from metagpt import MetaTeam, Agent, Role
from metagpt.llms import LLM
# 1) Definește backend-ul LLM
llm = LLM(model_name="gpt-4o-mini") # sau indică modelul local
# 2) Definește agenții specifici fiecărui rol
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) Creează o echipă cu memorie/context partajat
team = MetaTeam(agents=.
---
## Scrierea Prompturilor Pe Care Le Înțeleg Multi-Agenti
MetaGPT strălucește când i se dau instrucțiuni structurate, conștiente de rol. Gândește-te ca un manager care scrie un brief pentru patru specialiști.
- Obiectiv: O frază care exprimă scopul final.
- Utilizatori și Domeniu: Cine beneficiază și ce este inclus/exclus.
- Constrângeri: Limite clare (stack, latență, confidențialitate, buget).
- Metrici de Succes: Cum arată „binele”.
- Livrabile: Artefacte explicite (PRD, diagramă, structura repo-ului, teste).
Exemplu brief:
```yaml
objective: Construiește un CLI Python care citește un PDF și produce un rezumat de o pagină în Markdown.
users: .
---
## Cele Mai Bune Practici pentru Rezultate Fiabile
- Începe mic, apoi extinde: Validează conducta pe un specific minimal înainte de proiecte mari.
- Un rol, un mandat clar: Evită responsabilitățile suprapuse pentru a reduce confuzia.
- Folosește liste de verificare: Oferă fiecărui agent un ghid (criterii de acceptare) pentru output-ul lor.
- Filtrează revizuirile: Adaugă un rol Revizor/Lead care aprobă sau retrimite munca.
- Menține prompturile structurate: Scheme YAML/JSON fac output-urile mai deterministe.
- Păstrează artefactele: Salvează PRD, design și cod pe disc pentru trasabilitate și reluări.
- Combină local + cloud: Folosește modele locale pentru schițe; escaladează pașii complicați către modele cloud mai puternice.
- Constrângeri bugetare: Setează limite de tokeni și verificări de cost pentru fiecare etapă.
---
## Proiect Exemplu: Auto-PRD pentru Cereri de Funcționalități
Scop: Transformă o cerere brută de funcționalitate într-un PRD bine structurat cu user stories și criterii de acceptare.
Flux:
1. Parsare input: Normalizează cererea și extrage context (persona utilizator, puncte de durere).
2. Agent PM: Redactează PRD cu obiective, non-obiective, KPI-uri.
3. Agent Arhitect: Propune opțiuni de soluție cu avantaje și dezavantaje.
4. Agent Revizor: Se asigură că claritatea, riscurile și dependențele sunt documentate.
De ce funcționează: Predarea structurată reflectă echipe reale de produs și impune claritate. Ghidul IBM parcurge un flux similar multi-agent PRD cu modele locale pe care le poți replica.
---
## Depanarea Problemelor Comune
- Agenți care intră în buclă sau se blochează
- Redu domeniul și adaugă livrabile explicite.
- Adaugă time-out-uri și limite de pași; activează filtre de revizuire.
- Output-uri dezordonate sau nestrucurate
- Aplică scheme JSON/YAML; oferă exemple de format în prompt.
- Adaugă un agent „Formatter” care normalizează output-urile.
- Cod de calitate scăzută
- Folosește un model puternic pentru cod (de ex., DeepSeek-Coder local sau un model cloud performant) pentru Inginer.
- Adaugă un agent Tester/Linter; rulează teste unitare automat.
- Costuri mari
- Utilizează modele locale pentru schițe; escaladează la LLM-uri premium doar pentru finisare.
- Limitează ferestrele de context; fragmentă artefactele și recuperează după nevoie.
- Incompatibilitate de model
- Ajustează modele pe roluri (rezonare vs. programare vs. editare) și setările de temperatură.
Recenzii independente evidențiază forța MetaGPT în generarea de cod și modul de evitare a capcanelor prin prompturi mai bune și unelte.
---
## Mai Departe: Modele Avansate
- Generare cu augmentare de recuperare (RAG)
- Alimentează echipa cu o „bază de cunoștințe” a proiectului formată din PRD-uri, desene și coduri anterioare.
- Permite PM/Arhitect să recupereze context relevant înainte de redactare.
- Acțiuni stil Toolformer
- Permite Inginerului să ruleze comenzi shell, să creeze fișiere și să execute teste.
