MetaGPT: विस्तृत मार्गदर्शिका सबसे अच्छे एआई एजेंट के लिए जो वर्तमान में उपलब्ध है

बड़े भाषा मॉडल (LLM) जैसे ChatGPT के साथ, OpenAI ने उद्यम और उपयोगकर्ता अपनाने में वृद्धि देखी है, वर्तमान में लगभग $80 मिलियन की मासिक राजस्व में है। द इंफॉर्मेशन द्वारा एक हालिया रिपोर्ट के अनुसार, सैन फ्रांसिस्को स्थित कंपनी कथित तौर पर $1 बिलियन के वार्षिक राजस्व तक पहुंचने की गति पर है।

पिछली बार हमने AutoGPT और GPT-इंजीनियरिंग पर गहराई से देखा, जो जटिल कार्यों को स्वचालित करने के लिए डिज़ाइन किए गए मुख्यधारा के खुले स्रोत LLM-आधारित AI एजेंट हैं। जबकि वे वादा दिखाते हैं, इन प्रणालियों में अपनी हिस्सेदारी की समस्याएं थीं: असंगत परिणाम, प्रदर्शन की बोतलें और बहुस्तरीय मांगों को संभालने में सीमाएं। वे कोड पीढ़ी में प्रवीणता दिखाते हैं, लेकिन उनकी क्षमताएं अक्सर वहीं रुक जाती हैं। उनमें महत्वपूर्ण परियोजना प्रबंधन कार्यक्षमता जैसे PRD पीढ़ी, तकनीकी डिजाइन पीढ़ी, और API इंटरफ़ेस प्रोटोटाइपिंग का अभाव है।

MetaGPT—एक बहु-एजेंट प्रणाली में प्रवेश करें जो सिरुई होंग द्वारा बड़े भाषा मॉडल का उपयोग करती है जो मानकीकृत ऑपरेटिंग प्रक्रियाओं (SOP) को LLM-आधारित बहु-एजेंट प्रणालियों के साथ जोड़ती है। यह उभरता हुआ परिदृश्य जटिल, वास्तविक दुनिया के अनुप्रयोगों में प्रभावी सहयोग और कार्य विभाजन में LLM की मौजूदा सीमाओं को बाधित करता है।

MetaGPT की सुंदरता इसकी संरचना में निहित है। यह वास्तविक समय में कोड को मैनिपुलेट, विश्लेषण और परिवर्तित करने के लिए मेटा-प्रोग्रामिंग तकनीकों पर पूंजीकरण करता है। लक्ष्य? एक लचीला, गतिशील सॉफ्टवेयर वास्तुकला को वास्तविक बनाना जो गतिशील प्रोग्रामिंग कार्यों के अनुकूल हो सकता है।

Agile Development

SOP यहां एक मेटा-फ़ंक्शन के रूप में कार्य करते हैं, एजेंटों को परिभाषित इनपुट के आधार पर स्वचालित रूप से कोड उत्पन्न करने के लिए समन्वयित करते हैं। सरल शब्दों में, यह ऐसा है जैसे कि आपने एक उच्च समन्वित सॉफ्टवेयर इंजीनियरों की टीम को एक अनुकूलनीय, बुद्धिमान सॉफ्टवेयर प्रणाली में बदल दिया है।

