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.

MetaGPT ಅನ್ನು ಹೇಗೆ ಬಳಸುವುದು: ಬಹು-ಏಜೆಂಟ್ ಕಾರ್ಯಪ್ರವಾಹಗಳಿಗಾಗಿ ಪ್ರಾಯೋಗಿಕ ಮಾರ್ಗದರ್ಶಿ

ನಿಮ್ಮ AI ಒಂದು ಸುಸಂಗತ ಉತ್ಪನ್ನ ತಂಡದಂತೆ ನಡೆದುಕೊಳ್ಳಬಹುದು ಎಂದು ನೀವು ಎಂದಾದರೂ ಇಚ್ಛಿಸಿದ್ದೀರಾ — PM, ಆರ್ಕಿಟೆಕ್ಟ್, ಎಂಜಿನಿಯರ್, ಟೆಸ್ಟರ್ — ಸಮಕಾಲೀನವಾಗಿ ಒಂದು ಹಂಚಿಕೊಂಡ ಗುರಿಯತ್ತ ಕೆಲಸ ಮಾಡುತ್ತಿರುತ್ತಾರೆ, MetaGPT ಆ框架 ಆಗಿದೆ ಅದು ಅದನ್ನು ಸಾಧ್ಯಮಾಡುತ್ತದೆ. ಈ ಪ್ರಾಯೋಗಿಕ, ಪರಿಹಾರ-ಪ್ರವರ್ಧಿತ ಮಾರ್ಗದರ್ಶನದಲ್ಲಿ, ನಾವು ಸ್ಥಾಪನೆದಿಂದ ಬಹು-ಏಜೆಂಟ್ ಕಾರ್ಯಪ್ರವಾಹಗಳನ್ನು ನಿರ್ಮಿಸುವ ವರೆಗೆ MetaGPT ಅನ್ನು ಹಂತಹಂತವಾಗಿ ಹೇಗೆ ಬಳಸುವುದು ಎಂದು ವಿವರಿಸುತ್ತೇವೆ, ಜೊತೆಗೆ ಉತ್ತಮ ಅಭ್ಯಾಸಗಳು, ಸಮಸ್ಯೆ ಪರಿಹಾರ ಸಲಹೆಗಳು ಮತ್ತು ನೀವು ಇಂದು ಹೊಂದಿಕೊಳ್ಳಬಹುದಾದ ನೈಜ ಉದಾಹರಣೆಗಳನ್ನೂ ನೀಡುತ್ತೇವೆ.

ಅಂತ್ಯಕ್ಕೆ, ನೀವು MetaGPT ಅನ್ನು ಸ್ಥಾಪಿಸುವುದನ್ನು, ಬಹು-ಏಜೆಂಟ್ ಪೈಪ್ಲೈನ್ ಅನ್ನು ಆರಂಭಿಸುವುದನ್ನು, ಉತ್ತಮ ಪ್ರಾಂಪ್ಟ್ಗಳನ್ನು ಬರೆಯುವುದನ್ನು, ಅದನ್ನು ಸಾಧನಗಳು ಮತ್ತು LLMಗಳೊಂದಿಗೆ ವಿಸ್ತರಿಸುವುದನ್ನು ಮತ್ತು ಅತಿ ವೇಗವಾಗಿ ಉಪಯುಕ್ತವಾದ ಏನನ್ನಾದರೂ ಬಿಡುಗಡೆ ಮಾಡುವುದನ್ನು ಗುರುತಿಸಿಕೊಳ್ಳಬಹುದು.

MetaGPT ಎಂದರೇನು (ಮತ್ತು ಅದು ಏಕೆ Muhthavagi)?

