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.

Kako uporabljati MetaGPT: Praktični vodnik po delovnih tokovih z več agenti

Če ste si kdaj želeli, da bi se vaša umetna inteligenca obnašala kot dobro usklajena produktna ekipa – vodja projektov, arhitekt, inženir, preizkuševalec – ki vzporedno delujejo za dosego skupnega cilja, je MetaGPT ogrodje, ki to omogoča. V tem praktičnem, na rešitve usmerjenem vodniku vas bomo korak za korakom vodili skozi uporabo MetaGPT, od namestitve do izgradnje delovnih tokov z več agenti, poleg tega pa še skozi najboljše prakse, nasvete za odpravljanje težav in resnične primere, ki jih lahko prilagodite že danes.

Na koncu boste lahko namestili MetaGPT, zagnali cevovod z več agenti, napisali boljše pozive, ga razširili z orodji in LLM-ji ter hitro ustvarili nekaj uporabnega.

Kaj je MetaGPT (in zakaj je pomemben)

MetaGPT je ogrodje z več agenti, zasnovano za usklajevanje specializiranih agentov – kot so vodja projektov, arhitekt, programer in preizkuševalec – da lahko skupaj rešujejo kompleksne naloge. Namesto da bi ena sama monolitna umetna inteligenca počela vse, MetaGPT sestavlja sistem agentov, ki temeljijo na vlogah, z deljeno vsebino, pomnilnikom in usmerjanjem nalog. Rezultat: projekti se premikajo od ideje do izvedbe z manj ročnega posredovanja in več paralelizma.

Vloge z več agenti: Določite različne odgovornosti (npr. priprava PRD, načrtovanje sistema, kodiranje).

Deljeni artefakti: Agenti posredujejo strukturirane izhode (PRD → načrt → koda → testi).

Priključljivi LLM-ji: Izberite modele (lokalne ali v oblaku) glede na stroške, hitrost in zasebnost.

Razširljiva orodja: Dodajte pridobivanje, izvajanje kode ali zunanje API-je.

Za dober pregled in razumevanje, »zakaj deluje«, si oglejte neodvisne vodnike, ki razčlenjujejo, kako MetaGPT usklajuje ekipe in ustvarjanje kode. Za konkreten delovni tok (avtomatizacija zahtev za izdelek z lokalnimi modeli) IBM-ova vadnica prikazuje MetaGPT v kombinaciji z modeloma Ollama in DeepSeek za celovito izdelavo PRD-jev.

Hitri začetek: Namestite MetaGPT v 15 minutah

Tukaj je čista namestitev, ki deluje v sistemih macOS, Linux in WSL.

1) Predpogoji

Python 3.10+ in pip

Node.js/npm (za nekatera orodja in integracije, če nameravate eksperimentirati)

Izbirno: Docker (za ponovljiva okolja) in Ollama (za lokalne LLM-je)

Preverite svoje okolje:

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

Če izberete pot lokalnega LLM-ja, namestite Ollama in potegnite model (npr. različice DeepSeek ali Llama 3), kot je prikazano v primeru avtomatizacije PRD.

2) Namestite MetaGPT

# Možnost A: Iz PyPI (če je na voljo)
pip install metagpt
# Možnost B: Iz vira (priporočljivo za spremljanje primerov)
git clone <org>/MetaGPT.git
cd MetaGPT
pip install -r requirements.txt

Preverite datoteko README projekta za najnovejše korake namestitve in izbirne dodatke. Vodniki skupnosti prav tako orisujejo lokalne korake, vključno s preverjanji npm in nastavitvijo Pythona.

3) Konfigurirajte svoje LLM-je

LLM-ji v oblaku: Izvozite ključe (npr. OPENAI_API_KEY, ANTHROPIC_API_KEY).

Lokalni LLM-ji: Zaženite ollama serve in izberite model; usmerite MetaGPT na svojo lokalno končno točko.

Primer .env (prilagodite za svojega ponudnika):

OPENAI_API_KEY=sk-...
MODEL_NAME=gpt-4o-mini
# Ali lokalno
LLM_ENDPOINT=
MODEL_NAME=deepseek-coder

Vaš prvi delovni tok z več agenti

Zgradimo minimalen cevovod »ideja → PRD → načrt → koda«. To lahko prilagodite spletnim aplikacijam, skriptam ali podatkovnim orodjem.

Konceptualni tok

Agent za produktnega vodjo: Pojasnjuje cilje, uporabnike in merila uspešnosti; piše PRD.

Arhitekt agent: Predlaga načrt sistema, API-je, kompromise.

Inženir agent: Piše ogrodje kode na podlagi načrta.

Agent za zagotavljanje kakovosti/recenzent: Pregleduje kodo, piše teste, opozarja na težave.

