iT邦幫忙

2025 iThome 鐵人賽

DAY 25
0
自我挑戰組

AI Agentu相關研究系列 第 25

MetaGPT 架構拆解

  • 分享至 

  • xImage
  •  

設計理念:從「單一大模型」到「多角色系統」

一般 LLM Agent(例如 LangChain 的 Agent)通常是 單體式:
一個模型同時負責理解需求、設計、實作、檢查。
容易產生 上下文遺失 或 角色混亂(例如模型一下在規劃,一下又在寫程式碼,最後文件與程式不一致)。
MetaGPT 的突破在於:
把 LLM「切分」成不同角色,並強制讓它們用 訊息協議 溝通。
每個角色只專注在單一責任。
這讓 LLM 不需要同時「記住一切」,而是透過結構化協作來降低錯誤。

核心技術模組
角色模板(Role Templates)
MetaGPT 為每個角色定義了專屬 Prompt 模板。
例如「工程師角色」的 Prompt 會包含程式碼風格規範、測試要求。
「PM 角色」的 Prompt 則偏向市場分析、需求文件格式。
協議與資料結構(Protocols & Data Structures)
每個 Agent 之間的輸入輸出不是隨機文字,而是 結構化訊息(JSON / 標準化格式)。
例如:PM 會輸出 PRD 文件的 JSON,Engineer 再依此撰寫程式碼。
這種「結構化輸出」能讓系統更容易驗證正確性。
階段任務引擎(Multi-Stage Task Engine)
MetaGPT 的執行方式不是「一個大 Prompt」,而是 分階段工作流。
每一階段會觸發不同角色,輸入、輸出結果被收集再交給下一階段。
如果有錯誤,會自動回到上一階段(例如 QA 驗證失敗 → 退回給 Engineer)。
技術上更接近「有限狀態機(FSM)」或「Workflow Engine」。
知識積累(Knowledge Base)
MetaGPT 把角色輸出的所有檔案(需求文件、架構設計、程式碼)都存入一個知識庫。
下次執行專案時,可以復用這些資料,提升效率。
可以理解為「公司內部 Wiki」,角色在工作時會引用。


上一篇
AutoGPT 架構介紹
下一篇
OpenAgents 架構拆解
系列文
AI Agentu相關研究26
圖片
  熱門推薦
圖片
{{ item.channelVendor }} | {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言