- Proiecte multi-chiriaș
- Rulează mai multe echipe în paralel pentru explorare soluții A/B.
- Control uman în buclă
- Inserează pași de aprobare (de ex., PRD → revizuire umană → continuare).
- Sistem de evaluare
- Auto-evaluează output-uri (lint, acoperire teste, scoruri lizibilitate) și transmite feedback unui agent Coach.
---
## Cazuri Reale pe Care Le Poți Construi în Această Săptămână
- Idei Startup → PRD → Site prototip
- Unealtă internă de date cu CLI și documentație
- Design API cu librării client în mai multe limbaje
- Conductă QA care generează teste din tichete Jira
- Generator de blog tehnic cu exemple de cod și diagrame
Articole comunitare arată abilitatea MetaGPT de a transforma input minim în artefacte structurate de calitate înaltă rapid, în special pentru inginerie și produse.
---
## Apropo: Grăbește ideea și iterația cu [Sider.AI](https://sider.ai)
Este demn de menționat: dacă redactezi prompturi, revizuiești artefacte sau iterezi specificații, un asistent versatil ca [Sider.AI](https://sider.ai) te poate ajuta să prototipezi brief-uri, să compari alternative și să rafinezi output-urile înainte de a le trimite către MetaGPT. Este deosebit de util pentru brainstorming de user stories, criterii de acceptare și cazuri de testare pe care agenții tăi le pot consuma. Explorează [Sider.AI](https://sider.ai) la https://sider.ai./
---
## Plan de Acțiune: Următoarele 60 Minute
- 10 min: Instalează MetaGPT și configurează-ți LLM-ul (local sau cloud).
- 15 min: Creează o echipă cu 4 roluri (PM, Arhitect, Inginer, QA) și rulează un proiect mic.
- 15 min: Adaugă scheme pentru PRD/design și un filtru de revizuire.
- 20 min: Schimbă modelele pe rol; adaugă o unealtă de rulare teste pentru Inginer/QA.
Livrare primul artefact astăzi. Iterează mâine.
---
## Concluzii Cheie
- MetaGPT îți permite să scrii scripturi pentru o echipă de agenți specializați care lucrează împreună la sarcini complexe.
- Succesul depinde de prompturi structurate, livrabile clare și filtre de revizuire.
- Combină modele locale și cloud pentru a echilibra cost, confidențialitate și calitate.
- Începe cu conducte mici (PRD → design → cod → teste), apoi extinde la unelte și guvernanță mai bogate.
Pentru context suplimentar și exemple practice, consultă aceste ghiduri și tutoriale.
### Întrebări Frecvente
Î1: Ce este MetaGPT și cum funcționează?
MetaGPT este un cadru multi-agent unde agenți cu roluri (PM, Arhitect, Inginer, QA) colaborează pentru a produce rezultate structurate precum PRD-uri, designuri și cod. Coordonează sarcinile, partajează context și îți permite să folosești LLM-uri locale sau cloud pentru fiecare rol.
Î2: Cum instalez și configurez MetaGPT?
Instalează prin pip sau din sursă, configurează LLM-ul tău (OpenAI, Anthropic sau local prin Ollama) și setează variabilele de mediu pentru acces model. Apoi definește agenții, creează o echipă și rulează o sarcină pentru a genera artefacte ca PRD-uri și cod.
Î3: Pot folosi MetaGPT cu LLM-uri locale precum DeepSeek sau Llama?
Da. Folosind Ollama, poți rula modele ca DeepSeek-Coder sau Llama local și configura MetaGPT să folosească endpoint-ul local. Aceasta reduce costurile și îmbunătățește confidențialitatea pentru proiectele sensibile.
Î4: Care sunt cele mai bune practici pentru prompturi în MetaGPT?
Folosește brief-uri structurate cu obiective, utilizatori, constrângeri, metrici de succes și livrabile. Atribuie fiecărui agent un mandat clar și furnizează formate de output bazate pe scheme (ex., JSON/YAML) pentru a reduce ambiguitatea.
Î5: Cum previn ca agenții să intre în buclă sau să producă cod de calitate scăzută?
<a153>Adaugă limite de pași și filtre de revizuire, aplică scheme pentru output-uri și folosește modele specializate pe rol (ex., modele puternice în raționament pentru Arhitect, puternice în cod pentru Inginer). Include un agent Tester/Linter și rulează teste unitare automat.