Apa itu MetaGPT?

MetaGPT adalah teknologi eksklusif DeepWisdom yang didirikan oleh Chenglin Wu. Kerangka kerja ini dengan cepat mendapatkan popularitas di GitHub, menarik minat seputar tujuan utama MetaGPT untuk mendorong kemajuan pemrograman bahasa alami menggunakan sistem multi-agen (MAS).

Makalah penelitian populer "MetaGPT: Metaprogramming for A Multi-Agent Collaborative Framework" menjelaskan mekanisme koordinasi kolaborasi agen dalam kerangka kerja tersebut. Seiring penelitian seputar orkestrasi LLM dan agen AI berlanjut, MetaGPT adalah kontributor awal yang menawarkan pendekatan langsung untuk kolaborasi multiagen dengan menggunakan alur kerja yang sudah dikenal.

Agen yang beroperasi dalam sistem multiagen (MAS) tetap bersifat otonom tetapi juga bekerja sama dan berkoordinasi dalam struktur agen atau kerangka kerja seperti MetaGPT.¹ Sebuah MAS mengoordinasikan masing-masing agen untuk beroperasi dan berinteraksi dalam lingkungannya guna menyelesaikan tugas-tugas kompleks demi mencapai tujuan bersama. Ide ini adalah bagian dari kecerdasan kolektif, sebuah konsep populer yang terkadang terkait dengan AGI.

Sistem multi-agen terdiri dari jaringan agen pemecah masalah yang bekerja sama untuk mengatasi tantangan yang melampaui kemampuan satu agen.² Salah satu tantangan utama dalam merancang MAS yang efektif adalah mengoordinasikan agen-agen untuk memastikan kolaborasi mereka dalam mencapai tujuan bersama. Kerja sama yang sukses bergantung pada kemampuan masing-masing agen untuk menyelesaikan setiap tugas, serta kemampuan mereka untuk berinteraksi secara efektif satu sama lain.³

Pertimbangan dalam merencanakan lingkungan MAS meliputi:

• Keterbatasan yang diciptakan oleh aktivitas agen lain untuk pengambilan keputusan agen,
• Kendala yang timbul dari komitmen agen kepada agen lain mengenai tindakan yang tersedia,
• Dan evolusi dunia yang tidak dapat diprediksi yang disebabkan oleh agen eksternal yang tidak dimodelkan.⁴

Salah satu pendekatan untuk tantangan desain ini adalah orkestrasi kolaborasi agen dengan memodelkan kerja tim secara eksplisit. Pola desain kolaboratif multipihak ini menguraikan prompt yang kompleks dan mendelegasikan tugas-tugas yang telah dirangkum kepada agen-agen yang menjalankannya berdasarkan peran khusus mereka.⁵

Dalam kerangka kerja kolaboratif multiagen MetaGPT, tim agen AI beroperasi sesuai dengan alur kerja terstruktur yang dipandu oleh prosedur operasi standar (SOP) yang menentukan peran dan instruksi yang berbeda. Dengan mengintegrasikan protokol komunikasi dan alur kerja yang efisien dalam sistem multiagen yang digerakkan oleh LLM, pengguna dapat membuat aplikasi dengan satu baris input.

MetaGPT bertindak sebagai kerangka kerja kolaboratif multiagen yang mampu menyelesaikan tugas-tugas yang kompleks. Kerangka kerja kolaborasi multiagen bekerja dengan menyimulasikan sebuah perusahaan perangkat lunak secara keseluruhan menggunakan agen-agen khusus yang berinteraksi berdasarkan prosedur operasional standar dan paradigma jalur perakitan untuk membagi tugas-tugas. Setiap agen memainkan peran khusus sesuai dengan fungsinya dalam perusahaan perangkat lunak. Misalnya, kerangka kerja ini mencakup agen yang bertindak sebagai manajer produk, arsitek, manajer proyek, dan insinyur yang menyediakan seluruh proses dalam sebuah perusahaan perangkat lunak.

