MetaGPT: دليل كامل لأفضل وكيل ذكاء اصطناعي متاح الآن

مع نماذج اللغة الكبيرة (LLMs) مثل ChatGPT ، شهدت OpenAI زيادة في اعتماد الشركات والمستخدمين ، حيث تدر حاليًا حوالي 80 مليون دولار في الإيرادات الشهرية. وفقًا لتقرير حديث من The Information ، فإن الشركة التي تتخذ من سان فرانسيسكو مقراً لها من المتوقع أن تصل إلى 1 مليار دولار في الإيرادات السنوية.

في المرة الأخيرة التي غامرنا فيها مع AutoGPT و GPT-Engineering ، كانت الوكلاء المفتوحين المصدر القائمين على LLMs في البداية مصممين لتحقيق المهام المعقدة. ومع ذلك ، كانت هذه الأنظمة لديها مشاكلها: نتائج غير متسقة ، وحدود في الأداء ، وقيود في التعامل مع الطلبات المتعددة. إنهم يظهرون مهارة في توليد الشفرة ، ولكن قدراتهم غالبًا ما تتوقف هناك. إنهم يفتقرون إلى وظائف إدارة المشاريع الحاسمة مثل توليد PRD وتصميم تقني وبروتوكول واجهة API.

ادخل MetaGPT – نظام متعدد الوكلاء الذي يستخدم نماذج اللغة الكبيرة من قبل Sirui Hong يدمج الإجراءات التشغيلية الموحدة (SOPs) مع أنظمة الوكلاء القائمة على LLMs. هذا المنهج الجديد يزعزع القيود الحالية للنماذج LLMs في تعزيز التعاون الفعال وتحليل المهام في التطبيقات الحقيقية المعقدة.

جمال MetaGPT يكمن في هيكله. إنه يستفيد من تقنيات البرمجة المتعددة لمنipulation ، وتحليل ، وتحويل الشفرة في الوقت الفعلي. الهدف؟ إحلال هندسة برمجيات مرنة ومتكيفة يمكن أن تتكيف مع المهام البرمجية الديناميكية.

Agile Development

SOPs تعمل كدالة ميتا هنا ، حيث تتنسيق الوكلاء لتوليد الشفرة تلقائيًا بناءً على المدخلات المحددة. وبمعنى بسيط ، إنه كما لو كنت قد حولت فريقًا من المطورين البرمجية المنسقين للغاية إلى نظام برمجي ذكي ومتكيف.

فهم إطار MetaGPT

MetaGPT Framework (https://arxiv.org/pdf/2308.00352.pdf)

طبقات التأسيس والتعاون

هندسة MetaGPT مقسمة إلى طبقتين: طبقة المكونات الأساسية وطبقة التعاون.

1. طبقة المكونات الأساسية: تركز هذه الطبقة على عمليات الوكيل الفردية وتسهل تبادل المعلومات على مستوى النظام. توفر كتل بناء أساسية مثل البيئة والذاكرة والأدوار والactions والأدوات. توفر البيئة مساحة عمل مشتركة وطرق اتصال ، بينما تعمل الذاكرة كأرشيف بيانات تاريخي. تشمل الأدوار خبرة محددة بال领域 ، وتُنفذ الإجراءات مهام متعددة ، وتوفر الأدوات خدمات مشتركة. تعمل هذه الطبقة بشكل أساسي كنظام تشغيل للوكلاء. يمكن العثور على مزيد من التفاصيل حول كيفية عملها معًا في المقال “Beyond ChatGPT; AI Agent: A New World of Workers“
2. طبقة التعاون: مبنية على المكونات الأساسية ، تدير هذه الطبقة وتسهل الجهود التعاونية للوكلاء الفردية. توفر آليتين: مشاركة المعرفة و封装 سير العمل.
   • مشاركة المعرفة: تعمل كالصلابة التعاونية التي تربط الوكلاء معًا. يمكن للوكلاء تخزين واسترجاع ومشاركة المعلومات على مستويات مختلفة ، وبالتالي تقليل التكرار وتعزيز الكفاءة التشغيلية.
   • 封装 سير العمل: यह هو المكان الذي تأتي فيه الإجراءات التشغيلية الموحدة (SOPs) إلى اللعب. SOPs تعمل كخطة زرقاء تفكك المهام إلى مكونات قابلة للإدارة. يتم تعيين الوكلاء لهذه المهام الفرعية ، ويتوافق أداؤهم مع مخرجات موحدة.

