from metagpt import MetaTeam, Agent, Role
from metagpt.llms import LLM
# 1) Definujte backend LLM
llm = LLM(model_name="gpt-4o-mini") # alebo nasmerujte na lokálny model
# 2) Definujte agentov podľa rolí
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) Vytvorte tím so spoločnou pamäťou/ kontextom
team = MetaTeam(agents=.
---
## Písanie promptov, ktorým multiagentní rozumejú
MetaGPT vyniká, keď mu poskytujete štruktúrované, rolami vedomé inštrukcie. Myslite ako manažér píšuci zadanie pre štyroch špecialistov.
- Cieľ: Jedna veta s konečným cieľom.
- Používatelia a rozsah: Kto má prospech a čo je v/ mimo rozsahu.
- Obmedzenia: Jasné hranice (stack, latencia, súkromie, rozpočet).
- Metriky úspechu: Ako vyzerá „dobré“.
- Výstupy: Explicitné artefakty (PRD, diagram, štruktúra repozitára, testy).
Príklad zadania:
```yaml
objective: Vytvoriť Python CLI, ktorý načíta PDF a vytvorí jednostránkový súhrn v Markdown.
users: .
---
## Najlepšie praktiky pre spoľahlivé výsledky
- Začnite malými projektmi, potom škálujte: Overte pipeline na minimálnej špecifikácii pred veľkými projektmi.
- Jedna rola, jedno poslanie: Vyhnite sa prekrývajúcim sa zodpovednostiam, aby ste znížili zmätok.
- Používajte kontrolné zoznamy: Každému agentovi dajte hodnotiaci rubrik (akceptačné kritériá) pre jeho výstup.
- Upravte kontroly: Pridajte rolu recenzenta/leadera, ktorý schvaľuje alebo vracia prácu.
- Držte prompt štruktúrovaný: YAML/JSON schémy robia výstupy viac deterministické.
- Ukladajte artefakty: Ukladajte PRD/dizajn/kód na disk pre sledovateľnosť a opätovné spustenie.
- Kombinujte lokálne a cloudové modely: Používajte lokálne modely na návrhy; náročné kroky presuňte na silnejší cloudový model.
- Rozpočtové obmedzenia: Nastavte limity tokenov a kontroly nákladov pre každý krok.
---
## Príklad projektu: Auto-PRD pre žiadosti o funkcie
Cieľ: Premeniť surovú žiadosť o funkciu na vypracované PRD s používateľskými príbehmi a akceptačnými kritériami.
Tok:
1. Parsovanie vstupu: Normalizovať požiadavku a extrahovať kontext (persona používateľa, bolesťové body).
2. PM agent: Píše PRD s cieľmi, necieľmi, KPI.
3. Architekt agent: Navrhuje riešenia s výhodami a nevýhodami.
4. Recenzent agent: Zabezpečuje dokumentáciu jasnosti, rizík a závislostí.
Prečo to funguje: Štruktúrovaný odovzdávací postup napodobňuje reálne produktové tímy a vynucuje jasnosť. Sprievodca IBM ukazuje podobný multiagentný PRD tok s lokálnymi modelmi, ktorý si môžete replikovať.
---
## Riešenie bežných problémov
- Agenti sa opakujú alebo zasekávajú
- Znížte rozsah a pridajte jasné výstupy.
- Nastavte časové limity a limity krokov; povoľte kontrolné brány.
- Nepriehľadné alebo neštruktúrované výstupy
- Vynúťte použitie schém JSON/YAML; používajte príklady formátu v promptoch.
- Pridajte „Formátujúceho“ agenta, ktorého úlohou je normalizovať výstupy.
- Nízka kvalita kódu
- Použite model silný v kóde (napr. DeepSeek-Coder lokálne alebo špičkový cloudový model) pre inžiniera.
- Pridajte agenta Tester/Linter; automaticky spúšťajte unit testy.
- Vysoké náklady
- Používajte lokálne modely na návrhy; finálnu úpravu nechajte na prémiové LLM.
- Obmedzte veľkosť kontextu; delte artefakty a podľa potreby vyhľadávajte.
- Nezhoda modelov
- Ladte modely podľa rolí (racionalizácia vs. kódovanie vs. úpravy) a nastavte parametre teploty.
Nezávislé prehľady zdôrazňujú silu MetaGPT v generovaní kódu a ako sa vyhnúť problémom lepšími promptami a nástrojmi.
---
## Pokročilé vzory
- Retrieval-Augmented Generation (RAG)
- Nakŕmte tím „znalosťovou základňou“ projektu z predchádzajúcich PRD, dizajnov a kódu.
- Nech PM/Architekt pred písaním vyhľadá relevantný kontext.
- Akcie v štýle Toolformer
- Umožnite inžinierovi spúšťať shell príkazy, vytvárať súbory a vykonávať testy.
