Was ist MetaGPT?
MetaGPT macht aus einer einzeiligen Anforderung den Papierkram und den Code, den eine kleine Softwarefirma produzieren würde. LLM-Agenten spielen Produktmanager, Architekt, Projektmanager und Engineer, jeder folgt einem schriftlichen Ablauf (das Motto des Projekts lautet Code = SOP(Team)), und sie reichen einander Dokumente weiter: User Stories, Wettbewerbsanalyse, eine Anforderungsliste, Datenstrukturen, API-Entwürfe und am Ende ein Repository in ./workspace. Das Beispiel im README ist `metagpt "Create a 2048 game"`.
Dieselbe Bibliothek enthält Data Interpreter, einen Agenten, der eine Datenanalyse plant, Python schreibt und es in einem lokalen Jupyter-Kernel ausführt, dazu Forschungscode des Teams wie AFlow (automatische Workflow-Erzeugung, ein Oral-Vortrag auf der ICLR 2025) und die Prompt-Optimierung SPO. Modelle werden in ~/.metagpt/config2.yaml konfiguriert: OpenAI, Azure, Ollama, Groq, Bedrock und weitere.
Die Firma dahinter, DeepWisdom, steckt ihre Arbeit inzwischen in Atoms, einen gehosteten App-Builder mit geschlossenem Quellcode, der im Februar 2025 als MGX (MetaGPT X) startete und im Januar 2026 umbenannt wurde. Das Open-Source-Framework steht unter MIT-Lizenz und lässt sich weiter von PyPI installieren, aber das letzte Release, v0.8.2, stammt vom März 2025.
Lohnt sich MetaGPT?
MetaGPT zählt mehr als Referenzdesign denn als Abhängigkeit. Sein Paper auf der ICLR 2024 zeigte, dass Agenten mit festen Rollen und strukturierten Übergaben (ein PRD, dann ein Entwurf, dann Aufgaben) in seinen Benchmarks besser abschnitten als freieres Agenten-Gespräch, und diese Idee zieht sich heute durch CrewAI, Demos im Stil von ChatDev und die meisten spezifikationsgetriebenen Coding-Werkzeuge. Das Repository hat weiterhin rund 71.000 GitHub-Sterne.
Die Aktivität erzählt etwas anderes. Das letzte getaggte Release ist v0.8.2 vom 9. März 2025. In den 12 Monaten bis November 2026 nahm der Hauptzweig eine einzige gemergte Änderung auf, Unterstützung für Windows Terminal am 21. Januar 2026, während 152 Pull Requests offen liegen. Das Paket beschränkt Python weiterhin auf 3.9 bis 3.11, lässt sich also ohne Umwege nicht auf 3.12 oder 3.13 installieren, und die Beispielkonfiguration zeigt noch auf gpt-4-turbo.
Der Grund ist geschäftlich. DeepWisdom startete MGX im Februar 2025 und benannte es am 13. Januar 2026 in Atoms um; mgx.dev leitet jetzt auf atoms.dev weiter. KrASIA berichtet, die Firma gebe an, MGX habe im ersten Monat rund 500.000 registrierte Nutzer erreicht, und sie habe rund $30,8 Millionen eingesammelt. Atoms ist ein gehostetes, geschlossenes Produkt mit Credit-Plänen ab $20 im Monat, und das offene Repository zeigt kaum Spuren der Agentenarbeit, die darin steckt.
Der Haken: Die Pipeline der Softwarefirma ist für neue Projekte gebaut. Sie beginnt mit einer einzeiligen Anforderung, und jede Rolle arbeitet mit den Dokumenten der vorherigen Rolle statt mit einer bestehenden Codebasis, daher bringt sie bei einem gewachsenen Repository wenig. Data Interpreter führt den geschriebenen Code in einem lokalen Jupyter-Kernel mit den Rechten deines Benutzers aus, also lass es in einem Container laufen. Der Token-Verbrauch ist hoch: Eine Anfrage durchläuft vier oder mehr Rollen, jede ein vollständiger Modellaufruf mit den angesammelten Dokumenten.
Unser Fazit: MetaGPT ist eine gute Nachmittagslektüre für alle, die ein Multi-Agenten-System entwerfen, und sein Beispielordner ist ein nützlicher Katalog von Forschungsideen, aber für die Produktion haben die gepflegten Frameworks seine zentrale Idee übernommen und weiter geliefert.
Wo es sich lohnt
Ein Doktorand, der zur Koordination von LLM-Agenten forscht
Eine bekannte Multi-Agenten-Baseline für ein Paper reproduzieren
Installiere metagpt 0.8.2 in einer Python-3.11-Umgebung, lass die Pipeline der Softwarefirma auf Benchmark-Prompts laufen und vergleiche mit dem ICLR-Paper. Der Code ist kostenlos; die Kosten sind API-Tokens für vier oder mehr Rollenaufrufe pro Prompt.
Ein Tech Lead in einer Beratung mit 20 Leuten
Aus dem einseitigen Briefing eines Kunden ein erstes PRD und einen Systementwurf für ein Angebot machen
Führe `metagpt "<brief>"` aus und behalte die erzeugten User Stories, die Wettbewerbsanalyse und den API-Entwurf als ersten Entwurf; verwirf den Code. Ein Mensch überarbeitet jedes Dokument, bevor es den Kunden erreicht.