Agen-agen ini dalam peran mereka yang berbeda bertindak dalam ruang kerja virtual untuk mengambil persyaratan singkat sebagai input dan output dari berbagai solusi perangkat lunak. Input ini mencakup struktur data, antarmuka pemrograman aplikasi (API), analisis kompetitif, dan dokumen. Agen berkomunikasi melalui output terstruktur berdasarkan persyaratan yang ditetapkan oleh paradigma jalur perakitan. Setiap agen menghasilkan informasi yang diperlukan untuk memicu agen berikutnya untuk menyelesaikan tujuan kolektif: menghasilkan aplikasi perangkat lunak berdasarkan prompt pengguna. Proses pengembangan bertahap ini disebabkan oleh cara MetaGPT mengintegrasikan alur kerja manusia untuk memperlancar koordinasi pada tugas yang kompleks.

Prosedur operasional standar telah diterapkan di berbagai bidang karena berperan penting dalam mendukung pemecahan tugas dan koordinasi yang efektif.⁶ Dalam pengembangan perangkat lunak, SOP mendorong kolaborasi antar tim dengan memecah tugas proyek menjadi prosedur-prosedur yang lebih kecil dan dapat dijalankan, yang kemudian ditugaskan kepada peran-peran spesifik dan terampil. MetaGPT mengenkode SOP menjadi urutan prompt untuk mengatur dan mendorong alur kerja multiagen. Alur kerja SOP memberikan struktur dan peluang untuk penyempurnaan. 

Misalnya, agen manajer proyek diminta untuk membuat dokumen persyaratan produk (PRD). Manajer produk akan menerima prompt sekali kemudian diminta untuk memperbaiki beberapa elemen dalam Dokumen Persyaratan Produk (PRD) karena pengembangan proyek yang dilakukan secara bertahap. Misalnya, agen diinstruksikan untuk membuat bagian dalam PRD untuk “tujuan produk.” Kemudian, agen diminta untuk memperbaiki tujuan tersebut dengan memperbarui tujuan produk asli agar sesuai dengan arah proyek saat ini.⁷ Metode penyempurnaan ini digunakan untuk memastikan bahwa tugas global dikenali dan kohesif di antara semua agen.

Dalam contoh di bawah ini, agen manajer produk diminta untuk membuat analisis persyaratan. Setelah prompt awal ini, agen diminta untuk menghasilkan analisis yang disempurnakan yang mempertimbangkan fitur baru dari kolaborasi yang sedang berlangsung.

Analisis prompt persyaratan: “Berikan analisis terperinci mengenai persyaratan.”⁸

Instruksi prompt analisis yang disempurnakan: "Tinjau dan perbaiki analisis persyaratan yang ada ke dalam daftar string untuk menyelaraskan dengan kebutuhan proyek yang terus berkembang karena pengembangan inkremental. Pastikan bahwa analisis tersebut secara komprehensif mencakup fitur-fitur baru dan peningkatan yang diperlukan untuk ruang lingkup proyek yang disempurnakan.”⁹

Contoh ini menunjukkan PRD yang dihasilkan sebagai output standar yang diteruskan dari agen manajer produk ke agen arsitek. Prompt berbasis SOP untuk setiap output yang dihasilkan tercantum dalam daftar di sampingnya. Perhatikan bahwa prompt ini juga didasarkan pada alur kerja SOP, termasuk definisi persyaratan, metode penyelesaian tugas, dan urutan penyelesaiannya:

Prompt pengguna: “Buatlah aplikasi berbasis React untuk manajer kekayaan agar dapat digunakan untuk meninjau portofolio klien mereka dan memberikan rekomendasi dana yang sesuai untuk digunakan. Aplikasi ini harus dapat beroperasi di Amerika Serikat, Inggris, dan Spanyol.”

Persyaratan asli
Instruksi prompt: "Tuliskan persyaratan pengguna asli di sini."¹⁰

“Buat saya aplikasi berbasis React yang akan digunakan oleh manajer kekayaan untuk meninjau portofolio klien mereka dan membuat rekomendasi dana yang sesuai untuk mereka gunakan. Aplikasi ini harus dapat digunakan di Amerika, Inggris dan Spanyol.”