Primer ogrodja (Python)

from metagpt import MetaTeam, Agent, Role
from metagpt.llms import LLM
# 1) Določite zaledje LLM
llm = LLM(model_name="gpt-4o-mini") # ali pokažite na lokalni model
# 2) Določite agente, specifične za vloge
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) Ustvarite ekipo z deljenim pomnilnikom/vsebino
team = MetaTeam(agents=.
---
## Pisanje pozivov, ki jih razumejo multi-agenti
MetaGPT blesti, ko mu daste strukturirana navodila, ki se zavedajo vloge. Mislite kot vodja, ki piše navodila za štiri strokovnjake.
- Cilj: En stavek, ki navaja končni cilj.
- Uporabniki in obseg: Kdo ima koristi in kaj je vključeno/izključeno.
- Omejitve: Jasne meje (nabor tehnologij, zakasnitev, zasebnost, proračun).
- Merila uspešnosti: Kako izgleda »dobro«.
- Rezultati: Eksplicitni artefakti (PRD, diagram, postavitev repozitorija, testi).
Primer navodila:
```yaml
objective: Build a Python CLI that reads a PDF and produces a 1-page summary in Markdown.
users: .
---
## Najboljše prakse za zanesljive rezultate
- Začnite majhno, nato pa povečajte: Preverite cevovod na minimalni specifikaciji pred velikimi projekti.
- Ena vloga, en mandat: Izogibajte se prekrivanju odgovornosti, da zmanjšate zmedo.
- Uporabite kontrolne sezname: Dajte vsakemu agentu rubriko (merila sprejemljivosti) za njihov izhod.
- Nadzorujte preglede: Dodajte vlogo pregledovalca/vodje, ki odobri ali pošlje delo nazaj.
- Naj bodo pozivi strukturirani: Sheme YAML/JSON naredijo izhode bolj deterministične.
- Ohranjajte artefakte: Shranite PRD/načrt/kodo na disk za sledljivost in ponovne izvedbe.
- Združite lokalno + oblak: Uporabite lokalne modele za osnutke; težke korake prenesite na močnejši model v oblaku.
- Proračunske omejitve: Nastavite omejitve žetonov in preverjanja stroškov za vsako fazo.
---
## Primer projekta: Samodejni PRD za zahteve funkcij
Cilj: Pretvorite surovo zahtevo za funkcijo v izpopolnjen PRD z uporabniškimi zgodbami in merili sprejemljivosti.
Potek:
1. Razčlenjevanje vnosa: Normalizirajte zahtevo in izvlecite vsebino (uporabniška persona, težave).
2. Agent za produktnega vodjo: Pripravi PRD s cilji, ne-cilji, KPI-ji.
3. Arhitekt agent: Predlaga možnosti rešitev s prednostmi/slabostmi.
4. Agent za pregledovalca: Zagotavlja, da so jasnost, tveganja in odvisnosti dokumentirani.
Zakaj deluje: Strukturirana predaja odraža resnične produktne ekipe in sili v jasnost. IBM-ov vodnik vas vodi skozi podoben tok PRD z več agenti z lokalnimi modeli, ki jih lahko ponovite.
---
## Odpravljanje pogostih težav
- Agenti se vrtijo v zanki ali zastajajo
- Zmanjšajte obseg in dodajte eksplicitne rezultate.
- Dodajte časovne omejitve in omejitve korakov; omogočite nadzorne točke pregledov.
- Neurejeni ali nestrukturirani izhodi
- Uveljavite sheme z JSON/YAML; pozivajte s primeri oblikovanja.
- Dodajte agenta »Oblikovalec«, čigar edina naloga je normalizacija izhodov.
- Nizkokakovostna koda
- Uporabite model, ki je močan v kodi (npr. DeepSeek‑Coder lokalno ali vrhunski model v oblaku) za inženirja.
- Dodajte agenta za preizkušanje/lintanje; samodejno zaženite enotne teste.
- Visoki stroški
- Uporabite lokalne modele za pripravo osnutkov; za končno izboljšavo se zatecite le k vrhunskim LLM-jem.
- Omejite okna vsebine; razdelite artefakte na dele in jih pridobite po potrebi.
- Neusklajenost modelov
- Prilagodite modele za vsako vlogo (razmišljanje v primerjavi s kodiranjem v primerjavi z urejanjem) in nastavitve temperature.
Neodvisni pregledi poudarjajo moč MetaGPT pri ustvarjanju kode in kako se izogniti pastem z boljšimi pozivi in orodji.
---
## Poglabljanje: Napredni vzorci
- Pridobivanje informacij z razširjeno generacijo (RAG)
- Nahranite svojo ekipo s »bazo znanja« projekta, ki vsebuje pretekle PRD-je, načrte in kodo.
- Dovolite, da PM/arhitekt pridobi ustrezno vsebino pred pisanjem.
- Dejanja v slogu Toolformer
- Dovolite inženirju, da izvaja ukaze lupine, ustvarja datoteke in izvaja teste.
- Projekti z več najemniki
