MetaGPT exploite les techniques de collaboration humaine pour le multi

Jul 25, 2023

Accueil InfoQ Actualités MetaGPT exploite les techniques de collaboration humaine pour l'ingénierie logicielle multi-agents

24 août 2023 2 min de lecture

par

Sergio De Simone

Créé par une équipe de chercheurs d'universités chinoises et américaines, MetaGPT est un nouveau cadre de méta-programmation basé sur LLM visant à permettre la collaboration dans des systèmes multi-agents en exploitant les connaissances procédurales humaines pour améliorer la robustesse, réduire les erreurs et concevoir des solutions logicielles pour des tâches complexes. .

Dans ce travail, nous présentons MetaGPT, une technologie de méta-programmation qui utilise les SOP pour coordonner les systèmes multi-agents basés sur LLM. Les SOP servent de stratégie pour organiser la collaboration de multi-agents, ce qui améliore l'efficacité de leurs efforts de coopération.

MetaGPT prend une exigence en une ligne et crée des user stories, des analyses concurrentielles, des exigences, des structures de données, des API et d'autres documents. Il y parvient en reproduisant la structure d’un éditeur de logiciels. Les chercheurs ont montré une démo dans laquelle ils demandent à MetaGPT de créer un jeu de blackjack CLI et de lui faire générer tous les artefacts requis, y compris les exigences, les tests et une implémentation Python fonctionnelle du jeu.

L'idée centrale derrière MetaGPT est d'encoder des procédures opérationnelles standardisées (SOP) dans des invites pour reproduire les connaissances procédurales efficaces requises pour les tâches collaboratives. Le Manifeste Agile ainsi que d'autres méthodes pour répartir les tâches et les responsabilités au sein d'une équipe sont des exemples de SOP dans le domaine des logiciels, affirment les chercheurs, y compris la définition des résultats souhaités, tels que des documents d'exigences de haute qualité, des artefacts de conception, des organigrammes et spécifications des interfaces.

De même, les SOP utilisent des spécifications d'action basées sur les rôles et partagent un environnement qui leur permet de s'observer activement et de récupérer des informations pertinentes, ce qui constitue une approche plus efficace que la réception passive de données par le biais du dialogue, affirment les chercheurs. Par exemple, MetaGPT organise ses agents en chefs de produit, architectes, chefs de projet et ingénieurs.

L'image ci-dessus montre les deux couches principales qui définissent l'architecture MetaGPT : la couche de composants fondamentaux et la couche de collaboration. Alors que le premier permet aux agents de mener à bien leurs opérations, le second facilite la coordination des agents grâce au partage des connaissances et à l'encapsulation des flux de travail.

MetaGPT n'est pas le seul cadre de métaprogrammation d'agents d'IA collaboratifs qui visent à permettre la collaboration via une sorte de décomposition des tâches. Les frameworks existants incluent AutoGPT, LangChain et AgentVerse. Selon l'équipe MetaGPT, leur framework peut gérer des niveaux de complexité logicielle plus élevés, avec un taux d'achèvement des tâches de 100 %.

MetaGPT est loin d'être un système parfait pour la collaboration en IA et nécessite encore du travail pour faire face à la tendance hallucinatoire des systèmes LLM, qui peut conduire, par exemple, à ce que MetaGPT référence des fichiers de ressources inexistants, ou invoque des classes ou variables non définies ou non importées. .

Si vous êtes intéressé par tous les détails, ne manquez pas le document officiel, qui comprend une description détaillée de la conception du cadre, une analyse détaillée des résultats obtenus et une comparaison avec des approches alternatives.

ScyllaDB est la base de données pour les applications gourmandes en données nécessitant un débit élevé et une faible latence. Atteignez une évolutivité extrême avec le TCO le plus bas. Apprendre encore plus.

Écrire pour InfoQ a ouvert de nombreuses portes et augmenté les opportunités de carrière pour moi. J'ai pu interagir en profondeur avec des experts et des leaders d'opinion pour en savoir plus sur les sujets que j'ai abordés. Et je peux également diffuser mes apprentissages à la communauté technologique au sens large et comprendre comment les technologies sont utilisées dans le monde réel.