Sasaran produk 
Instruksi prompt: "Berikan hingga tiga sasaran produk ortogonal yang jelas."¹¹

1. Kembangkan aplikasi web yang aman dan andal untuk manajer kekayaan.
2. Pastikan dukungan multibahasa untuk bahasa Inggris, Spanyol, dan variasi regional.
3. Buat antarmuka yang intuitif dan ramah pengguna untuk manajemen dan rekomendasi portofolio.

Cerita pengguna 
Instruksi prompt: "Sediakan maksimal 3 hingga 5 cerita pengguna berbasis skenario."¹²

1. Sebagai manajer kekayaan, saya ingin meninjau portofolio klien saya dan memberikan saran yang dipersonalisasi.
2. Sebagai manajer kekayaan, saya ingin merekomendasikan dana kepada klien saya berdasarkan tujuan investasi dan toleransi risiko mereka.
3. Sebagai manajer kekayaan, saya ingin mengakses aplikasi dalam bahasa Inggris atau Spanyol tergantung lokasi saya.

Analisis kompetitif
Instruksi prompt: “Sediakan 5 hingga 7 produk kompetitif.”¹³

1. “Wealthfront: Layanan investasi otomatis dengan antarmuka yang jelas, tetapi tidak memiliki rekomendasi dana yang dipersonalisasi."
2. “Personal Capital: Menawarkan alat manajemen kekayaan yang komprehensif, tetapi mungkin terasa rumit bagi pengguna baru."
3. “Betterment: Berfokus pada investasi otomatis dengan kustomisasi terbatas untuk manajer kekayaan."

Analisis persyaratan
Instruksi prompt: "Berikan analisis terperinci tentang persyaratan."¹⁴

Aplikasi harus dibangun menggunakan React, memastikannya dapat diskalakan dan dapat dipelihara. Aplikasi ini harus memiliki antarmuka multi-bahasa untuk melayani pengguna di Amerika, Inggris, dan Spanyol. Aplikasi harus aman untuk melindungi data keuangan sensitif dan mematuhi peraturan regional. Sistem ini juga harus terintegrasi dengan berbagai sumber data keuangan untuk menyediakan analisis portofolio secara real-time dan rekomendasi investasi.

Kumpulan persyaratan
Instruksi prompt: "Buat daftar 5 hingga 7 persyaratan teratas dengan prioritasnya (P0, P1, P2).", "Mencakup konten lama dan konten tambahan. Pertahankan konten yang tidak terkait dengan pengembangan inkremental."¹⁵

•  (“Amankan autentikasi pengguna dan enkripsi data untuk melindungi informasi klien.”, “P0”),
• (“Dukungan multibahasa untuk bahasa Inggris dan Spanyol, dengan variasi regional.”, “P0”),
•  (“Integrasi real-time dengan sumber data keuangan untuk manajemen portofolio.”, “P0”),
•  (“Dasbor ramah pengguna untuk meninjau dan mengelola portofolio klien.”, “P1”),
• (“Mesin rekomendasi untuk menyarankan dana yang sesuai berdasarkan profil klien.”, “P2”)

Draf desain UI
Instruksi prompt: "Berikan deskripsi sederhana tentang elemen, fungsi, gaya, dan tata letak UI."¹⁶

UI akan menampilkan desain yang bersih dan modern dengan dasbor yang memberikan gambaran tentang portofolio klien. Fitur ini akan mencakup grafik interaktif untuk analisis portofolio, bagian rekomendasi untuk pemilihan reksa dana, dan kemudahan beralih antara bahasa Inggris dan Spanyol.

Apa pun UNCLEAR
Instruksi prompt: "Sebutkan aspek apa pun dalam proyek yang tidak jelas dan coba klarifikasi."¹⁷

Tidak ada poin yang tidak jelas.

Contoh di atas adalah serah terima kepada agen arsitek untuk tahap desain. Berikut adalah prompt berdasarkan SOP yang diberikan bersama dengan PRD:

"Berikut adalah dokumen persyaratan produk (PRD): berdasarkan dokumen PRD ini, tinjau apakah desain API ini memenuhi persyaratan yang tercantum dalam PRD, dan apakah desain tersebut sesuai dengan praktik desain yang baik^.”18

Arsitek mengikuti alur kerja SOP sendiri untuk merancang sistem untuk aplikasi.

