本周国内最热门的 AI 应用就是 Manus 了。类似的 Agent 应用在国外其实已经不稀奇，但是国内受制于模型能力，暂时落后些。Manus 后端应该还是借助了 Clause 的能力，所以其实仍然只能在海外用。但因为开发团队在武汉，所以给国人好好地普及了一次 Agent 到底能干什么，风风火火地出了一次圈。他们之前开发的 Monica 也是爆款应用，团队的产品能力和营销能力都很强。

我没有亲自试用 Manus，但是根据网络上的一些反馈来看，产品效果好像不及预期。宝玉也写了篇关于 Manus 的博客，里面提到 Manus 把资料整理成 Agent memory 时会有信息损失，再就是通过 OCR 获取屏幕内容也可能会损失信息。链条越长，误差逐步累积，最后结果就很难控制了。有意思的是：Manus 的开发团队名称是【蝴蝶效应】，正好用来解释 Mansu 效果欠佳的原因 😆

紧接着，开源版本 OpenManus 闪电发布，OpenManus 的作者之前就有过大作，就是 MetaGPT。今天我想研究的不是 OpenManus，而是 MetaGPT，因为这个项目我有试用过，效果相当惊艳。这是 MetaGPT 的论文和代码地址：

论文解读

论文的精华部分都在第 3 节：MetaGPT: A Meta-programming Framework

  1. 遵循标准操作流程的智能体
    • 角色专业化
      MetaGPT 定义了产品经理、架构师、项目经理、工程师和 QA 工程师等角色。每个角色有明确的职责、技能和目标，如产品经理可使用网络搜索工具进行业务分析，工程师能执行代码。智能体通过监测环境（消息池）中的信息来触发行动。
    • 智能体间工作流
      依据各角色的职责和技能，MetaGPT 建立了基于软件开发 SOP 的工作流。产品经理根据用户需求生成产品需求文档（PRD），架构师将其转化为系统设计，项目经理负责任务分配，工程师进行代码开发，QA 工程师制定测试用例确保代码质量，最终生成软件解决方案。
  2. 通信协议
    • 结构化通信接口
      多数现有框架使用无约束自然语言通信，易导致信息失真。MetaGPT 采用结构化通信，为各角色设定通信格式和内容要求，智能体通过文档和图表交流，避免信息模糊和错误。
    • 发布 - 订阅机制
      为解决信息共享和过载问题，MetaGPT 引入共享消息池和订阅机制。智能体可在消息池发布和获取结构化消息，还能根据角色需求订阅相关信息，提高通信效率。
  3. 带可执行反馈的迭代编程
    日常编程中调试和优化很关键，但现有方法缺乏自我修正机制。MetaGPT 的工程师智能体生成代码后，会执行代码并编写单元测试用例。若测试不通过，工程师根据结果调试代码，直至测试通过或达到最大重试次数，以此提高代码质量。

message_sharing

代码要点解析

这里先讨论几个要点，完整的架构文档附在文章末尾。

消息订阅机制

论文里的架构图已经说明了，所有角色共享一个消息池。那么每个角色是怎么决定自己要处理哪些消息的呢？

注意 class Message 里这两个字段：

  • cause_by：角色会订阅自己感兴趣的动作类型，如果消息是由自己感兴趣的动作触发的，那么这个角色就会处理该消息。
  • send_to：如果消息是指定发给某个角色的，那么角色也会处理该消息。

角色记忆

Message 就是基本的记忆单元，记忆就是 Message 的集合。

RoleContext 负责管理角色的记忆，包含 memory 和 working_memory 字段，它们的区别如下：

特性 主记忆 (memory) 工作记忆 (working_memory)
持久性 长期保存，不会主动清除 短期使用，任务完成后通常会清除
作用范围 整个对话历史或项目生命周期 单个任务执行过程
内容完整性 存储所有相关消息 只存储当前任务相关信息
主要用途 消息观察、历史追溯、上下文保持 任务规划、思考过程、临时工作区
清除时机 一般不主动清除 任务完成后通常会清除
访问模式 通过 memory.get() 获取完整历史 通常只关注最近添加的内容

在 Plan-and-Act 模式中，working_memory 主要用于:

  • 存储计划的各个阶段
  • 记录任务执行的中间结果
  • 支持任务复审和确认过程
  • 任务完成后进行清理，开始新的任务

在 ReAct 模式中，working_memory 主要用于:

  • 存储思考过程
  • 保存对当前情况的分析
  • 支持决策过程
  • 通常保持更小的容量，聚焦于当前反应

BrainMemory

BrainMemory 是 MetaGPT 中一种专门为长期对话和智能交互设计的高级记忆系统，主要用于存储、管理和优化对话历史，具有自动内存压缩和智能知识管理的功能。用户与 MetaGPT 交互的所有过程都记录在 BrainMemory 里。所以它与角色记忆 Memory 相比，提供了更多针对长对话场景的高级功能：

