GitHub で 69,905 スター、MIT ライセンス、純 Python 実装。MetaGPT は思い切った路線を取っている。LLM にコードを書かせるだけでは飽き足らず、PM・アーキテクト・プロジェクトマネージャー・エンジニア・QA を擁する「仮想ソフトウェア会社」を丸ごと構築し、それらを SOP(標準作業手順)で連結した。
コンセプトは明快だ──Code = SOP(Team)。コードは天才プログラマの閃きではなく、チームがフローに従って协作する成果物であるという発想。これを多エージェントシステムに埋め込めば、理屈上はソフトウェア会社のアウトプットを再現できる。
実際に走らせてみた。万能とまでは言えないが、SOP ベースの工学的アプローチは確かに効いている。以下、分解して見ていく。
何を解決するのか
シングルエージェントでコードを書かせると何が起きるか。以前 GPT-4o に「コマンドラインの todo ツールを作って」と投げたところ、返ってきたコードは次のような状態だった。
- API ドキュメントが存在しない
- 関数命名が統一されていない
- 境界値が運任せ
- テストは自分で別プロンプトを書く羽目に
原因はモデルの性能不足ではなく、1 つの LLM が要求者・設計者・実装者・テスターを兼任すると、ロールが衝突を始めるという点にある。MetaGPT の解は単純明快で、これらのロールを分離し、それぞれが自分の領域だけを担当し、ソフトウェア会社のフローで連結する。
つまり SOP の価値とは、賢さではなく安定性にある。
使い方
導入のハードルは高くないが、いくつか前提がある。
- Python 3.9〜3.12
- Node.js + pnpm(フロントエンド系 action で必要)
- LLM API key(GPT-4 クラスを推奨。小規模モデルは効果が著しく落ちる)
インストールは一行。
pip install metagpt
続いて config2.yaml に API key を記述し、以下のスクリプトを実行する。
import asyncio
from metagpt.software_company import SoftwareCompany
async def main():
# 一行で要件を記述
idea = "開発一个命令行待办事项工具,支持增删改查"
# ソフトウェア会社を起動(PM/アーキテクト/エンジニア/QA を自動配置)
company = SoftwareCompany()
company.hire(["ProductManager", "Architect", "ProjectManager", "Engineer", "QA"])
# 要件を投入
company.invest(idea)
# チームの作業完了を待ち成果物を出力
await company.run(n_round=8)
# 成果物の確認
for artifact in company.repo.get_artifacts():
print(f"[{artifact.role}]: {artifact.filename}")
asyncio.run(main())
Agent のオーケストレーションコードを自分で書く必要はない。SoftwareCompany クラスに 5 ロールの协作順序が既に定義されている。
アーキテクチャの内部
構造は 3 層になっている。
1. Role クラス
各ロールは Role 基クラスを継承し、3 要素を備える。profile(身份)、goals(目標)、actions(実行可能な振る舞い)。たとえば ProductManager の action は WritePRD、Engineer の action は WriteCode だ。
2. Action
Action はロールの具体的な振る舞いで、プロンプトテンプレートと出力パース処理をカプセル化する。WritePRD であれば上流のメッセージを読み込み、テンプレートに沿って user stories を生成する。Action 自体はステートレスで、状態は Role 側が管理する。
3. Environment + Message 機構
ここが SOP の実体だ。Environment にはメッセージのルーティング順序が事前に設定されている。PM が PRD を書き終えるとメッセージは Architect が購読するチャネルへ自動 publish され、Architect が API 設計を書き終えると Engineer へ自動で届く。各ロールは自分が担当するメッセージだけを参照し、全体像は意識しない。
メッセージフローは概ね以下のとおり。
ユーザー入力(要件)
↓
ProductManager → WritePRD → user stories を生成
↓
Architect → DesignAPI → データ構造 + API コントラクトを生成
↓
ProjectManager → WriteTasks → タスクを分解
↓
Engineer → WriteCode → コードを生成
↓
QA → WriteTest → テストケースを生成
このフローは SoftwareCompany の初期化処理にハードコードされている。フローを変更したいならソースコードをいじる必要がある──この制約については後述する。
良いところ