SOP menguraikan tanggung jawab peran masing-masing agen dan menetapkan standar untuk output perantara. SOP ini kemudian dikodekan untuk mempengaruhi perilaku agen. Praktik ini memungkinkan agen untuk menghasilkan output terstruktur, seperti dokumen persyaratan berkualitas tinggi, artefak desain, diagram alur, dan spesifikasi antarmuka. Semua serah terima antara agen harus mematuhi standar yang telah ditetapkan untuk mengurangi risiko halusinasi yang disebabkan oleh obrolan yang tidak relevan antara LLM. Penggunaan output terstruktur meningkatkan secara signifikan tingkat keberhasilan pembuatan kode target.¹⁹

Semua agen dalam MetaGPT bertindak sebagai karyawan yang harus mengikuti alur kerja yang ketat dan efisien. Ada dua bagian utama dalam SOP yang mendefinisikan perilaku agen: spesialisasi peran dan alur kerja antar agen.

Spesialisasi peran agen: MetaGPT mendefinisikan lima peran dalam perusahaan perangkat lunak: manajer produk, arsitek, manajer proyek, insinyur, dan insinyur penjaminan kualitas (QA). Profil setiap agen diinisialisasi dengan informasi spesifik seperti nama agen, profil, tujuan, dan batasan untuk setiap peran, serta konteks dan keterampilan spesifik untuk setiap peran.²⁰ Setiap agen berfungsi seperti organisme digital yang beroperasi dalam lingkungan.²¹ Konsep peran yang telah ditentukan berbeda dengan kerangka kerja multiagen seperti CrewAI yang memungkinkan pengguna untuk menentukan fungsi agen dalam crew untuk contoh penggunaan tujuan yang lebih umum.

Alur kerja antar agen: Menentukan peran dan keterampilan operasional agen menetapkan alur kerja dasar yang harus diikuti oleh agen dalam proses pengembangan perangkat lunak. Agen bekerja menurut urutan atau paradigma lini produksi untuk memecah tugas-tugas kompleks guna meningkatkan efisiensi tim.

MetaGPT menyatakan bahwa kolaborasi yang bermakna membutuhkan proses pemecahan masalah yang efektif, koheren, dan akurat. Agen AI adalah sistem yang kompleks; namun, proses mereka tidak harus demikian, setidaknya menurut MetaGPT dan warisan alur kerja manusia yang langsung.

Protokol komunikasi

Agen berinteraksi dalam antarmuka komunikasi terstruktur yang disebut sebagai protokol komunikasi. MetaGPT berbeda dari kebanyakan kerangka kerja multiagen berbasis LLM karena tidak menggunakan bahasa alami yang tidak terstruktur sebagai antarmuka komunikasi, melainkan mengusulkan penggunaan komunikasi terstruktur untuk merumuskan interaksi antara agen. Misalnya, di ChatDev, kerangka kerja kolaborasi multiagen lainnya, agen berkomunikasi melalui dialog sedangkan agen di MetaGPT berkomunikasi melalui output terstruktur seperti dokumen dan diagram.

Untuk memfasilitasi protokol komunikasi ini, MetaGPT menetapkan skema dan format untuk setiap agen dan meminta setiap peran yang berbeda untuk menyediakan output yang diperlukan berdasarkan tujuan dan konteks spesifik mereka.²² Sebagai contoh, agen arsitek menghasilkan dua output: desain antarmuka sistem dan diagram alir urutan. Kedua output tersebut berisi desain modul sistem dan urutan interaksi yang berfungsi sebagai hasil utama yang harus diserahkan kepada agen insinyur.²³

Mekanisme publikasi dan berlangganan

Untuk meningkatkan efisiensi komunikasi, MetaGPT menggunakan kumpulan pesan global untuk menyimpan informasi yang memungkinkan agen bertukar pesan secara langsung. Agen menerbitkan pesan terstruktur mereka di kumpulan tersebut dan dapat mengakses pesan dari agen lain secara transparan. Pendekatan ini memungkinkan agen untuk mengakses informasi yang diperlukan secara langsung dari kumpulan bersama, sehingga tidak perlu lagi meminta informasi dari agen lain dan menunggu respons mereka.²⁴

Proses pengembangan dimulai dengan input pengguna dan berakhir dengan perangkat lunak yang dirancang sesuai dengan spesifikasi pengguna. Misalnya, input pengguna mungkin “Tulis aplikasi GUI Python sehingga Anda dapat membuat gambar dengannya.” Prompt pengguna diteruskan ke perusahaan perangkat lunak, sebuah tim agen pemegang peran: manajer produk, arsitek, manajer proyek, insinyur, dan insinyur QA.