MetaGPT ಒಂದು ಬಹು-ಏಜೆಂಟ್ 框架 ಆಗಿದ್ದು, ವಿಶೇಷಾಯತ ಏಜೆಂಟ್ಗಳನ್ನು — ಉತ್ಪನ್ನ ನಿರ್ವಾಹಕ, ಆರ್ಕಿಟೆಕ್ಟ್, ಕೋಡರ್ ಮತ್ತು ಟೆಸ್ಟರ್ ಮುಂತಾದವರಂತೆ — ಸಂಯೋಜಿಸಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ, ಹೀಗಾಗಿ ಅವರು ಜಟಿಲ ಕಾರ್ಯಗಳನ್ನು ಸಹಕಾರಿಯಿಂದ ನಿಭಾಯಿಸಬಹುದು. ಒಂದು ಏಕಘಟಕ AI ಎಲ್ಲಾ ಕೆಲಸಗಳನ್ನು ಮಾಡುವುದರ ಬದಲು, MetaGPT ಹಂಚಿಕೊಂಡ ಸಾಂದರ್ಭಿಕತೆ, ಸ್ಮರಣೆ ಮತ್ತು ಕಾರ್ಯ ವಹಿಸುವಿಕೆಯೊಂದಿಗೆ ಪಾತ್ರ-ಆಧಾರಿತ ಏಜೆಂಟ್ಗಳ ಒಟ್ಟಾರೆಯನ್ನು ರಚಿಸುತ್ತದೆ. ಪರಿಣಾಮ: ಯೋಜನೆಗಳು ಐಡಿಯಾದಿಂದ ವಿತರಣೆಯವರೆಗೆ ಕಡಿಮೆ ಮಾನವ ನಿರ್ದೇಶನ ಮತ್ತು ಹೆಚ್ಚಿನ ಸಮಕಾಲೀನತೆಯೊಂದಿಗೆ ಸಾಗುತ್ತವೆ.

ಬಹು-ಏಜೆಂಟ್ ಪಾತ್ರಗಳು: ವಿಭಿನ್ನ ಹೊಣೆಗಾರಿಕೆಗಳನ್ನು ನಿರ್ಧರಿಸಿ (ಉದಾ: PRD ರಚನೆ, ವ್ಯವಸ್ಥೆಯ ವಿನ್ಯಾಸ, ಕೋಡಿಂಗ್).

ಹಂಚಿಕೊಂಡ ಫಲಾನುಭವಿಗಳು: ಏಜೆಂಟ್ಗಳು ರಚಿತ(outputs)ಗಳನ್ನು ಹಸ್ತಾಂತರಿಸುತವೆ (PRD → ವಿನ್ಯಾಸ → ಕೋಡ್ → ಪರೀಕ್ಷೆಗಳು).

ಪ್ಲಗ್ ಮಾಡಬಹುದಾದ LLMಗಳು: ವೆಚ್ಚ, ವೇಗ ಮತ್ತು ಗೌಪ್ಯತೆ ಆಧಾರವಾಗಿ ಮಾದರಿಗಳನ್ನು (ಸ್ಥಳೀಯ ಅಥವಾ ಮೇಘ) ಆಯ್ಕೆಮಾಡಿ.

ವಿಸ್ತರಿಸುವ ಸಾಧನಗಳು: ತಿರುಗಿಸಲಾಗುವ ಸೇವೆಗಳು, ಕೋಡ್ ನಡಿಸುವಿಕೆ ಅಥವಾ ಬಾಹ್ಯ APIsಗಳನ್ನು ಸೇರಿಸಬಹುದು.

MetaGPT ತಂಡಗಳ ಸಂಯೋಜನೆ ಮತ್ತು ಕೋಡ್ ತಯಾರಿಕೆಯನ್ನು ವಿವರಿಸುವ ಸ್ವತಂತ್ರ ಮಾರ್ಗದರ್ಶಿಗಳನ್ನು ಉತ್ತಮ ಅವಲೋಕನ ಮತ್ತು “ಏಕೆ ಇದು ಕೆಲಸ ಮಾಡುತ್ತದೆ” ತಿಳಿದುಕೊಳ್ಳಲು ನೋಡಿ. ಅದಾನಂತರ ನಿರ್ದಿಷ್ಟ ಕಾರ್ಯಪ್ರವಾಹಕ್ಕಾಗಿ (ಉತ್ಪನ್ನ ಅವಶ್ಯಕತೆಗಳ ಸ್ವಯಂಚಾಲಿತಿಕೆ ಸ್ಥಳೀಯ ಮಾದರಿಗಳೊಂದಿಗೆ), IBM ತರಬೇತಿ MetaGPT ಅನ್ನು Ollama ಮತ್ತು DeepSeek ಮಾದರಿಗಳೊಂದಿಗೆ ಸಂಯೋಜಿಸಿ PRDs ಅನ್ನು ಪೂರ್ವದಿಂದ ಅಂತಿಮದವರೆಗೆ ತಯಾರಿಸುವುದನ್ನು ತೋರಿಸುತ್ತದೆ.