  • 自动摘要能力：能够自动压缩和摘要长对话历史
  • 语义理解功能：能判断文本相关性和上下文重写
  • 缓存支持：集成 Redis 缓存支持
  • 知识分离：将对话历史与知识分离存储

整体架构分析：

最后，我借助了 Claude 3.7 来帮助解读 MetaGPT 的代码库，基于 commit df9bc18。

核心组件

1. 角色系统 (Roles)

MetaGPT 的核心是基于角色的多智能体系统，主要组件包括：

  • Role 类：所有角色的基类，定义在 roles/role.py 中。每个角色都有自己的名称、描述、目标和约束条件。
  • 专业角色：如 ProductManager、Architect、Engineer、QAEngineer 等，每个角色都有特定的职责和技能。
  • 角色状态管理：角色有状态机制，可以在不同状态间转换，通过 _think、_act、_observe 等方法实现角色的思考、行动和观察。
  • 反应模式：角色支持多种反应模式，如 REACT、BY_ORDER、PLAN_AND_ACT，控制角色如何处理信息和执行任务。

2. 行动系统 (Actions)

角色通过执行行动来完成任务：

  • Action 类：所有行动的基类，定义在 actions/action.py 中。
  • 专业行动：如 WritePRD、WriteCode、WriteTest 等，对应软件开发流程中的不同阶段。
  • ActionNode：行动节点，用于构建行动图，支持复杂的行动序列。
  • 行动输出：行动执行后产生 ActionOutput，可以被其他角色观察和处理。

3. 环境系统 (Environment)

环境是角色交互的场所：

  • Environment 类：基本环境类，管理角色之间的消息传递和交互。
  • ExtEnv 类：外部环境接口，用于集成实际的游戏或应用环境。
  • 环境 API：通过 mark_as_readable 和 mark_as_writeable 装饰器标记环境的读写 API。
  • 特定环境：如 AndroidEnv、WerewolfEnv、StanfordTownEnv 等，针对不同应用场景的环境实现。

4. 消息系统 (Messages)

角色之间通过消息进行通信：

  • Message 类：基本消息类，包含内容、角色、来源和目标等信息。
  • MessageQueue：消息队列，支持异步更新和消息处理。
  • 消息路由：通过 cause_by、sent_from、send_to 等属性实现消息的定向传递。

5. 团队协作 (Team)

团队是角色的集合，用于协同完成复杂任务：

  • Team 类：团队类，管理多个角色的协作，定义在 team.py 中。
  • 投资机制：团队有投资和成本管理机制，控制资源使用。
  • 项目运行：通过 run_project 和 start_project 方法启动和运行项目。

6. 上下文和内存 (Context & Memory)

角色需要上下文和内存来保持状态和历史：

  • Context 类：上下文类，存储全局配置和状态。
  • Memory 类：内存类，存储角色的历史消息和状态。
  • ContextMixin：上下文混入类，提供上下文访问方法。

7. 文档和计划 (Documents & Plans)

项目开发过程中的文档和计划管理：

  • Document 类：文档类，表示一个文档，包含路径、文件名和内容。
  • Plan 类：计划类，包含目标、上下文和任务列表。
  • Task 类：任务类，表示计划中的一个任务，包含指令、代码和结果等。

架构特点

  • 多智能体协作：MetaGPT 通过多个专业角色的协作，模拟软件开发团队的工作流程。
  • 基于消息的通信：角色之间通过消息进行通信，实现松耦合的交互。
  • 状态机驱动：角色和环境都基于状态机模型，通过状态转换驱动行为。
  • 可扩展性：通过继承和组合，可以轻松添加新的角色、行动和环境。
  • 序列化支持：大部分类都支持序列化和反序列化，便于保存和恢复状态。
  • 成本管理：内置成本管理机制，控制 LLM API 调用的成本。
  • 模块化设计：代码结构清晰，各模块职责明确，便于维护和扩展。

工作流程

一个典型的 MetaGPT 项目工作流程如下：

  1. 创建一个团队，添加不同角色（如产品经理、架构师、工程师等）。
  2. 向团队提供一个想法或需求。
  3. 产品经理分析需求，创建产品需求文档（PRD）。
  4. 架构师根据 PRD 设计系统架构。
  5. 工程师根据架构设计编写代码。
  6. QA 工程师测试代码并提供反馈。
  7. 所有角色协作解决问题，直到项目完成。

这种工作流程模拟了真实软件开发团队的协作方式，使 AI 能够更有效地完成复杂的软件开发任务。