MetaGPT फ्रेमवर्क को समझना

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

संस्थापक और सहयोग लेयर

MetaGPT की वास्तुकला दो परतों में विभाजित है: संस्थापक घटक परत और सहयोग परत।

1. संस्थापक घटक परत: यह परत व्यक्तिगत एजेंट संचालन पर केंद्रित है और प्रणाली व्यापी जानकारी विनिमय की सुविधा प्रदान करती है। यह मूल निर्माण खंड जैसे कि वातावरण, स्मृति, भूमिकाएं, क्रियाएं और उपकरण पेश करती है। वातावरण साझा कार्यस्थान और संचार मार्गों के लिए मंच तैयार करता है, जबकि स्मृति ऐतिहासिक डेटा संग्रह के रूप में कार्य करती है। भूमिकाएं डोमेन-विशिष्ट विशेषज्ञता को समाहित करती हैं, क्रियाएं मॉड्यूलर कार्यों को निष्पादित करती हैं, और उपकरण सामान्य सेवाएं प्रदान करते हैं। यह परत मूल रूप से एजेंटों के लिए ऑपरेटिंग सिस्टम के रूप में कार्य करती है। इन घटकों के एक साथ कैसे काम करने के बारे में अधिक विवरण लेख ‘Beyond ChatGPT; AI Agent: A New World of Workers‘ में उपलब्ध है।
2. सहयोग परत: संस्थापक घटकों पर निर्मित, यह परत व्यक्तिगत एजेंटों के सहयोगी प्रयासों को प्रबंधित और सुव्यवस्थित करती है। यह दो तंत्र पेश करती है: ज्ञान साझा करना और कार्य प्रवाह को समाहित करना।
   • ज्ञान साझा करना: यह एजेंटों को एक साथ बांधने वाला सहयोगी गोंद के रूप में कार्य करता है। एजेंट विभिन्न स्तरों पर जानकारी संग्रहीत, पुनर्प्राप्त और साझा कर सकते हैं, जिससे पुनरावृत्ति कम होती है और संचालन की दक्षता बढ़ जाती है।
   • कार्य प्रवाह को समाहित करना: यह वह स्थान है जहां मानकीकृत ऑपरेटिंग प्रक्रियाएं (SOP) खेल में आती हैं। SOP कार्यों को प्रबंधनीय घटकों में तोड़ने के लिए नीले रंग की छाप के रूप में कार्य करते हैं। एजेंटों को इन उप-कार्यों को सौंपा जाता है, और उनका प्रदर्शन मानकीकृत आउटपुट के साथ संरेखित होता है।

MetaGPT भी “भूमिका परिभाषाएं” का उपयोग विभिन्न विशेषज्ञ एजेंटों जैसे कि उत्पाद प्रबंधक, वास्तुकार आदि को आरंभ करने के लिए करता है, जैसा कि हमने ऊपर चर्चा की है। इन भूमिकाओं को नाम, प्रोफ़ाइल, लक्ष्य, प्रतिबंध और विवरण जैसे प्रमुख विशेषताओं द्वारा चिह्नित किया जाता है।

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

इसके अलावा, “एंकर एजेंट” इन एजेंटों को भूमिका-विशिष्ट मार्गदर्शन प्रदान करते हैं। उदाहरण के लिए, एक उत्पाद प्रबंधक की भूमिका को “कुशलता से एक सफल उत्पाद बनाने” के प्रतिबंध के साथ आरंभ किया जा सकता है। एंकर एजेंट सुनिश्चित करते हैं कि एजेंटों के व्यवहार समग्र लक्ष्यों के साथ संरेखित हों, जिससे प्रदर्शन का अनुकूलन होता है।

मेटागपीटी एजेंट में संज्ञानात्मक प्रक्रियाएं

MetaGPT अवलोकन, सोच, प्रतिबिंब और क्रिया कर सकता है। वे विशिष्ट व्यवहार कार्यों जैसे कि _think(), _observe(), _publish_message() आदि के माध्यम से संचालित होते हैं। यह संज्ञानात्मक मॉडलिंग एजेंटों को सक्रिय शिक्षार्थी बनाती है जो अनुकूलन और विकास कर सकते हैं।

1. अवलोकन: एजेंट अपने वातावरण को स्कैन करते हैं और अपनी स्मृति में महत्वपूर्ण डेटा एकीकृत करते हैं।
2. सोच और प्रतिबिंब: _think() फ़ंक्शन के माध्यम से, भूमिकाएं कार्यों को करने से पहले विचार करती हैं।
3. संदेश प्रसारण: एजेंट _publish_message() का उपयोग करके वर्तमान कार्य स्थिति और संबंधित क्रिया रिकॉर्ड साझा करते हैं।
4. ज्ञान संघनन और क्रिया: एजेंट आने वाले संदेशों का मूल्यांकन करते हैं और अपने आंतरिक भंडार को अद्यतन करते हैं trước कि वे अगले कार्य का निर्धारण करें।
5. स्थिति प्रबंधन: कार्य लॉकिंग और स्थिति अद्यतन जैसी सुविधाओं के साथ, भूमिकाएं बिना व्यवधान के कई क्रियाओं को क्रमिक रूप से संसाधित कर सकती हैं, वास्तविक दुनिया के मानव सहयोग की नकल करती हैं।