Eine Datenanalystin bei einem mittelgroßen Einzelhändler
Schnell eine explorative Analyse und Diagramme aus einer CSV-Datei bekommen
Data Interpreter plant die Schritte, schreibt pandas- und Plot-Code und führt ihn in einem Jupyter-Kernel aus. Lass es in einem Container laufen, weil der generierte Code mit deinen Rechten ausgeführt wird.
Bevor du dich festlegst
- Einrichtung
- pip install metagpt auf Python 3.9 bis 3.11, Node.js und pnpm installieren, dann `metagpt --init-config` und einen Modellschlüssel in ~/.metagpt/config2.yaml eintragen; ein Docker-Image ist ebenfalls dokumentiert.
- Integrationen
- OpenAI, Azure OpenAI, Ollama, Groq, Bedrock und weitere Anbieter über config2.yaml; nutzbar als CLI oder als Python-Bibliothek (generate_repo, DataInterpreter).
- Daten und Datenschutz
- Selbst gehostete Bibliothek unter MIT; Prompts gehen nur an den Modellanbieter, den du konfigurierst. Erzeugte Repositories landen in ./workspace, und Data Interpreter führt Code auf dem Host aus. Atoms, das gehostete Produkt, ist ein eigener Dienst mit eigenen Bedingungen.
- Kosten im großen Maßstab
- Keine Lizenzkosten; jede Anfrage macht mehrere vollständige Modellaufrufe mit wachsendem Kontext, daher wächst die Token-Rechnung mit der Zahl der Rollen und Review-Runden, nicht mit den Nutzern.
- Grenzen
- Letztes Release im März 2025, 152 offene Pull Requests, keine Unterstützung für Python 3.12+ und eine Pipeline, die für kleine neue Projekte statt für bestehende Repositories gedacht ist.
Was gut ist
- Klares, einflussreiches Design: feste Rollen, die strukturierte Dokumente weitergeben
- Ein Befehl erzeugt PRD, Entwurf, Aufgabenliste und Code für eine kleine App
- Data Interpreter und Forschungscode (AFlow, SPO) in einem Paket
- MIT-Lizenz ohne kommerzielle Einschränkungen
Was nicht
- Kein Release seit v0.8.2 im März 2025 und eine gemergte Änderung in einem Jahr
- Nur Python 3.9 bis 3.11; 3.12 und 3.13 werden nicht unterstützt
- Für neue Projekte gebaut; Rollen arbeiten mit Dokumenten, nicht mit deinem Repository
- Data Interpreter führt generierten Code lokal ohne Sandbox aus
- Die neue Arbeit des Teams fließt in das geschlossene Produkt Atoms
Am besten für
Entwickler und Forschende, die untersuchen, wie man Multi-Agenten-Systeme strukturiert, nicht Teams, die ein Framework für die Produktion wählen.
Alternativen zu MetaGPT
MetaGPT: häufige Fragen
- Lohnt sich MetaGPT?
- MetaGPT ist das Paper, das Agententeams mit Rollen berühmt gemacht hat, und eine Bibliothek, die sich seitdem kaum bewegt hat, also lies es für Ideen und baue auf etwas Gepflegtem auf. Wir bewerten es mit 3.2 von 5.
- Was kostet MetaGPT?
- Kostenlos und Open Source unter der MIT-Lizenz; du bezahlst deinen Modellanbieter. Das gehostete Produkt des Teams, Atoms (früher MGX), ist getrennt: Free mit 15 Credits pro Tag, Pro ab $20/Monat, Max ab $100/Monat.
- Welche Nachteile hat MetaGPT?
- Kein Release seit v0.8.2 im März 2025 und eine gemergte Änderung in einem Jahr; Nur Python 3.9 bis 3.11; 3.12 und 3.13 werden nicht unterstützt; Für neue Projekte gebaut; Rollen arbeiten mit Dokumenten, nicht mit deinem Repository; Data Interpreter führt generierten Code lokal ohne Sandbox aus; Die neue Arbeit des Teams fließt in das geschlossene Produkt Atoms.
- Für wen eignet sich MetaGPT?
- Entwickler und Forschende, die untersuchen, wie man Multi-Agenten-Systeme strukturiert, nicht Teams, die ein Framework für die Produktion wählen.
- Was kostet MetaGPT für ein Team oder im Produktivbetrieb?
- Keine Lizenzkosten; jede Anfrage macht mehrere vollständige Modellaufrufe mit wachsendem Kontext, daher wächst die Token-Rechnung mit der Zahl der Rollen und Review-Runden, nicht mit den Nutzern.
- Ist MetaGPT sicher für Firmendaten?
- Selbst gehostete Bibliothek unter MIT; Prompts gehen nur an den Modellanbieter, den du konfigurierst. Erzeugte Repositories landen in ./workspace, und Data Interpreter führt Code auf dem Host aus. Atoms, das gehostete Produkt, ist ein eigener Dienst mit eigenen Bedingungen.
- Was sind die besten Alternativen zu MetaGPT?
- Die nächsten Alternativen, die wir getestet haben, sind CrewAI, AutoGen, LangGraph und OpenHands.
Antworten geprüft am 20. Nov. 2026.