MetaGPT يستخدم أيضًا “تعريفات الأدوار” ل 初始化 وكلاء متخصصين مختلفين مثل مديري المنتجات والمهندسين المعماريين ، كما ناقشنا أعلاه. يتميز هذه الأدوار بسمات رئيسية مثل الاسم والملف والهدف والقيود والوصف.

https://arxiv.org/pdf/2308.00352.pdf

بالإضافة إلى ذلك ، توفر “وكلاء المرساة” توجيهًا محددًا بالدور لهؤلاء الوكلاء. على سبيل المثال ، قد يتم 초기化 دور مدير المنتج بالقيود “إنشاء منتج ناجح بكفاءة”. وكلاء المرساة يضمنون أن سلوك الوكلاء يتوافق مع الأهداف الشاملة ، وبالتالي ي tối ưu أداءهم.

العمليات الإدراكية في وكلاء MetaGPT

MetaGPT يمكن أن يلاحظ ويفكر ويتعكس ويتحرك. تعمل من خلال وظائف سلوكية محددة مثل _think() و _observe() و _publish_message() ، إلخ. يتيح هذا النمذجة الإدراكية للوكلاء أن يكونوا متعلمين نشطين يمكنهم التكيف والتطور.

1. مراقبة: يفحص الوكلاء بيئتهم ويدمجون البيانات الرئيسية في ذاكرتهم.
2. تفكير واعتبار: من خلال وظيفة _think() ، تتفكر الأدوار قبل اتخاذ الإجراءات.
3. نشر الرسائل: يستخدم الوكلاء _publish_message() لمشاركة حالة المهمة الحالية وسجلات الإجراءات المتعلقة.
4. ترسيب المعرفة والعمل: يقيم الوكلاء الرسائل الواردة ويعدلون مستودعاتهم الداخلية قبل اتخاذ الإجراء التالي.
5. إدارة الحالة: مع ميزات مثل قفل المهمة وتحديث الحالة ، يمكن للأدوار معالجة الإجراءات المتعددة بشكل متسلسل دون انقطاع ، مما يعكس التعاون البشري في العالم الحقيقي.

آليات المراجعة البرمجية لـ MetaGPT

المراجعة البرمجية هي مكون حرج في دورة حياة تطوير البرمجيات ، ومع ذلك فهي غائبة في العديد من الإطارات الشهيرة. كلا MetaGPT و AgentVerse يدعمان قدرات المراجعة البرمجية ، ولكن MetaGPT يذهب خطوة إلى الأمام. كما أنه يدمج تنفيذ ما قبل الترجمة ، مما يساعد في الكشف المبكر عن الأخطاء وبالتالي يرفع جودة الشفرة. بالنظر إلى الطبيعة التكرارية للبرمجة ، هذه الميزة ليست مجرد إضافة ولكنها متطلب ل أي إطار تطوير ناضج.

أظهرت التجارب الكمية التي أجريت عبر عدة مهام أن MetaGPT يتفوق على نظرائه في几乎 كل سيناريو. Pass@1 هو مقياس ل khả năng الإطار لتوليد شفرة دقيقة في تكرار واحد. يوفر هذا المقياس انعكاسًا أكثر واقعية لفائدة الإطار في إعداد عملي. معدل Pass@1 الأعلى يعني أقل تصحيحًا وأكثر كفاءة ، مما يؤثر مباشرة على دورات التطوير والتكاليف. عند مقارنته بأدوات توليد شفرة متقدمة أخرى مثل CodeX و CodeT وحتى GPT-4 ، يتفوق MetaGPT على كلها. يمكن للإطار تحقيق معدل Pass@1 بنسبة 81.7% إلى 82.3% على HumanEval و MBPP المعايير.