- Multi-tenant projekty
- Spustite viaceré tímy paralelne pre A/B testovanie riešení.
- Ľudský zásah v procese
- Vložte schvaľovacie kroky (napríklad PRD → ľudská kontrola → pokračovanie).
- Vyhodnocovací rámec
- Automaticky hodnotiť výstupy (linter, pokrytie testami, čitateľnosť) a výsledky predávať agentovi Coach.
---
## Reálne prípady použitia, ktoré môžete vytvoriť už tento týždeň
- Startupová ideácia → PRD → prototyp webu
- Interný dátový nástroj s CLI a dokumentáciou
- Návrh API s klientskymi knižnicami v rôznych jazykoch
- QA pipeline generujúci testy z Jira tiketov
- Generátor technických blogov s ukážkami kódu a diagramami
Komunitné články ukazujú, ako MetaGPT dokáže z minimálneho vstupu rýchlo vytvoriť štruktúrované a kvalitné artefakty, najmä pre inžiniersku a produktovú prácu.
---
## Mimochodom: Urýchlite ideáciu a iterácie s [Sider.AI](https://sider.ai)
Stojí za zmienku: ak tvoríte prompt-y, kontrolujete artefakty alebo iterujete špecifikácie, všestranný asistent ako [Sider.AI](https://sider.ai) vám pomôže prototypovať zadania, porovnávať alternatívy a zdokonaľovať výstupy pred ich odovzdaním MetaGPT. Je veľmi praktický pre brainstorming používateľských príbehov, akceptačných kritérií a testovacích prípadov, ktoré môžu vaši agenti spracovať. Preskúmajte [Sider.AI](https://sider.ai) na https://sider.ai./
---
## Akčný plán: Vašich ďalších 60 minút
- 10 min: Nainštalujte MetaGPT a nastavte LLM (lokálne alebo cloudové).
- 15 min: Vytvorte tím so 4 rolami (PM, Architekt, Inžinier, QA) a spustite malý projekt.
- 15 min: Pridajte schémy pre PRD/dizajn a recenznú bránu.
- 20 min: Vymieňajte modely podľa rolí; pridajte nástroj na spúšťanie testov pre Inžiniera/QA.
Dodajte prvý artefakt už dnes. Iterujte zajtra.
---
## Kľúčové zistenia
- MetaGPT umožňuje skriptovať tím špecializovaných agentov, ktorí spoločne riešia zložité úlohy.
- Kľúčom k úspechu sú štruktúrované prompt-y, jasné výstupy a kontrolné brány.
- Kombinujte lokálne a cloudové modely pre rovnováhu nákladov, súkromia a kvality.
- Začnite s malými pipeline (PRD → dizajn → kód → testy) a potom rozširujte o nástroje a správy.
Pre doplňujúci kontext a praktické príklady pozrite tieto sprievodcovské návody a tutoriály.
### Často kladené otázky
Q1: Čo je MetaGPT a ako funguje?
MetaGPT je multiagentný rámec, kde agenti so špecifickými rolami (PM, Architekt, Inžinier, QA) spolupracujú na produkcii štruktúrovaných výstupov ako PRD, dizajny a kód. Koordinuje úlohy, zdieľa kontext a umožňuje používať lokálne alebo cloudové LLM pre každú rolu.
Q2: Ako sa inštaluje a nastavuje MetaGPT?
Inštalujte cez pip alebo zo zdroja, nakonfigurujte svoje LLM (OpenAI, Anthropic alebo lokálne cez Ollama) a nastavte environmentálne premenné pre prístup k modelu. Potom definujte agentov, vytvorte tím a spustite úlohu na generovanie artefaktov ako PRD a kód.
Q3: Môžem používať MetaGPT s lokálnymi LLM ako DeepSeek alebo Llama?
Áno. Pomocou Ollama môžete spúšťať modely ako DeepSeek-Coder alebo Llama lokálne a nasmerovať MetaGPT na lokálny endpoint. Toto znižuje náklady a zlepšuje súkromie pre citlivé projekty.
Q4: Aké sú najlepšie praktiky pre prompt-y v MetaGPT?
Používajte štruktúrované zadania s cieľmi, používateľmi, obmedzeniami, metrikami úspechu a dodávkami. Každému agentovi priraďte jasné poslanie a poskytnite výstupy v schémach (napr. JSON/YAML) na zníženie nejednoznačnosti.
Q5: Ako zabrániť opakovaniu agentov alebo produkcii nekvalitného kódu?
Pridajte limity krokov a kontrolné brány, vynucujte výstupné schémy a používajte špecializované modely podľa rolí (napr. model silný v logickom myslení pre architekta, silný v kódovaní pre inžiniera). Zahrňte testera/linter agenta a automaticky spúšťajte unit testy.