मेटागपीटी के लिए कोड-रिव्यू तंत्र

कोड समीक्षा सॉफ्टवेयर विकास जीवन चक्र में एक महत्वपूर्ण घटक है, लेकिन यह कई लोकप्रिय फ्रेमवर्क में अनुपस्थित है। मेटागपीटी और AgentVerse दोनों कोड समीक्षा क्षमताओं का समर्थन करते हैं, लेकिन मेटागपीटी आगे बढ़ जाता है। यह प्री-संकलन निष्पादन को भी एकीकृत करता है, जो प्रारंभिक त्रुटि पता लगाने में सहायता करता है और परिणामस्वरूप कोड गुणवत्ता को बढ़ाता है। कोडिंग की पुनरावृत्तिपूर्ण प्रकृति देखते हुए, यह सुविधा केवल एक ऐड-ऑन नहीं है, बल्कि किसी भी परिपक्व विकास फ्रेमवर्क के लिए एक आवश्यकता है।

विभिन्न कार्यों में आयोजित गुणात्मक प्रयोगों से पता चला कि मेटागपीटी लगभग हर परिदृश्य में अपने समकक्षों को पार कर गया। पास@1 एक माप है जो फ्रेमवर्क की एक ही पुनरावृत्ति में सटीक कोड उत्पन्न करने की क्षमता को दर्शाता है। यह मीट्रिक एक व्यावहारिक सेटिंग में एक फ्रेमवर्क की उपयोगिता का एक अधिक वास्तविक प्रतिबिंब प्रदान करता है। एक उच्च पास@1 दर का अर्थ है कम डिबगिंग और अधिक दक्षता, जो सीधे विकास चक्र और लागतों को प्रभावित करता है। जब अन्य उन्नत कोड पीढ़ी उपकरण जैसे CodeX, CodeT, और यहां तक कि GPT-4 के खिलाफ तुलना की जाती है, तो मेटागपीटी उन सभी को पार करता है। फ्रेमवर्क की 81.7% से 82.3% पास@1 दर हासिल करने की क्षमता HumanEval और MBPP बेंचमार्क पर है।

मेटागपीटी और अन्य प्रमुख मॉडल के बीच एमबीपीपी और ह्यूमनइवल मेट्रिक्स की तुलना (https://arxiv.org/pdf/2308.00352.pdf)

फ्रेमवर्क टोकन और कम्प्यूटेशनल संसाधनों का भी कम उपयोग करता है, उच्च सफलता दर को एक पारंपरिक सॉफ्टवेयर इंजीनियरिंग लागत के एक अंश पर प्राप्त करता है। डेटा ने एक परियोजना प्रति केवल $1.09 की औसत लागत का संकेत दिया, जो एक ही कार्य के लिए एक डेवलपर द्वारा चार्ज की जाने वाली राशि का एक अंश है।

मेटागपीटी को अपने सिस्टम पर स्थानीय रूप से स्थापित करने के चरण

एनपीएम, पाइथन स्थापना

1. एनपीएम की जांच और स्थापना करें: सबसे पहले, सुनिश्चित करें कि आपके सिस्टम में एनपीएम स्थापित है। यदि यह नहीं है, तो आपको node.js स्थापित करना होगा। एनपीएम की जांच करने के लिए, अपने टर्मिनल में यह कमांड चलाएं: npm --version. यदि आप एक संस्करण संख्या देखते हैं, तो आप तैयार हैं।
2. मेटागपीटी के लिए एक निर्भरता mermaid-js स्थापित करने के लिए, चलाएं: sudo npm install -g @mermaid-js/mermaid-cli या npm install -g @mermaid-js/mermaid-cli
3. पाइथन संस्करण की पुष्टि करें: सुनिश्चित करें कि आपके पास पाइथन 3.9 या उच्चतर है। अपने पाइथन संस्करण की जांच करने के लिए, अपने टर्मिनल में टाइप करें: python --version. यदि आप अद्यतित नहीं हैं, तो पाइथन की आधिकारिक वेबसाइट से नवीनतम संस्करण डाउनलोड करें।
4. मेटागपीटी रिपॉजिटरी क्लोन करें: मेटागपीटी गिटहब रिपॉजिटरी को क्लोन करना शुरू करें git clone https://github.com/geekan/metagpt कमांड का उपयोग करके। सुनिश्चित करें कि आपके सिस्टम में गिट स्थापित है। यदि नहीं, तो यहां जाएं।
5. निर्देशिका में नेविगेट करें: एक बार क्लोन हो जाने के बाद, cd metagpt कमांड का उपयोग करके मेटागपीटी निर्देशिका में नेविगेट करें।
6. स्थापना: मेटागपीटी स्थापित करने के लिए पाइथन सेटअप स्क्रिप्ट को निष्पादित करें python setup.py install कमांड का उपयोग करके।
7. एक एप्लिकेशन बनाएं: python startup.py "ENTER-PROMPT" --code_review True चलाएं