Comparing MBPP and HumanEval Metrics b/w MetaGPT and other Leading Models (https://arxiv.org/pdf/2308.00352.pdf)

يستخدم الإطار أيضًا أقل عدد من الرموز والموارد الحاسوبية ، ويحقق معدل نجاح عالٍ بنسبة جزء صغيرة من تكاليف الهندسة البرمجية التقليدية. أشارت البيانات إلى متوسط تكلفة 1.09 دولار فقط لكل مشروع مع MetaGPT ، وهو جزء صغير مما سيكلفه المطور لنفس المهمة.

خطوات تثبيت MetaGPT على نظامك المحلي

NPM و Python Installation

1. تحقق من تثبيت NPM: أولاً وقبل كل شيء ، تأكد من تثبيت NPM على نظامك. إذا لم يكن مثبتًا ، ستحتاج إلى تثبيت node.js. لتحقق من是否 لديك npm ، قم بتشغيل هذا الأمر في طرفيةك: npm --version. إذا رأيت رقم إصدار ، أنت على ما يرام.
2. Để تثبيت mermaid-js ، وهو зависим على MetaGPT ، قم بتشغيل: sudo npm install -g @mermaid-js/mermaid-cli أو npm install -g @mermaid-js/mermaid-cli
3. تحقق من إصدار Python: تأكد من أن لديك Python 3.9 أو أعلى. لتحقق من إصدار Python ، افتح طرفيتك واكتب: python --version. إذا كنت لا تستطيع ذلك ، قم بتحميل الإصدار الأخير من موقع Python الرسمي.
4. استنساخ مستودع MetaGPT: ابدأ ب استنساخ مستودع MetaGPT على GitHub باستخدام الأمر git clone https://github.com/geekan/metagpt. تأكد من تثبيت Git على نظامك لهذا الغرض. إذا لم يكن مثبتًا ، قم بزيارة هنا.
5. التنقل إلى الدليل: بمجرد استنساخه ، انتقل إلى دليل MetaGPT باستخدام الأمر cd metagpt.
6. التثبيت: قم بتشغيل سكريبت الإعداد الخاص ب Python لتثبيت MetaGPT باستخدام الأمر python setup.py install.
7. قم بإنشاء تطبيق: قم بتشغيل python startup.py "ENTER-PROMPT" --code_review True

ملاحظة:

• يجب أن يكون مشروعك الجديد الآن في دليل workspace/.
• --code_review True سوف يسمح لنموذج GPT بالقيام بعمليات إضافية التي ستضمن تشغيل الشفرة بدقة ولكن lưu ý أن ذلك سوف يكلف أكثر.
• إذا واجهت خطأً في التثبيت ، حاول تشغيل python setup.py install --user كبديل.
• للوصول إلى إصدارات محددة ومزيد من التفاصيل ، قم بزيارة صفحة إصدارات MetaGPT الرسمية على GitHub: إصدارات MetaGPT.

تثبيت Docker

对于 الذين يفضلون الحاويات ، يبسط Docker العملية:

• سحب صورة Docker: قم بتحميل صورة MetaGPT الرسمية واعداد ملف التكوين:

docker pull metagpt/metagpt:v0.3.1

mkdir -p /opt/metagpt/{config,workspace}

docker run --rm metagpt/metagpt:v0.3.1 cat /app/metagpt/config/config.yaml > /opt/metagpt/config/key.yaml
vim /opt/metagpt/config/key.yaml

• تشغيل حاوية MetaGPT: قم بتشغيل الحاوية باستخدام الأمر:

docker run --rm --privileged \

-v /opt/metagpt/config/key.yaml:/app/metagpt/config/key.yaml \

-v /opt/metagpt/workspace:/app/metagpt/workspace \

metagpt/metagpt:v0.3.1 \

python startup.py "Create a simple and interactive CLI based rock, paper and scissors game" --code_review True

تكوين MetaGPT باستخدام مفتاح API OpenAI الخاص بك

بعد الإعداد الأولي ، ستحتاج إلى دمج MetaGPT مع مفتاح API OpenAI الخاص بك. هنا هي الخطوات للقيام بذلك:

1. تحديد أو إنشاء مفتاح OpenAI الخاص بك: يمكنك العثور على هذا المفتاح في لوحة تحكم OpenAI تحت إعدادات API.
2. تعيين المفتاح: لديك خيار وضع المفتاح في config/key.yaml أو config/config.yaml أو تعيينه كمتغير بيئة (env). ترتيب الأسبقية هو config/key.yaml > config/config.yaml > env.
3. Để تعيين المفتاح ، انتقل إلى config/key.yaml و استبدل النص المحجوز بمفتاح OpenAI الخاص بك: OPENAI_API_KEY: "sk-..."