ತ್ವರಿತ ಪ್ರಾರಂಭ: 15 ನಿಮಿಷಗಳಲ್ಲಿ MetaGPT ಅನ್ನು ಸ್ಥಾಪಿಸಿ

ಇದು macOS, Linux ಮತ್ತು WSL ಮೇಲೆ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಸರಳ ಸ್ಥಾಪನೆಯಾದುದು.

1) ಅಗತ್ಯವಿರುವ ವಸ್ತುಗಳು

Python 3.10+ ಮತ್ತು pip

Node.js/npm (ಕೆಲವು ಸಾಧನಗಳು ಮತ್ತು ಸಂಯೋಜನೆಗಳಿಗೆ ಪ್ರಯೋಗಿಸುವ ಕೈಗೊಳ್ಳುವುದಾದರೆ)

ಐಕ್ಯಿತ: Docker (ಪುನಃಉತ್ಪಾದನಾಶೀಲ ಪರಿಸರಗಳಿಗೆ) ಮತ್ತು Ollama (ಸ್ಥಳೀಯ LLM ಗಾಗಿ)

ನಿಮ್ಮ ಪರಿಸರ ಪರಿಶೀಲಿಸಿ:

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

ನೀವು ಸ್ಥಳೀಯ-LLM ಮಾರ್ಗವನ್ನು ಆಯ್ಕೆಮಾಡಿದರೆ, Ollama ನು ಸ್ಥಾಪಿಸಿ ಮತ್ತು ಒಂದು ಮಾದರಿಯನ್ನು ಡೌನ್‌ಲೋಡ್ ಮಾಡಿ (ಉದಾ: DeepSeek ಅಥವಾ Llama 3 ವಿಭಿನ್ನ ಮಾದರಿಗಳು), PRD ಸ್ವಯಂಚಾಲಿತಿಕೆ ಉದಾಹರಣೆಯಲ್ಲಿ ತೋರಿಸಿದಂತೆ.

2) MetaGPT ಅನ್ನು ಸ್ಥಾಪಿಸಿ

# ಆಯ್ಕೆ A: PyPI ಇಂದ (ಲಭ್ಯವಿದ್ದರೆ)
pip install metagpt
# ಆಯ್ಕೆ B: ಮೂಲದಿಂದ (ಉದಾಹರಣೆಗಳನ್ನು ಟ್ರ್ಯಾಕ್ ಮಾಡಲು ಶಿಫಾರಸು)
git clone <org>/MetaGPT.git
cd MetaGPT
pip install -r requirements.txt

ಯೋಜನೆಯ README ನಲ್ಲಿ ನೋಡಿ ಇತ್ತೀಚಿನ ಸ್ಥಾಪನೆ ಹಂತಗಳನ್ನು ಮತ್ತು ಐಚ್ಛಿಕ ಹೆಚ್ಚುವರಿಗಳನ್ನು. ಸಮುದಾಯ ಮಾರ್ಗದರ್ಶಿಗಳು npm ಪರಿಶೀಲನೆ ಮತ್ತು Python ವ್ಯವಸ್ಥಾಪನೆಯಲ್ಲಿ ಸ್ಥಳೀಯ ಹಂತಗಳನ್ನು ವಿವರಿಸುತ್ತವೆ.

- ಯಶಸ್ಸಿನ ಅಳೆಯುವವು: ‘ಉತ್ತಮ’ ಎಂದರೇನು ಎಂಬುದನ್ನು ವಿವರಿಸುವುದು.

- ವಿತರಣೆಗಳು: ಸ್ಪಷ್ಟ ಪದಾರ್ಥಗಳು (PRD, ರೇಖಾಚಿತ್ರ, ರೆಪೊ ರೂಪ, ಪರೀಕ್ಷೆಗಳು).

