フレームワーク

MetaGPT 検証:一行の要件から「仮想ソフトウェア会社」を動かす SOP の正体

GitHub で 7 万スターを集める多エージェントフレームワーク MetaGPT は、ソフトウェア開発会社の標準フローを LLM のロールチェーンに焼き付けた。実際に動かして分かった SOP 駆動設計の強みと限界をまとめる。

文字サイズ

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:

出典: https://github.com/FoundationAgents/MetaGPT