【多智能体】MetaGPT配置教程（应用智谱AI的GLM-4）

本文主要是介绍【多智能体】MetaGPT配置教程（应用智谱AI的GLM-4），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

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。

在这里插入图片描述

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 asyncioaction1 = 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。