تذكر لحماية مفتاح API OpenAI الخاص بك. لا تقم أبدًا بنشره في مستودع عام أو مشاركته مع أفراد غير مخولين.

توضيح الحالة

لدي هدف لتطوير لعبة Rock و Paper و Scissors القائمة على واجهة سطر الأوامر ، ونجح MetaGPT في تنفيذ المهمة.

فيما يلي فيديو يظهر التشغيل الفعلي للشفرة التي تم توليدها.

MetaGPT Demo Run

provided وثيقة تصميم نظام في Markdown – لغة ترميز خفيفة شائعة. كانت هذه الملفات Markdown مليئة بأشكال UML ، وبالتالي تقدم نظرة شاملة على المخطط المعماري. بالإضافة إلى ذلك ، تم توفير مواصفات API بالتفصيل مع أساليب HTTP و نهايات و كائنات الطلب والاستجابة و أكواد الحالة

MetaGPT Output – System Design Markdown

يوضح مخطط الفصل سمات وأساليب فئة Game ، ويوفر تجريدًا سهل الفهم. كما أنه يvisualizes تدفق الاتصال للبرنامج ، وبالتالي يحول الأفكار المجردة إلى خطوات ملموسة.

لا يقلل هذا فقط من العبء اليدوي في التخطيط ، ولكنه يسرع أيضًا عملية اتخاذ القرار ، وبالتالي يضمن أن يبقى خط إنتاجك سريعًا. مع MetaGPT ، أنت لا تتوليد شفرة فقط ، بل تتوليد تخطيط مشروع ذكيًا ، وبالتالي تحصل على ميزة تنافسية في تطوير التطبيقات السريع.

الختام: MetaGPT – ثورة في تطوير البرمجيات

MetaGPT يعيد تعريف مشهد الذكاء الاصطناعي وتطوير البرمجيات ، ويوفر دمجًا سلسًا من التutomatization الذكية وإدارة المشاريع المرنة. يتفوق على قدرات ChatGPT و AutoGPT و LangChain التقليدية ، ويتفوق في تحليل المهمة وتوليد الشفرة وتخطيط المشروع. تعلم المزيد حول

هنا هي النقاط الرئيسية من هذا المقال:

1. قوة البرمجة المتعددة: من خلال استخدام البرمجة المتعددة ، يوفر MetaGPT إطارًا برمجيًا مرنًا ومتكيفًا. يتجاوز الوظائف الضيقة للأدوات التقليدية ، ويدخل نهجًا تحوليًا يتعامل ليس فقط مع البرمجة ، ولكن أيضًا مع جوانب إدارة المشاريع و اتخاذ القرارات.
2. هندسة متعددة الطبقات: مع طبقاته الأساسية والتعاونية ، يخلق MetaGPT نظامًا سيرجيًا حيث يمكن للوكلاء العمل معًا بشكل متناغم ، مثل فريق برمجي محترف.
3. مراجعة شفرة مُحسّنة: بخلاف توليد الشفرة فقط ، يوفر MetaGPT ميزات تنفيذ ما قبل الترجمة ، والتي تعمل ك نظام تحذير مبكر للأخطاء. هذا لا يوفر فقط وقت تصحيح الأخطاء ، ولكنه يضمن أيضًا جودة الشفرة.
4. وكلاء إدراكيون: يمتلك وكلاء MetaGPT وظائف إدراكية مثل _observe() و _think() و _publish_message() ، ويتطورون ويتكيفون ، وبالتالي يضمنون أن حل برمجي الخاص بك ليس فقط مُكتب ، ولكنه “ذكي”.
5. التثبيت والتشغيل: لقد أوضحنا أن MetaGPT يمكن تثبيته بسهولة ، سواء كنت تفضل التثبيت المحلي عبر NPM و Python أو الحاويات عبر Docker.