي مع تقليل الحاجة إلى التدخل اليدوي وزيادة التزامن.

أدوار متعددة الوكلاء: تحديد مسؤوليات مميزة (مثل صياغة وثيقة متطلبات المنتج PRD، تصميم النظام، الترميز).

المخرجات المشتركة: يمرر الوكلاء مخرجات منظمة (PRD → التصميم → الكود → الاختبارات).

نماذج LLM قابلة للإضافة: اختر النماذج سواء المحلية أو السحابية حسب التكلفة، السرعة، والخصوصية.

أدوات قابلة للتوسيع: أضف أدوات استرجاع، تنفيذ كود، أو واجهات برمجة تطبيقات خارجية.

للحصول على نظرة شاملة ولماذا ينجح، راجع الأدلة المستقلة التي تشرح كيف ينظم MetaGPT الفرق وتوليد الكود. وفي مثال عملي لتدفق العمل (أتمتة متطلبات المنتج باستخدام نماذج محلية)، تعرض دورة IBM التعليمية دمج MetaGPT مع نماذج Ollama وDeepSeek لإنتاج PRDs بشكل كامل.

البدء السريع: تثبيت MetaGPT خلال 15 دقيقة

إليك إعدادًا نظيفًا يعمل على macOS وLinux وWSL.

1) المتطلبات الأساسية

Python 3.10+ وpip

Node.js/npm (لبعض الأدوات والتكاملات إذا كنت تخطط للتجربة)

اختياري: Docker (لبيئات قابلة لإعادة الإنتاج) وOllama (لنماذج LLM المحلية)

تحقق من بيئتك:

python --version
pip --version
node -v
npm -v

إذا اخترت مسار النماذج المحلية، قم بتثبيت Ollama وسحب نموذج (مثل DeepSeek أو إصدارات Llama 3)، كما هو موضح في مثال أتمتة PRD.

2) تثبيت MetaGPT

# الخيار أ: من PyPI (إذا كان متوفرًا)
pip install metagpt
# الخيار ب: من المصدر (موصى به لتتبع الأمثلة)
git clone <org>/MetaGPT.git
cd MetaGPT
pip install -r requirements.txt

راجع ملف README الخاص بالمشروع لأحدث خطوات التثبيت والخيارات الإضافية. كما تشرح أدلة المجتمع خطوات محلية تشمل فحوص npm وإعداد بايثون.

3) إعداد نماذج LLM الخاصة بك

نماذج سحابية: قم بتصدير المفاتيح (مثل OPENAI_API_KEY وANTHROPIC_API_KEY).

نماذج محلية: شغل ollama serve واختر نموذجًا؛ وجه MetaGPT إلى نقطة النهاية المحلية.

مثال .env (قم بالتعديل حسب مزودك):

OPENAI_API_KEY=sk-...
MODEL_NAME=gpt-4o-mini
# أو محلي
LLM_ENDPOINT=
MODEL_NAME=deepseek-coder

أول تدفق عمل متعدد الوكلاء خاص بك

لننشئ خط أنابيب بسيط "فكرة → PRD → تصميم → كود". يمكنك تكييفه لتطبيقات الويب، السكريبتات، أو أدوات البيانات.

التدفق المفاهيمي

وكيل مدير المنتج: يوضح الأهداف، المستخدمين، ومقاييس النجاح؛ يكتب PRD.

وكيل المهندس المعماري: يقترح تصميم النظام، واجهات برمجة التطبيقات، والمقايضات.

وكيل المهندس: يكتب كود مهيكل بناءً على التصميم.

وكيل ضمان الجودة/المراجع: يراجع الكود، يكتب اختبارات، ويشير إلى المشاكل.

هيكل المثال (بايثون)

