MetaGPT
如果要另一个 Python crew 框架,对比 CrewAI;如果要持久化图运行时,对比 LangGraph;如果要单个编程智能体而不是模拟公司,对比 Claude Code。
核心功能
- 开源 CLI,模型要付费:
pip install --upgrade metagpt和metagpt "Create a 2048 game"仍会在./workspace写仓库。README 要求 Python 3.9 到 <3.12,以及 Node 和 pnpm。模型写在~/.metagpt/config2.yaml。 - Atoms 是托管后继,不是 CLI:mgx.dev 现在卖 Atoms(AI 员工、可导出 GitHub)。不要把活站还叫成首页上的 “MGX”。
- 论文不是 star 数:README 仍引用 AFlow(ICLR 2025 oral)。那是论文,不是流量审计。
适用场景
- 会留在 MIT CLI、自己付 OpenAI / Azure / Ollama / Groq key 的人。
- 看完 69,865 stars 和 CrewAI 云席后对比 MetaGPT 与 CrewAI 的人。
- 还拿着 mgx.dev 书签、需要 Atoms 价表的人。
局限:这次没有重数 fork 或 Discord 人数。Atoms 额度(Free 每天 15、每月 25)来自定价 FAQ,不是永不改的承诺。
定价方案
MetaGPT CLI 与 Atoms,2026-08-17。
| 部分 | 价格 | 一手页说明 |
|---|---|---|
| MetaGPT CLI | $0 | MIT。69,865 stars。LLM 走 BYOK。 |
| Atoms Free | $0 / 月 | 每天 15 credits,每月 25。轻度使用。 |
| Atoms Pro | 起 $20 / 月 | FAQ 默认 100 credits → $20。另列 250 → $50、350 → $70。 |
| Atoms Max | 起 $100 / 月 | FAQ 默认 500 → $100。另列 1000 → $200、1500 → $300,最高到 10000。 |
如果旧博客还写 MGX 没有公开美元表,以这份 Atoms FAQ 为准。
快速开始
pip install --upgrade metagpt,再metagpt --init-config。- 先在
~/.metagpt/config2.yaml填真实 API key,再指望生成 2048 仓库。 - 只有要托管团队时才打开 atoms.dev/pricing,那不是 CLI。
- 不要把 70k stars 当已审计普查。
常见问题
MetaGPT 还是约 70k stars 吗?
2026-08-17 计到 69,865。用这次核查,不要四舍五入成 70k。
MGX 还是产品名吗?
活站是 Atoms。mgx.dev 会跳过去。
CLI 免费吗?
免费。库是 MIT。模型走 BYOK。Atoms 是另一套托管 SKU。
替代方案
- CrewAI:Python crews,外加 Enterprise Cloud 起 $99/席。
- LangGraph:LangChain 的持久化智能体图。
- Claude Code:Anthropic 的交互式编程智能体。
使用技巧
- 引用 GitHub 核查日的 69,865 stars 和 MIT。
- 引用 Atoms Free $0 / Pro 起 $20 / Max 起 $100,不要写成未标价 MGX。
- 安装前先核对 Python <3.12。
总结
MetaGPT 是 MIT 多智能体 CLI,核查日 69,865 stars,不是永远未标价的 MGX。从 github.com/FoundationAgents/MetaGPT 起步,再决定 atoms.dev/pricing 或 CrewAI 是否已经覆盖你要的托管团队。
评论
还没有评论。成为第一个评论的人!
相关工具
相关洞察
Claude Skills 完全指南 - 十大必备 Skills 详解
深入解析 Claude Skills 扩展机制,详细介绍十大核心技能及 Obsidian 集成,帮助你打造高效的 AI 工作流
别再把 AI 助手塞进聊天框了:Clawdbot 选错了战场
Clawdbot 很方便,但将它放在 Slack 或 Discord 里操控,是从一开始就错的设计选择。聊天工具不是用来操作任务的,AI 也不是用来聊天的。
7 款 AI 编程 CLI 用了半年,我悟出一个道理:模型再强,干活也要有监督
Claude Code、Codex、opencode、pi、omp、DeepSeek Harness 各有性格。半年深度使用后我总结出一套分工矩阵:pi 做最省事的 CR、omp 审复杂 PR、DeepSeek Harness 配 V4 Flash 高频低成本审查、Claude Code 与 Qoder 写代码。模型再强,干活也要有监督,而且最好是独立第三方。