नोट:

• आपका नया परियोजना अब workspace/ निर्देशिका में होना चाहिए।
• --code_review True जीपीटी मॉडल को अतिरिक्त संचालन करने की अनुमति देगा जो सुनिश्चित करेगा कि कोड सटीक रूप से चलेगा, लेकिन ध्यान दें कि यह अधिक लागत पर आएगा।
• यदि आप स्थापना के दौरान अनुमति त्रुटि का सामना करते हैं, तो python setup.py install --user का प्रयास करें एक विकल्प के रूप में।
• विशिष्ट रिलीज और अधिक विवरण के लिए, मेटागपीटी के आधिकारिक गिटहब रिलीज पेज पर जाएं: मेटागपीटी रिलीज.

डॉकर स्थापना

जिन लोगों को कंटेनरीकरण पसंद है, डॉकर प्रक्रिया को सरल बनाता है:

• डॉकर इमेज खींचें: मेटागपीटी की आधिकारिक छवि डाउनलोड करें और कॉन्फ़िगरेशन फ़ाइल तैयार करें:

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

• मेटागपीटी कंटेनर चलाएं: निम्नलिखित कमांड का उपयोग करके कंटेनर चलाएं:

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 "एक सरल और इंटरएक्टिव सीएलआई आधारित रॉक, पेपर और कैंची गेम बनाएं" --code_review True

मेटागपीटी को अपने ओपनएआई एपीआई कुंजी के साथ कॉन्फ़िगर करना

प्रारंभिक सेटअप के बाद, आपको मेटागपीटी को अपने ओपनएआई एपीआई कुंजी के साथ एकीकृत करना होगा। यह करने के लिए चरण हैं:

1. अपनी ओपनएआई कुंजी का पता लगाएं या उत्पन्न करें: आप इस कुंजी को अपने ओपनएआई डैशबोर्ड में एपीआई सेटिंग्स के तहत पा सकते हैं।
2. एपीआई कुंजी सेट करें: आपके पास config/key.yaml, config/config.yaml, या इसे एक पर्यावरण перемен量 (env) के रूप में सेट करने का विकल्प है। प्राथमिकता क्रम config/key.yaml > config/config.yaml > env है।
3. कुंजी सेट करने के लिए, config/key.yaml पर नेविगेट करें और प्लेसहोल्डर पाठ को अपनी ओपनएआई कुंजी से बदलें: OPENAI_API_KEY: "sk-..."

अपनी ओपनएआई एपीआई कुंजी की सुरक्षा करना याद रखें। इसे कभी भी एक सार्वजनिक रिपॉजिटरी में प्रतिबद्ध न करें या अनधिकृत व्यक्तियों के साथ साझा न करें।

उपयोग मामला चित्रण

मैंने एक सीएलआई-आधारित रॉक, पेपर और कैंची गेम विकसित करने का उद्देश्य दिया, और मेटागपीटी ने सफलतापूर्वक कार्य को निष्पादित किया।

नीचे एक वीडियो है जो वास्तविक रूप से उत्पन्न गेम कोड का चलने का प्रदर्शन करता है।

[वीडियो width=”2550″ height=”1324″ mp4=”https://www.unite.ai/wp-content/uploads/2023/09/ezgif.com-optimize-online-video-cutter.com_.mp4″][/वीडियो]