導入のハードルが低い。インストール、API key 設定、スクリプト実行の 3 ステップでプロトタイプが出る。デモ検証段階で削れるのは「土台作り」の時間だ。
ロールのプリセットが充実。5 ロールがすぐ使え、Agent 协作グラフを自分で設計する必要がない。「全部自分で組み上げる」LangChain とは対照的だ。
SOP は工学的思考の結晶。個々の Agent の賢さを競うのではなく、「チーム出力の安定性」を狙う設計思想は秀逸。プロダクション環境では力不足かもしれないが、多 Agent 协作の教材としての価値は高い。
学術的な裏付け。背景にある AFlow 論文は ICLR 2025 oral(top 1.8%、LLM-based Agent カテゴリ #2)を受賞しており、場当たり的な実装ではない。
商用化の進展。2025 年 2 月には MGX(mgx.dev)をリリースし、Product Hunt の週間ランキングで #1 を獲得。このアプローチに付费意愿があることを示している。
悪いところ
モデルへの依存が激しい。まともな成果物を得るには GPT-4 クラスが必須で、GPT-3.5 では事実上使いものにならない。Llama-3-8B を試した際は PRD が破綻し、API 設計に矛盾が出た。コストもかさみ、複雑な要件を 1 回回すだけで 50k+ tokens を軽く消費する。
アーキテクチャが重い。5 ロールと SOP がフルセットで仕込まれているため、「DevOps ロールを追加したい」「フロー順序を変えたい」となるとソースコード改修が必須。SoftwareCompany の継承階層は深く、LangGraph と比べてカスタマイズコストは高い。
出力コードはプロダクション品質に届かない。動作はするが、変数名にタイポ、例外処理の欠落、型注釈の不在が目立つ。プロトタイプ用途なら許容範囲だが、本番投入には人手でのレビューが欠かせない。
同類フレームワークとの比較。AutoGen と比べると、MetaGPT は「組織設計」(ロールとフローのプリセット)寄り、AutoGen は「柔軟なオーケストレーション」(Agent 同士の会話方式を自分で定義)寄り。LangChain と比較すると、MetaGPT は「業務レベル封装」、LangChain は「部品ライブラリ」という位置付けになる。いずれも単一 Agent フレームワークよりは重いが、適したシナリオはそれぞれ異なる。
実際に試した結果
要件:「コマンドラインの todo ツールを作って。CRUD 対応で」
構成:GPT-4o、n_round=8
成果物:6 ファイル
- PRD(user stories + 受け入れ基準)
- API 設計(CLI コマンド仕様)
- データ構造(JSON ストレージ schema)
- Python コード(約 200 行)
- テストケース(pytest)
- README
所要時間:約 4 分
Token 消費:約 80k
コードは動作し、CRUD も問題なく動く。ただし境界ケースが 1 つ漏れていた。空文字列を入力するとクラッシュする。if not todo.strip(): continue を手動で追加する必要がある。
同じプロンプトを GPT-4o のシングルエージェントモードに直接投げた場合と比較すると、
- 成果物は Python コードのみでドキュメントなし
- 関数命名が不統一(
add_todoとcreate_taskが混在) - テストは別プロンプトで別途依頼する必要あり
SOP による分割の効果は明確で、構造化成果物の品質は一目瞭然に高い。ただし工学的効率は依然ボトルネックだ。200 行の小さなツールを 1 本作るのに 4 分と 80k tokens をかけるのは量産には向かない。
どんな人に向くか
向いているケース:
- 独立開発者がプロダクトデモを素早く検証する場面
- 多 Agent 协作を研究する学術チーム(AFlow 論文は良いベースラインになる)
- ソフトウェア工学の教育現場(要件からコードまでの流れを SOP で説明する教材として有用)
向かないケース:
- プロダクション環境でのコード生成(品質が不安定)
- 遅延が許容されないシナリオ(1 ラウンド数分は遅い)
- 小規模モデルでの運用(性能が崩壊する)
- Agent 协作ロジックを深くカスタマイズしたいケース(ソース改修コストが高い)
所感
MetaGPT の価値は「AI がコードを書ける」ことにはない。それは GPT-4 のシングルエージェントでも実現できるからだ。本質的な価値は、ソフトウェア工学に蓄積された暗黙知(SOP)を明示的にコード化し、多 Agent 协作に再現可能なテンプレートを与えた点にある。
このアプローチは 2023 年には衝撃的だったが、2025 年の視点でみるとやや「重い」。LangGraph や CrewAI はより軽量で柔軟な方向へ進化している。ただし「多 Agent が実際にどうやって协作するのか」を理解したいなら、MetaGPT のソースコードを読むのが論文を読むより早い。すべての行が SOP の姿を映し出している。
リポジトリ:github.com/FoundationAgents/MetaGPT
参考リンク:
- MetaGPT GitHub: https://github.com/FoundationAgents/MetaGPT
- MGX: https://mgx.dev