from metagpt import MetaTeam, Agent, Role
from metagpt.llms import LLM
# 1) تحديد خلفية LLM
llm = LLM(model_name="gpt-4o-mini") # أو أشر إلى نموذج محلي
# 2) تعريف وكلاء بالأدوار المحددة
pm = Agent(name="PM", role=Role.PRODUCT_MANAGER, llm=llm)
arch = Agent(name="Architect", role=Role.ARCHITECT, llm=llm)
eng = Agent(name="Engineer", role=Role.ENGINEER, llm=llm)
qa = Agent(name="QA", role=Role.QA, llm=llm)
# 3) إنشاء فريق بذاكرة وسياق مشترك
team = MetaTeam(agents=.
---
## كتابة مطالبات يفهمها متعدد الوكلاء
MetaGPT يتألق حين تعطيه تعليمات منظمة ومدركة للأدوار. فكر كمدير يكتب ملخصًا لأربعة متخصصين.
- الهدف: جملة واحدة توضح الهدف النهائي.
- المستخدمون والنطاق: من الذي يستفيد وما هو المشمول/المستبعد.
- القيود: حدود واضحة (التقنية المستخدمة، التأخير، الخصوصية، الميزانية).
- مقاييس النجاح: كيف يبدو الأداء الجيد.
- المخرجات: مستندات صريحة (PRD، مخطط، هيكلة المستودع، اختبارات).
مثال موجز:
```yaml
objective: بناء أداة سطر أوامر Python تقرأ PDF وتنتج ملخص صفحة واحدة بصيغة Markdown.
users: .
---
## أفضل الممارسات للحصول على نتائج موثوقة
- ابدأ صغيرًا ثم توسع: تحقق من صحة الخط الأنابيب على مواصفة بسيطة قبل المشاريع الكبيرة.
- دور واحد، مهمة واحدة: تجنب تداخل المسؤوليات لتقليل الالتباس.
- استخدم قوائم مراجعة: اعطِ كل وكيل معايير قبول لنتائجه.
- اعتماد المراجعات: أضف دور مراجعة/قيادة يوافق أو يعيد العمل.
- حافظ على تنظـيم المطالبات: مخططات YAML/JSON تجعل المخرجات أكثر تحديدًا.
- احفظ المخرجات: خزّن PRD/التصميم/الكود على القرص للتتبع وإعادة التشغيل.
- اجمع بين المحلي والسحابي: استخدم النماذج المحلية للمسودات؛ وارتقِ بالخطوات الصعبة إلى نموذج سحابي أقوى.
- التحكم في الميزانية: عيّن حدود على عدد الرموز والتكاليف لكل مرحلة.
---
## مشروع نموذجي: أتمتة PRD لطلبات الميزات
الهدف: تحويل طلب ميزة خام إلى PRD مصقول مع قصص المستخدمين ومعايير القبول.
التدفق:
1. تحليل الإدخال: توحيد الطلب واستخراج السياق (شخصية المستخدم، نقاط الألم).
2. وكيل مدير المنتج: يصيغ PRD بالأهداف، ما ليس هدفًا، ومؤشرات الأداء.
3. وكيل المهندس المعماري: يقترح خيارات الحل مع الإيجابيات والسلبيات.
4. وكيل المراجع: يضمن وضوح المستند، المخاطر، والاعتماديات موثقة.
لماذا ينجح: التسليم المنظم يحاكي فرق المنتج الحقيقية ويجبر على وضوح. دليل IBM يعرض تدفق PRD متعدد الوكلاء مع نماذج محلية يمكنك إعادة تطبيقه.
---
## حل المشكلات الشائعة
- تكرار أو توقف الوكلاء
- قلل النطاق وأضف مخرجات واضحة.
- أضف مهلات وزمن للخطوات؛ فعّل بوابات المراجعة.
- مخرجات غير منظمة أو فوضوية
- فرض مخططات باستخدام JSON/YAML؛ ضع أمثلة للتنسيق في المطالبات.
- أضف وكيل "منسق" مهمته الأساسية توحيد المخرجات.
- كود منخفض الجودة
- استخدم نموذجًا قويًا في البرمجة (مثل DeepSeek-Coder محليًا، أو نموذج سحابي قوي) للمهندس.
- أضف وكيل مختبر/مدقق؛ قم بتشغيل اختبارات الوحدة تلقائيًا.
- تكاليف مرتفعة
- استخدم النماذج المحلية للمسودات؛ وارتقِ للنماذج السحابية المتقدمة للتلميع النهائي.
- حدد حجم النوافذ السياقية؛ قسم المستندات واسترجعها عند الحاجة.
- عدم تطابق النموذج
- اضبط النماذج لكل دور (التفكير مقابل البرمجة مقابل التحرير) وإعدادات درجة الحرارة.
نظرات مستقلة تبرز قوة MetaGPT في توليد الكود وكيفية تجنب الأخطاء بمطالبات وأدوات أفضل.
---
## التعمق: أنماط متقدمة
- توليد معزّز بالاسترجاع (RAG)
- زود فريقك "بقاعدة معرفة" للمشروع تشمل PRDs السابقة، التصاميم، والكود.
- دَع مدير المنتج/المهندس المعماري يسترجع السياق المناسب قبل الكتابة.
- أفعال على غرار Toolformer
- اسمح للمهندس بتشغيل أوامر shell، إنشاء ملفات، وتنفيذ الاختبارات.