Setelah menerima permintaan pengguna untuk membangun aplikasi perangkat lunak tertentu, manajer produk menghasilkan PRD yang mencakup tujuan, cerita pengguna, analisis kompetitif, analisis kebutuhan, dan kumpulan persyaratan. Selain itu, agen manajer produk juga menghasilkan diagram kuadran kompetitif berdasarkan spesifikasi yang tercantum dalam aplikasi. Dokumen dan bagan ini diserahkan kepada agen arsitek untuk desain sistem.

Agen arsitek merancang spesifikasi teknis berdasarkan persyaratan dalam PRD. Spesifikasi mencakup diagram arsitektur sistem dan definisi antarmuka untuk keseluruhan arah teknis proyek. Arsitektur proyek, termasuk file, class, dan diagram alur urutan, dirancang berdasarkan definisi teknis yang ditetapkan oleh agen arsitek. Dokumentasi yang dihasilkan arsitek kemudian diberikan kepada manajer proyek untuk alokasi dan pelaksanaan tugas.

Manajer proyek menguraikan proyek dalam daftar tugas. Setiap file kode dianalisis berdasarkan fungsi yang dimaksudkan, kemudian diolah sebagai tugas terpisah yang ditugaskan kepada para insinyur.

Agen insinyur menghasilkan kode yang dibutuhkan dengan keterampilan pengembangan dasar untuk menyelesaikan tugas pengembangan. Setelah menerima output kode dari agen insinyur, agen insinyur QA membuat kode pengujian unit dan meninjaunya untuk mengidentifikasi dan memperbaiki bug apa pun.

Agen MetaGPT didasarkan pada seri model GPT (generative pre-trained transformer) OpenAI GPT-3.5 dan GPT-4. Namun, MetaGPT dan komunitas sumber terbuka telah berkontribusi dalam penambahan beberapa model lain yang dapat diinisialisasi melalui konfigurasi API LLM. MetaGPT menyediakan tutorial yang memudahkan pengguna untuk mengeksplorasi cara mengintegrasikan model bahasa besar sumber terbuka (LLM) di situs dokumentasi GitHub-nya. Langkah pertama untuk mengintegrasikan LLM adalah menyiapkan repositori inferensi (repo) seperti LLaMA-Factory, FastChat, Ollama, dan sebagainya. Repositori ini memungkinkan penerapan model LLM yang sesuai yang dikonfigurasi melalui kredensial API-nya. Semua repo inferensi yang didukung kecuali Ollama mendukung penerbitan antarmuka yang kompatibel dengan OpenAI. MetaGPT berusaha untuk mendukung antarmuka Ollama di masa mendatang.

Kerangka kerja metaprogramming menyediakan fungsionalitas untuk membuat program yang dapat menulis, memanipulasi, dan menganalisis program lain serta program itu sendiri. MetaGPT memodelkan tujuan ini dengan menggabungkan alur kerja untuk menggerakkan AI generatif menggunakan teknik berbasis agen untuk meningkatkan metapemrograman.

Agen berbasis LLM memiliki beberapa kemampuan inti yang telah memajukan tugas pemrograman otomatis.²⁵ Di antara kemajuan tersebut adalah ReAct dan Reflexion, paradigma penalaran yang digunakan oleh agen yang memanfaatkan rangkaian prompt pemikiran untuk menghasilkan jalur penalaran dan rencana aksi dengan LLM.²⁶

Desain loop agen ReAct menunjukkan proses yang efektif untuk pemrograman otomatis berkat loop desain iteratif yang memungkinkan agen untuk menalar, bertindak, dan mengamati.²⁷ Refleksi memperkuat agen bahasa melalui masukan linguistik, mengikuti siklus desain iteratif serupa untuk mendorong pengambilan keputusan yang lebih baik.²⁸ Kedua desain paradigma memungkinkan agen untuk terus belajar dan meningkatkan alur kerja mereka.