मेटागपीटी डेमो रन

मेटागपीटी ने एक मार्कडाउन फ़ाइल में एक सिस्टम डिज़ाइन दस्तावेज़ प्रदान किया, जो एक सामान्य रूप से उपयोग की जाने वाली हल्की मार्कअप भाषा है—एक विस्तृत दृष्टिकोण प्रदान करती है जो वास्तुकला के नीले रंग के निशान को प्रस्तुत करती है। इसके अलावा, एपीआई विशिष्टताएं HTTP विधियों, एंडपॉइंट्स, अनुरोध/प्रतिक्रिया वस्तुओं और स्थिति कोड के साथ विस्तृत की गई थीं।

मेटागपीटी आउटपुट – सिस्टम डिज़ाइन मार्कडाउन

क्लास आरेख हमारे गेम वर्ग के विशेषताओं और विधियों का विवरण देता है, जो एक स abstractत को प्रदान करता है जो समझने में आसान है। यह कार्यक्रम के कॉल फ्लो को भी दृश्य बनाता है, जो अमूर्त विचारों को ठोस चरणों में बदल देता है।

न केवल यह योजना में मैनुअल ओवरहेड को महत्वपूर्ण रूप से कम करता है, बल्कि यह निर्णय लेने की प्रक्रिया को भी तेज करता है, सुनिश्चित करता है कि आपका विकास पाइपलाइन लचीली बनी रहे।

निष्कर्ष: मेटागपीटी—सॉफ्टवेयर विकास को क्रांतिकारी बनाना

मेटागपीटी जेनरेटिव एआई और सॉफ्टवेयर विकास के परिदृश्य को पुनरपरिभाषित करता है, बुद्धिमान स्वचालन और लचीले परियोजना प्रबंधन का एक सहज मिश्रण प्रदान करता है। चैटजीपीटी, ऑटोजीपीटी और पारंपरिक लैंगचेन मॉडल की क्षमताओं से कहीं आगे, यह कार्य विभाजन, कुशल कोड पीढ़ी और परियोजना योजना में उत्कृष्टता प्राप्त करता है। अधिक जानें

यह लेख से मुख्य बिंदु हैं:

1. मेटा-प्रोग्रामिंग की शक्ति: मेटा-प्रोग्रामिंग का उपयोग करके, मेटागपीटी एक लचीला और अनुकूलनीय सॉफ्टवेयर फ्रेमवर्क प्रदान करता है। यह विरासत उपकरणों की संकीर्ण कार्यक्षमता को पार करता है और न केवल कोडिंग बल्कि परियोजना प्रबंधन और निर्णय लेने के पहलुओं को भी संभालता है।
2. दो-स्तरीय वास्तुकला: अपनी संस्थापक और सहयोग परतों के साथ, मेटागपीटी एक सहयोगी पारिस्थितिकी तंत्र बनाता है जहां एजेंट मिलकर काम कर सकते हैं, एक विशेषज्ञ रूप से प्रबंधित सॉफ्टवेयर टीम की तरह।
3. अनुकूलित कोड समीक्षा: कोड उत्पन्न करने से परे, मेटागपीटी प्री-संकलन निष्पादन सुविधाएं प्रदान करता है, जो मूल रूप से एक प्रारंभिक त्रुटि चेतावनी प्रणाली है। यह न केवल डिबगिंग समय को बचाता है बल्कि कोड गुणवत्ता को भी सुनिश्चित करता है।
4. संज्ञानात्मक एजेंट: मेटागपीटी के बुद्धिमान एजेंट, जो _observe(), _think(), _publish_message() जैसे संज्ञानात्मक कार्यों से सुसज्जित हैं, विकसित और अनुकूलन कर सकते हैं, सुनिश्चित करते हैं कि आपका सॉफ्टवेयर समाधान न केवल कोडित है बल्कि ‘बुद्धिमान’ भी है।
5. स्थापना और तैनाती: हमने दिखाया है कि मेटागपीटी को स्थानीय रूप से एनपीएम और पाइथन के माध्यम से या डॉकर के माध्यम से कंटेनरीकरण के माध्यम से आसानी से स्थापित किया जा सकता है।