【MetaGPT】配置教程

MetaGPT配置教程（使用智谱AI的GLM-4）

文章目录

• MetaGPT配置教程（使用智谱AI的GLM-4）
• • 零、为什么要学MetaGPT
  • 一、配置环境
  • 二、克隆代码仓库
  • 三、设置智谱AI配置
  • 四、 示例demo（狼羊对决）
  • 五、参考链接

    零、为什么要学MetaGPT

    • 因为MetaGPT是 LLM Agent领域第一高分论文，全网Star数最高的多智能体框架。ICLR 2024 Oral 🙌

      ICLR 2024录用结果公布：MetaGPT 的论文 《MetaGPT: Meta Programming for A Multi-Agent Collaborative Framework》将被展示为Oral（口头报告）。这一荣誉仅占全部提交论文中的1.2%，并且位列LLM-based Agent 关键字第一！

      • 因为可以当帕鲁LLM老板：输入一句话的老板需求，输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等。

        

        • 因为报名了Datawhale的组队学习。（正解）

          说了再多也得从环境配置开始…

          一、配置环境

          创建一个新的conda环境并激活它：

          conda create -n for_meta python==3.11
          conda activate for_meta
          

          检查Python版本以确保它大于3.9：

          python --version
          

          二、克隆代码仓库

          然后，从GitHub上克隆MetaGPT的最新代码仓库：

          git clone https://github.com/geekan/MetaGPT.git
          cd MetaGPT
          

          然后，使用pip安装仓库中的代码：

          pip install -e .
          

          但是现在的MetaGPT更新飞快，兴许以后的版本就不同了。所以先确定下现在的版本。

          pip show metagpt # Version: 0.7.2
          

          三、设置智谱AI配置

          安装之后，可以新建一个项目目录来检索默认的配置文件地址。

          from metagpt.const import DEFAULT_WORKSPACE_ROOT, METAGPT_ROOT, OPTIONS
          default_yaml_file = METAGPT_ROOT / "config/config.yaml"
          print(METAGPT_ROOT / "config/config.yaml")
          

          我们输出的是在MetaGPT的源码目录中config/config2.yaml文件，我们在此设置智谱AI的配置。

          修改为以下内容：

          llm:
            api_type: 'zhipuai'
            api_key: 'Your api key....'
            model: 'glm-4'
          

          确保将api_key替换为您的智谱AI API密钥。

          新注册有百万token，具体可以从这里智谱AI开放平台查看。

          （要是有邀请码，邀请别人送token就好了…）

          四、 示例demo（狼羊对决）

          实际上就是角色扮演

          from metagpt.team import Team
          from metagpt.roles import Role
          from metagpt.environment import Environment
          from metagpt.actions import Action
          import asyncio
          action1 = Action(
              name="喜羊羊说", instruction="批驳别人想法，表明你的创新发明并带有情感，不要重复。")
          action2 = Action(
              name="灰太狼说", instruction="批驳别人想法，表明你的创新发明并带有情感，不要重复。")
          honglong = Role(name="喜羊羊", profile="羊村发明家",
                          goal="赢得青青草原最强发明产品", actions=[action1], watch=[action2])
          bob = Role(name="灰太狼", profile="狼堡发明家",
                     goal="赢得青青草原最强发明产品", actions=[action2], watch=[action1])
          env = Environment(desc="最强发明评选大赛")
          team = Team(investment=10.0, env=env, roles=[honglong, bob])
          asyncio.run(team.run(
              idea="主题：实用性与美观性。每条消息不超过4句话。", send_to="喜羊羊", n_round=5))
          # 这里设置的n_round=5是指两个人一共对话的次数是5个回合。
          

          Tip：如果你遇到ModuleNotFoundError: No module named 'pwd'的错误，请将import pwd移动到使用它的位置。借鉴群里的图。

          

          至此，我们就可以直接运行代码，得到如下输出结果。

          一共对话5次，中途发生了一点点的网络问题，不过问题不大，依旧能继续执行下去。

          

          五、参考链接

          1. 论文地址：https://arxiv.org/abs/2308.00352
          2. 代码仓库：https://github.com/geekan/MetaGPT
          3. 官方文档：https://docs.deepwisdom.ai/zhcn/guide/get_started/introduction.html
          4. Datawhale学习仓库：https://github.com/datawhalechina/hugging-multi-agent