LLM tradisional, seperti model GPT-3 OpenAI, model Llama Meta, dan model IBM® Granite terbatas dalam pengetahuan dan penalarannya. Mereka menghasilkan respons berdasarkan data pelatihan, yang mungkin sering menyertakan informasi yang sudah ketinggalan zaman. Sebaliknya, teknologi agen memanfaatkan panggilan alat backend untuk mengakses informasi terkini, merampingkan alur kerja, dan secara mandiri membuat tugas spesifik untuk mencapai tujuan yang kompleks. Selama proses ini, agen otonom belajar menyesuaikan diri dengan ekspektasi pengguna seiring waktu, memberikan pengalaman yang disesuaikan dan respons yang lebih mendalam. Panggilan alat ini dapat terjadi tanpa campur tangan manusia, memperluas potensi aplikasi dunia nyata untuk sistem AI ini.

Agen insinyur MetaGPT berpartisipasi dalam pemrograman berulang dengan masukan yang dapat dijalankan. Proses debugging dan pengoptimalan berperan penting dalam tugas pemrograman sehari-hari. Implementasi lain tidak dilengkapi dengan mekanisme koreksi diri agen, yang dapat menyebabkan hasil yang tidak diinginkan seperti halusinasi kode atau kode yang tidak berfungsi. Untuk mengurangi risiko-risiko ini, MetaGPT memperkenalkan mekanisme masukan yang dapat dijalankan untuk meningkatkan kode pada setiap iterasi.

Agen insinyur menulis kode berdasarkan persyaratan dan desain produk asli. Hal ini memungkinkan agen untuk terus meningkatkan kode menggunakan eksekusi historisnya sendiri dan memori debugging. Insinyur memperoleh lebih banyak informasi untuk meningkatkan kode dengan menulis dan mengeksekusi kasus uji unit yang sesuai. Setelah menerima hasil, insinyur dapat melanjutkan tugas pengembangan tambahan atau melakukan debugging pada kode sebelum melanjutkan pemrograman. Proses iteratif ini berlanjut hingga uji coba berhasil atau batas maksimal 3 kali percobaan ulang tercapai.²⁹

crewAI – CrewAI adalah kerangka kerja multiagen sumber terbuka berbasis python yang memanfaatkan agen otonom pemegang peran yang bekerja sama sebagai crew untuk menyelesaikan tugas. Pengguna dapat membangun dan menyesuaikan agen berdasarkan kebutuhan atau penggunaan aplikasi mereka. Contoh penggunaan mencakup tujuan umum seperti perencanaan dan pembuatan konten, analisis data, dan tugas otomatisasi. CrewAI menghadirkan integrasi dengan watsonx.ai IBM dan menawarkan beberapa integrasi dan kompatibilitas LLM dengan Ollama.³⁰

ChatDev adalah kerangka kerja multiagen sumber terbuka yang menyimulasikan perusahaan perangkat lunak virtual yang beroperasi melalui berbagai agen cerdas yang memegang peran organisasi yang berbeda. Agen bekerja sama melalui dialog untuk menghasilkan produk piranti lunak termasuk kode yang dapat dieksekusi dan dokumentasi. ChatDev mendukung model GPT-3.5-turbo dan GPT-4 OpenAI untuk memberi daya pada agen cerdas mereka.³¹

AutoGPT — AutoGPT adalah kerangka kerja multiagen sumber terbuka yang menerapkan pemrosesan bahasa alami (NLP) untuk memahami tujuan pengguna dan dekomposisi tugas yang kompleks. Agen bekerja sama dalam alur kerja otomatis untuk memproses prompt pengguna tingkat tinggi dengan memecah setiap tugas menjadi urutan subtugas yang lebih kecil. Contoh penggunaan termasuk solusi umum seperti riset pasar dan analisis, pengembangan produk, asisten virtual, dan lainnya. Kerangka kerja ini dibangun dengan agen AI berdasarkan GPT-4 OpenAI.³²