- مشاريع متعددة المستأجرين
- شغّل عدة فرق بالتوازي لاستكشاف حلول A/B.
- ضوابط بمشاركة الإنسان
- أدخل خطوات موافقة (مثل PRD → مراجعة بشرية → متابعة).
- أداة تقييم
- تقويم المخرجات تلقائيًا (مثل التنقيح، تغطية الاختبار، مقاييس القابلية للقراءة) وإرجاع النتائج لوكيل المدرب.
---
## حالات استخدام واقعية يمكنك إنشاؤها هذا الأسبوع
- توليد أفكار بدء التشغيل → PRD → نموذج أولي لموقع ويب
- أداة بيانات داخلية مع سطر أوامر ومستندات
- تصميم API مع مكتبات عميل بلغات متعددة
- خط إنتاج ضمان جودة ينتج اختبارات من تذاكر Jira
- مولّد مدونات تقنية مع أمثلة كود ومخططات
تقارير المجتمع توضح قدرة MetaGPT على تحويل مدخلات بسيطة إلى مخرجات منظمة وعالية الجودة بسرعة، خاصة لأعمال الهندسة والمنتج.
---
## للملاحظة: سرّع التوليد والتكرار مع [Sider.AI](https://sider.ai)
يجدر بالذكر: إذا كنت تقوم بصياغة مطالبات، مراجعة مخرجات، أو تكرار المواصفات، فإن مساعدًا متعدد الاستخدامات مثل [Sider.AI](https://sider.ai) يمكن أن يساعدك في تصميم ملخصات، مقارنة البدائل، وتحسين المخرجات قبل تسليمها إلى MetaGPT. إنه مفيد بشكل خاص لعصف الأفكار لقَصَص المستخدم، معايير القبول، وحالات الاختبار التي يمكن لوكلائك التفاعل معها. اكتشف [Sider.AI](https://sider.ai) على موقع https://sider.ai./
---
## خطة العمل: الـ 60 دقيقة القادمة
- 10 دقائق: تثبيت MetaGPT وإعداد نموذج LLM (محلي أو سحابي).
- 15 دقيقة: إنشاء فريق بأربعة أدوار (PM، مهندس معماري، مهندس، ضمان الجودة) وتشغيل مشروع صغير.
- 15 دقيقة: إضافة مخططات PRD/تصميم وبوابة للمراجع.
- 20 دقيقة: تبديل النماذج لكل دور؛ إضافة أداة تشغيل اختبارات للمهندس/ضمان الجودة.
سَلّم أول مخرجات اليوم. وواصل التطوير غدًا.
---
## النقاط الرئيسية المستفادة
- MetaGPT يتيح لك برمجة فريق من الوكلاء المتخصصين الذين يعملون معًا على مهام معقدة.
- النجاح يعتمد على مطالبات منظمة، مخرجات واضحة، وبوابات مراجعة.
- اجمع بين النماذج المحلية والسحابية لموازنة التكلفة، الخصوصية، والجودة.
- ابدأ بخطوط أنابيب صغيرة (PRD → تصميم → كود → اختبارات)، ثم توسع لأدوات وإدارة أكثر تطورًا.
للمزيد من السياق والأمثلة التطبيقية، راجع هذه الأدلة والدروس التعليمية.
### الأسئلة المتكررة (FAQ)
س1: ما هو MetaGPT وكيف يعمل؟
MetaGPT هو إطار متعدد الوكلاء حيث يتعاون وكلاء حسب الدور (PM، مهندس معماري، مهندس، ضمان جودة) لإنتاج مخرجات منظمة مثل PRD، التصاميم، والكود. ينسق المهام، يشارك السياق، ويتيح لك توصيل نماذج LLM المحلية أو السحابية لكل دور.
س2: كيف أثبت وأعد MetaGPT؟
قم بالتثبيت عبر pip أو من المصدر، أعد إعداد نماذج LLM الخاصة بك (OpenAI، Anthropic، أو محلي عبر Ollama)، واضبط متغيرات البيئة للوصول للنماذج. بعد ذلك عرف الوكلاء، أنشئ فريقًا، وشغّل مهامًا لتوليد مخرجات مثل PRDs والكود.
س3: هل يمكنني استخدام MetaGPT مع نماذج LLM محلية مثل DeepSeek أو Llama؟
نعم. باستخدام Ollama، يمكنك تشغيل نماذج مثل DeepSeek-Coder أو Llama محليًا وتوجيه MetaGPT إلى نقطة النهاية المحلية. هذا يقلل التكاليف ويحسن الخصوصية للمشاريع الحساسة.
س4: ما أفضل الممارسات لكتابة المطالبات في MetaGPT؟
استخدم ملخصات منظمة تحتوي على الأهداف، المستخدمين، القيود، مقاييس النجاح، والمخرجات. خصص لكل وكيل مهمة واضحة وقدم تنسيقات مخرجات تعتمد على مخططات (مثل JSON/YAML) لتقليل الالتباس.
س5: كيف أمنع الوكلاء من التكرار أو إنتاج كود منخفض الجودة؟
أضف حدودًا للخطوات وبوابات مراجعة، فرض مخططات المخرجات، واستخدم نماذج متخصصة لكل دور (مثل نماذج تفكير قوية للمهندس المعماري، ونماذج برمجة قوية للمهندس). أدرج وكيل مختبر/مدقق وشغل اختبارات الوحدة تلقائيًا.

كيفية استخدام MetaGPT: دليل عملي لتدفقات عمل متعددة الوكلاء