- Vzporedno izvajajte več ekip za raziskovanje rešitev A/B.
- Nadzor s človekom v zanki
- Vstavite korake odobritve (npr. PRD → človeški pregled → nadaljevanje).
- Ocenjevalni pas
- Samodejno ocenjujte izhode (npr. lintanje, pokritost testov, ocene berljivosti) in rezultate posredujte nazaj agentu Coach.
---
## Primeri uporabe v resničnem svetu, ki jih lahko zgradite ta teden
- Idejna zasnova zagonskega podjetja → PRD → Prototip spletnega mesta
- Notranje podatkovno orodje s CLI in dokumentacijo
- Načrtovanje API-ja s knjižnicami odjemalcev v več jezikih
- Cevovod za zagotavljanje kakovosti, ki ustvarja teste iz vozovnic Jira
- Generator tehničnih blogov s primeri kode in diagrami
Zapisi skupnosti kažejo, da MetaGPT spretno spreminja minimalne vnose v strukturirane, visokokakovostne artefakte, zlasti za inženiring in produktno delo.
---
## Mimogrede: Pospešite idejno zasnovo in iteracijo s [Sider.AI](https://sider.ai)
Omeniti velja: če pripravljate pozive, pregledujete artefakte ali ponavljate specifikacije, vam lahko vsestranski pomočnik, kot je [Sider.AI](https://sider.ai), pomaga pri izdelavi prototipov navodil, primerjavi alternativ in izboljšanju izhodov, preden jih predate MetaGPT. Posebej priročen je za razmišljanje o uporabniških zgodbah, merilih sprejemljivosti in testnih primerih, ki jih lahko uporabijo vaši agenti. Raziščite [Sider.AI](https://sider.ai) na https://sider.ai/.
---
## Akcijski načrt: Vaših naslednjih 60 minut
- 10 min: Namestite MetaGPT in nastavite svoj LLM (lokalno ali v oblaku).
- 15 min: Ustvarite ekipo s 4 vlogami (PM, arhitekt, inženir, QA) in zaženite majhen projekt.
- 15 min: Dodajte sheme za PRD/načrt in nadzorno točko pregledovalca.
- 20 min: Zamenjajte modele za posamezno vlogo; dodajte orodje za izvajanje testov za inženirja/QA.
Še danes pošljite prvi artefakt. Jutri ponovite.
---
## Ključni zaključki
- MetaGPT vam omogoča, da skriptirate ekipo specializiranih agentov, ki skupaj delajo na kompleksnih nalogah.
- Uspeh je odvisen od strukturiranih pozivov, jasnih rezultatov in nadzornih točk pregledov.
- Združite lokalne in modele v oblaku, da uravnotežite stroške, zasebnost in kakovost.
- Začnite z majhnimi cevovodi (PRD → načrt → koda → testi), nato pa jih razširite na bogatejša orodja in upravljanje.
Za dodatno vsebino in praktične primere si oglejte te vodnike in vadnice.
### Pogosta vprašanja
V1: Kaj je MetaGPT in kako deluje?
MetaGPT je ogrodje z več agenti, kjer agenti, ki temeljijo na vlogah (PM, arhitekt, inženir, QA), sodelujejo pri ustvarjanju strukturiranih izhodov, kot so PRD-ji, načrti in koda. Usklajuje naloge, deli vsebino in vam omogoča, da za vsako vlogo priključite lokalne ali LLM-je v oblaku.
V2: Kako namestim in nastavim MetaGPT?
Namestite prek pip ali iz vira, konfigurirajte svoj LLM (OpenAI, Anthropic ali lokalno prek Ollama) in nastavite spremenljivke okolja za dostop do modela. Nato določite agente, ustvarite ekipo in zaženite nalogo za ustvarjanje artefaktov, kot so PRD-ji in koda.
V3: Ali lahko uporabljam MetaGPT z lokalnimi LLM-ji, kot sta DeepSeek ali Llama?
Da. Z uporabo Ollama lahko lokalno zaženete modele, kot je DeepSeek‑Coder ali Llama, in usmerite MetaGPT na lokalno končno točko. To zmanjša stroške in izboljša zasebnost za občutljive projekte.
V4: Kakšne so najboljše prakse za pozive v MetaGPT?
Uporabite strukturirana navodila s cilji, uporabniki, omejitvami, merili uspešnosti in rezultati. Dodelite vsakemu agentu jasen mandat in zagotovite izhodne formate, ki temeljijo na shemah (npr. JSON/YAML), da zmanjšate dvoumnost.
V5: Kako preprečim, da bi se agenti vrteli v zanki ali ustvarjali nizkokakovostno kodo?
Dodajte omejitve korakov in nadzorne točke pregledov, uveljavite izhodne sheme in uporabite specializirane modele za posamezno vlogo (npr. močno razmišljanje za arhitekta, močno kodiranje za inženirja). Vključite agenta za preizkušanje/lintanje in samodejno zaženite enotne teste.

Kako uporabljati MetaGPT: Praktičen vodnik po delovnih tokovih z več agenti