ಉದಾಹರಣೆ ಸಂಕ್ಷಿಪ್ತ:

```yaml

objective: ಪಿಡಿಎಫ್ ಓದಿ, Markdown ನಲ್ಲಿ 1 ಪುಟದ ಸಾರಾಂಶವನ್ನು ಉತ್ಪಾದಿಸುವ Python CLI ನಿರ್ಮಿಸಿ.

users: .

---

## ನಂಬಿಕೆಯುತ ಫಲಿತಾಂಶಗಳಿಗಾಗಿ ಉತ್ತಮ ಅಭ್ಯಾಸಗಳು

- ಚಿಕ್ಕದರಿಂದ ಪ್ರಾರಂಭಿಸಿ, ನಂತರ ವಿಸ್ತರಿಸಿ: ದೊಡ್ಡ ಯೋಜನೆಗಳಿಗೆ ಪೂರ್ವವೇ ಕಿರಿಯ ಸ್ಪೆಕ್‌ನಲ್ಲಿ ಪೈಪ್ಲೈನ್ ಪರಿಶೀಲಿಸಿ.

- ಒಂದೇ ಪಾತ್ರಕ್ಕೆ ಒಂದೇ ವಿಧವಾದ ಜವಾಬ್ದಾರಿ: ಗೊಂದಲವನ್ನು ಕಡಿಮೆಮಾಡಲು ಹೊಣೆಗಾರಿಕೆಗಳು ಅತಿವಿಸ್ತಾರ ಹೊಂದದಂತೆ ಮಾಡಿರಿ.

- ತಪಾಸಣಾ ಪಟ್ಟಿಗಳನ್ನು ಉಪಯೋಗಿಸಿ: ಪ್ರತಿಯೊಬ್ಬ ಏಜೆಂಟ್‌ಗೆ ಅವರ ಫಲಿತಾಂಶಗಳಿಗೆ ನಿರ್ಣಾಯಕ ಮೌಲ್ಯಮಾಪನ ಗೈಡ್ ನೀಡಿ.

- ವಿಮರ್ಶಾ ಗೇಟ್‌ಗಳನ್ನು ಸೇರಿಸಿ: ಕೆಲಸವನ್ನು ಅನುಮೋದಿಸುವ ಅಥವಾ ಹಿಂತಿರುಗಿಸುವ ವಿಮರ್ಶಕ/ಮೂದುಕ ನಾಯಕನ ವಹಿಸಿಕೊಂಡುವಾಗೆ.

- ಪ್ರಾಂಪ್ಟ್‌ಗಳನ್ನು ರಚಿತವಾಗಿಡಿ: YAML/JSON schemas ಫಲಿತಾಂಶಗಳನ್ನು ನಿರ್ದಿಷ್ಟಗೊಳಿಸುತ್ತವೆ.

- ಪದಾರ್ಥಗಳನ್ನು ಸಂರಕ್ಷಿಸಿ: ಗುರುತಿಗಾಗಿ ಮತ್ತು ಪುನರಾವೃತ್ತಿಗೆ PRD/ವಿನ್ಯಾಸ/ಕೋಡ್‌ಗಳನ್ನು ಡಿಸ್ಕ್‌ನಲ್ಲಿ ಉಳಿಸಿ.

- ಸ್ಥಳೀಯ + ಮೇಘ ಸಂಯೋಜನೆ: ಮೊದಲ मसೂದೆಗಳಿಗೆ ಸ್ಥಳೀಯ ಮಾದರಿಗಳನ್ನು ಉಪಯೋಗಿಸಿ; ಗೊಂದಲದ ಹಂತಗಳಿಗೆ ಬಲವಾದ ಮೇಘ ಮಾದರಿಯನ್ನು ಅನುವಾದಿಸಿ.

MetaGPT ಅನ್ನು ಹೇಗೆ ಬಳಸುವುದು: ಮಲ್ಟಿ-ಏಜೆಂಟ್ ವರ್ಕ್‌ಫ್ಲೋಗಳಿಗೆ ಒಂದು ಪ್ರಾಯೋಗಿಕ ಮಾರ್ಗದರ್ಶಿ