70k Star 的 MetaGPT 早已停止维护，但它的 SOP 驱动思路仍被每个多 Agent 框架借鉴

MetaGPT 的开源项目已经停止维护，但它的设计思路至今仍值得研究。给 AI Agent 分配「员工身份」，再让它们按 SOP 协作——这个想法在 2023 年提出时是开创性的，直到今天 CrewAI、LangGraph 等框架仍在借鉴这套思路。

它解决的是什么问题

大语言模型单独干活时，任务一长就容易「跑偏」：上下文多了记不住、上一步和下一步衔接不上、不同 Agent 之间互相「鸡同鸭讲」。

MetaGPT 的解法很直接：把一个完整的软件团队结构化，给每个角色定义好输入输出，让它们像真实公司一样按 SOP 交接。

具体来说，它内置了五个固定角色：

• Product Manager（PM）：接收一句话需求，输出产品需求文档（PRD）
• Architect：根据 PRD 输出系统设计
• Project Manager：拆解任务、制定执行计划
• Engineer：写代码
• QA Engineer：写测试、跑验证

角色之间不聊闲天，只传递结构化文档。PM 写完 PRD → 交给 Architect → 产出设计 → 交给 PM 分配任务 → Engineer 逐项执行。整条链路被一个核心公式驱动：Code = SOP(Team)——把标准作业流程编码进 Agent 协作。

真实使用门槛

安装要求不低：

# Python 3.9 ~ 3.11（不支持 3.12）
conda create -n metagpt python=3.9
pip install --upgrade metagpt
metagpt --init-config  # 初始化配置文件

配置里要填 LLM API Key，支持 OpenAI、Azure、Ollama、Groq 等多种 provider。

上手最简单的用法：

from metagpt.software_company import generate_repo

repo = generate_repo("Create a 2048 game")
print(repo)

一行指令，MetaGPT 会在 ./workspace 目录下生成完整游戏代码。但生成质量不稳定，复杂项目需要手动 Review 和修复。

Data Interpreter 是另一用法，不模拟团队，而是单个 Agent 执行数据分析任务：

import asyncio
from metagpt.roles.di.data_interpreter import DataInterpreter

async def main():
    di = DataInterpreter()
    await di.run("Run data analysis on sklearn Iris dataset, include a plot")

asyncio.run(main())

竞品对比：它处在什么位置

数据来源：综合 AgentIndex、Markaicode、Modern DataTools 横评报告

选 MetaGPT 的唯一理由：你的任务天然有「角色分工」，且这个分工是固定的。典型场景是软件工程新项目 scaffolding——给它一个想法，它能跑出一个带 PRD、架构图、代码、测试的完整项目骨架。

不选 MetaGPT 的理由：它的开源维护状态需要单独说明。

一个必须重视的问题：维护已停止

这是 MetaGPT 和其他框架最本质的区别。

开源仓库的最后一次合并是 2026 年 1 月 21 日（一个 Windows 终端兼容性修复），PyPI 最新版本 v0.8.2 发布于 2025 年 3 月 9 日——距今已超过 18 个月。同期社区的 Issues 和 PR 没有官方回复。

更值得警惕的是三个未修复的安全漏洞（截至 2026 年 9 月）：

• CVE-2026-6110（CVSS 7.3）：Tree-of-Thought solver 中存在 eval() 调用未校验 LLM 输出，Prompt 注入可导致任意代码执行
• CVE-2026-6111：Server-Side Request Forgery（SSRF）via decode_image()
• CVE-2026-10566（CVSS 5.3）：Message.check_instruct_content() 反序列化漏洞

第一个漏洞的修复 PR #1946 已提交 6 个月，仍未合并。

背后的原因是商业化：原团队 DeepWisdom 在 2025 年 2 月推出商业产品 MGX，2026 年 1 月 rebranding 为 Atoms（atoms.dev/metagpt），开源版本已不在核心 roadmap 上。

适合谁 / 不适合谁

适合：

• 想理解「多 Agent 如何用 SOP 协作」的开发者 / 研究者
• 需要快速生成软件项目原型骨架的场景
• 评估多 Agent 框架选型时的对比基准

不适合：

• 需要生产级稳定维护的项目（已有三个公开漏洞未修复）
• 非软件工程领域的任务（PM/Architect/Engineer 角色对该场景无效）
• 需要灵活调整 Agent 协作流程的场景（固定流水线改造成本高）

下一步建议

如果你是框架选型工程师，建议先读 CrewAI 或 LangGraph，它们的社区活跃度和生产成熟度都更稳。

如果你是多 Agent 研究者，MetaGPT 的两篇论文值得读：核心论文 MetaGPT（ICLR 2024 Oral，top 1.2%）和后续 AFlow（ICLR 2025 Oral，top 1.8%），都挂在 OpenReview 上可以直接下载。

如果你是想体验 SOP 协作思路的开发者，直接 pip 安装跑一遍 generate_repo("Create a todo REST API")，感受一下固定流水线带来的可预测性和局限性。

GitHub 仓库：https://github.com/FoundationAgents/MetaGPT
论文：https://arxiv.org/abs/2308.00352
官方文档：https://docs.deepwisdom.ai/main/en/guide/get_started/introduction.html

MetaGPT 是一个「出道即巅峰」的项目——它的 SOP 驱动协作思路影响了整整一代多 Agent 框架，但开源维护的停滞也提醒我们：好的研究 idea 和好的开源项目是两件不同的事。