MetaGPT — framework multi-Agent piloté par SOP pour équipes logicielles
MetaGPT encode les procédures opérationnelles standard d’équipes logicielles réelles — product manager, architecte, ingénieur, QA — dans des workflows multi-Agent qui produisent du code exécutable à partir d’un besoin formulé en une ligne.
Why MetaGPT
La thèse de MetaGPT : les systèmes multi-Agent s’améliorent quand on leur donne une procédure opérationnelle standard. Au lieu de laisser les Agents improviser la coordination, MetaGPT code en dur le waterfall d’une équipe logicielle — le PM rédige le PRD, l’architecte le document de conception, l’ingénieur le code, le QA les tests — avec des artefacts structurés qui circulent entre les étapes. Le framework atteint l’état de l’art sur les benchmarks de génération de code en grande partie grâce à cette discipline.
Il est opinionated d’une façon que CrewAI n’est pas. Vous ne définissez pas des rôles arbitraires ; vous choisissez parmi un ensemble éprouvé et personnalisez. C’est une force pour les projets logiciels et une limite pour les autres domaines. Pour une démo « écris-moi une appli », MetaGPT reste la référence de référence en 2026.
Les nouvelles extensions Data Interpreter et MGX (multi-agent X) élargissent le périmètre — data science, génération documentaire et exécution générale de tâches sur un échafaudage SOP. À suivre si votre workflow est « structuré mais pas logiciel ».
Quick Start — Software Company from One Prompt
generate_repo est le raccourci. En coulisses, MetaGPT instancie ProductManager → Architect → ProjectManager → Engineer → QaEngineer avec un flux de messages scripté par la SOP. Pour des SOP personnalisées, héritez de Role et enregistrez de nouvelles Actions ; voir la documentation MetaGPT sur Roles et Actions.
# pip install metagpt
# metagpt --init-config # creates ~/.metagpt/config2.yaml — set OPENAI_API_KEY
import asyncio
from metagpt.software_company import generate_repo
async def main():
repo = generate_repo(
idea="Create a simple command-line pomodoro timer with start/pause/reset.",
investment=3.0, # USD cap on LLM spend
n_round=5, # max rounds of agent collaboration
)
print(repo) # path to the generated project folder
asyncio.run(main())
# Inside the generated folder you get:
# prd.md (product manager output)
# design.md (architect output)
# task.md (project manager output)
# src/pomodoro.py (engineer output)
# tests/test_pom.py (QA output)
# Each artifact is a structured contract for the next agent.Fonctionnalités clés
Rôles logiciels prédéfinis
ProductManager, Architect, ProjectManager, Engineer, QaEngineer — chacun avec ses prompts système, outils et schémas de sortie spécialisés. Prêts à l’emploi pour les workflows « construis cette appli ».
Passage de messages piloté par SOP
Pas de conversation libre. Chaque rôle produit un artefact structuré (PRD, design système, liste de tâches, code) qui devient le contrat d’entrée du rôle suivant. Évite la dérive hallucinatoire.
Data Interpreter
Un mode Agent généraliste pour l’analyse de données. Entrée : un jeu de données + une question ; sortie : code + résultats + explication. Compétitif face à ChatGPT Advanced Data Analysis sur de nombreux benchmarks.
Environnements multi-Agent
Les rôles vivent dans un Environment partagé qui route les messages et simule les tours. À étendre en ajoutant de nouveaux Roles ou en personnalisant le graphe SOP.
Outils + exécution de code
Les Engineers exécutent le code généré ; les Agents QA exécutent les tests. Sandboxés via des exécuteurs configurables (local, Docker).
Prompts multilingues
Solide support chinois + anglais — le framework est porté par une équipe chinoise (DeepWisdom) et les prompts sont écrits pour bien fonctionner dans les deux langues.
Comparaison
| Specialization | Opinionation | Best Domain | Flexibility | |
|---|---|---|---|---|
| MetaGPTcelui-ci | Software dev SOPs | Very high | Code / structured tasks | Medium (custom SOPs possible) |
| CrewAI | General | Medium | Any role-based pipeline | High |
| AutoGen | General | Low | Research, open-ended | Very high |
| LangGraph | General | Low | Complex control flow | Very high |
Cas d'usage
01. Génération d’applis prototypes
Passez de « je veux un outil qui fait X » à un repo qui tourne en quelques minutes. Idéal pour des outils internes, des bases de hackathon et l’exploration d’idées avant de s’engager dans une vraie implémentation.
02. Pipelines orientés spécifications
Tout workflow où « écris d’abord un plan puis exécute » marche mieux que l’improvisation. La SOP de MetaGPT impose cette discipline — adaptez-la à des domaines non logiciels via des Roles personnalisés.
03. Automatisation de l’analyse de données
Le mode Data Interpreter gère « voici un CSV, dis-moi X et montre-moi Y » en un appel. Utile intégré dans des outils BI ou des assistants d’analyse.
Tarification et licence
MetaGPT : open source MIT. Gratuit en self-hosting. Configuration via ~/.metagpt/config2.yaml pour les clés LLM et la sélection de modèles.
Coût modèle : la SOP produit beaucoup de texte structuré. Une seule exécution generate_repo coûte généralement entre 0,50 $ et 5 $ sur des modèles classe gpt-4o. Plafonnez via l’argument investment pour éviter les dépassements.
Offre commerciale : la maison-mère DeepWisdom propose MGX et du conseil entreprise. Non nécessaire pour le framework OSS.
Assets associés sur TokRepo
Questions fréquentes
MetaGPT sert-il seulement à la génération de code ?+
Il a démarré là et y reste le plus fort. Le mode Data Interpreter étend l’usage aux tâches analytiques. Du multi-Agent général est possible via des Roles personnalisés, mais dans la plupart des cas CrewAI est plus simple pour les domaines non logiciels.
MetaGPT fonctionne-t-il avec des modèles non-OpenAI ?+
Oui. config2.yaml supporte OpenAI, Anthropic Claude, Gemini, Zhipu GLM, Ollama et d’autres endpoints compatibles OpenAI. Les modèles Claude 3.5 et classe GPT-4 donnent les meilleurs résultats ; les modèles plus petits produisent des artefacts structurés peu fiables.
Comment MetaGPT se compare-t-il à Devin et aux Agents de code autonomes ?+
MetaGPT génère un projet à partir d’une spec ; les outils façon Devin itèrent sur du code existant avec un retour humain. Complémentaires — utilisez MetaGPT pour amorcer, passez la main à un Agent de code ou à un vrai développeur pour l’évolution.
Puis-je personnaliser la SOP de la software-company ?+
Oui. Héritez de Role et redéfinissez les Actions. Vous pouvez élaguer des rôles (sauter la QA pour un prototype), en ajouter de nouveaux (Designer, Researcher) ou remplacer entièrement le graphe SOP. Documenté dans le guide « Customize roles ».
MetaGPT est-il prêt pour la production ?+
Pour générer prototypes et squelettes, oui. Pour du code de production exécuté sans surveillance, non — comme pour toute génération de code agentique, traitez la sortie comme un point de départ nécessitant une revue humaine.