Aller au contenu
ReviewRamble

La lettre hebdomadaire

L’IA, évaluée, dans votre boîte mail.

  • Les nouveaux tests d’outils, de modèles, de serveurs MCP et de dépôts, avec le verdict en premier
  • Les prix et les notes revérifiés quand quelque chose change
  • Les nouvelles analyses dès leur publication

Modèles, agents, serveurs MCP et les outils qui méritent vraiment votre temps.

Un e-mail par semaine. Désinscrivez-vous avec le lien présent dans chaque lettre. Comment nous utilisons votre e-mail

MetaGPT

Framework Python qui fait passer une demande d'une ligne par des rôles de LLM calqués sur une entreprise de logiciels, désormais surtout en maintenance.

Avis de ReviewRamble editors · Mis à jour

Voir sur GitHub Open source

Partager cette page :XLinkedInFacebookRedditWhatsAppE-mail

Notre note

3.2/5

MetaGPT est l'article qui a rendu célèbres les équipes d'agents à rôles et une bibliothèque qui a à peine bougé depuis : lisez-le pour les idées et construisez sur un outil maintenu.

Qu’est-ce que MetaGPT ?

MetaGPT transforme une exigence d'une ligne en documents et en code tels qu'une petite entreprise de logiciels les produirait. Des agents LLM jouent le product manager, l'architecte, le chef de projet et l'ingénieur, chacun suivant une procédure écrite (la devise du projet est Code = SOP(Team)), et se transmettent des documents : user stories, analyse concurrentielle, liste d'exigences, structures de données, conceptions d'API et enfin un dépôt dans ./workspace. L'exemple du README est `metagpt "Create a 2048 game"`.

La même bibliothèque fournit Data Interpreter, un agent qui planifie une analyse de données, écrit du Python et l'exécute dans un noyau Jupyter local, ainsi que du code de recherche de l'équipe, comme AFlow (génération automatique de workflows, présentation orale à ICLR 2025) et l'optimisation de prompts SPO. Les modèles se configurent dans ~/.metagpt/config2.yaml : OpenAI, Azure, Ollama, Groq, Bedrock et d'autres.

L'entreprise derrière le projet, DeepWisdom, consacre désormais ses efforts à Atoms, un créateur d'applications hébergé et propriétaire lancé sous le nom MGX (MetaGPT X) en février 2025 et renommé en janvier 2026. Le framework open source est sous licence MIT et s'installe toujours depuis PyPI, mais sa dernière version, v0.8.2, date de mars 2025.

MetaGPT vaut-il le coup ?

MetaGPT compte davantage comme conception de référence que comme dépendance. Son article à ICLR 2024 a montré que donner aux agents des rôles fixes et des passations structurées (un PRD, puis une conception, puis des tâches) obtenait de meilleurs scores dans ses benchmarks qu'une conversation libre entre agents, et cette idée traverse aujourd'hui CrewAI, les démos à la ChatDev et la plupart des outils de code pilotés par des spécifications. Le dépôt compte toujours environ 71 000 étoiles sur GitHub.

L'activité raconte une autre histoire. La dernière version étiquetée est v0.8.2, du 9 mars 2025. Sur les 12 mois jusqu'à novembre 2026, la branche principale a reçu une seule modification fusionnée, la prise en charge de Windows Terminal le 21 janvier 2026, tandis que 152 pull requests restent ouvertes. Le paquet limite toujours Python aux versions 3.9 à 3.11, il ne s'installe donc pas sur 3.12 ou 3.13 sans contournement, et la configuration d'exemple pointe encore vers gpt-4-turbo.

La raison est commerciale. DeepWisdom a lancé MGX en février 2025 et l'a renommé Atoms le 13 janvier 2026 ; mgx.dev redirige désormais vers atoms.dev. Selon KrASIA, l'entreprise affirme que MGX a atteint environ 500 000 utilisateurs inscrits le premier mois et qu'elle a levé environ $30,8 millions. Atoms est un produit hébergé et fermé avec des forfaits de crédits à partir de $20 par mois, et le dépôt ouvert porte peu de traces du travail sur les agents qui y a été investi.

Le hic : le pipeline de l'entreprise de logiciels est conçu pour de nouveaux projets. Il part d'une exigence d'une ligne, et chaque rôle travaille à partir des documents du rôle précédent plutôt que d'une base de code existante, il apporte donc peu sur un dépôt mature. Data Interpreter exécute le code qu'il écrit dans un noyau Jupyter local avec les droits de votre utilisateur : faites-le tourner dans un conteneur. La consommation de tokens est élevée : une demande passe par quatre rôles ou plus, chacun étant un appel complet au modèle avec les documents accumulés.

Notre avis : MetaGPT est une bonne lecture d'après-midi pour quiconque conçoit un système multi-agents, et son dossier d'exemples est un catalogue utile d'idées de recherche, mais pour la production, les frameworks maintenus ont repris son idée centrale et continuent de livrer.

Là où il fait la différence

  • Un doctorant qui travaille sur la coordination d'agents LLM

    Reproduire une référence multi-agents connue pour un article

    Installez metagpt 0.8.2 dans un environnement Python 3.11, lancez le pipeline de l'entreprise de logiciels sur des prompts de benchmark et comparez avec l'article d'ICLR. Le code est gratuit ; le coût, ce sont les tokens d'API de quatre appels de rôle ou plus par prompt.

  • Un responsable technique dans un cabinet de conseil de 20 personnes

    Transformer le brief d'un paragraphe d'un client en un premier PRD et une conception système pour une proposition

    Lancez `metagpt "<brief>"` et gardez les user stories, l'analyse concurrentielle et la conception d'API générées comme premier brouillon ; jetez le code. Une personne relit et corrige chaque document avant qu'il n'arrive au client.

  • Une analyste de données chez un distributeur de taille moyenne

    Obtenir rapidement une analyse exploratoire et des graphiques à partir d'un CSV

    Data Interpreter planifie les étapes, écrit le code pandas et les graphiques et l'exécute dans un noyau Jupyter. Lancez-le dans un conteneur, car le code généré s'exécute avec vos droits.

Avant de vous engager

Mise en route
pip install metagpt sur Python 3.9 à 3.11, installez Node.js et pnpm, puis `metagpt --init-config` et ajoutez une clé de modèle dans ~/.metagpt/config2.yaml ; une image Docker est aussi documentée.
Intégrations
OpenAI, Azure OpenAI, Ollama, Groq, Bedrock et d'autres fournisseurs via config2.yaml ; utilisable en CLI ou comme bibliothèque Python (generate_repo, DataInterpreter).
Données et confidentialité
Bibliothèque auto-hébergée sous MIT ; les prompts ne vont qu'au fournisseur de modèles que vous configurez. Les dépôts générés arrivent dans ./workspace, et Data Interpreter exécute du code sur la machine. Atoms, le produit hébergé, est un service distinct avec ses propres conditions.
Coût à grande échelle
Aucun coût de licence ; chaque demande fait plusieurs appels complets au modèle avec un contexte qui grossit, donc la facture de tokens suit le nombre de rôles et de cycles de revue plutôt que le nombre d'utilisateurs.
Limites
Dernière version en mars 2025, 152 pull requests ouvertes, pas de prise en charge de Python 3.12+ et un pipeline conçu pour de petits projets neufs plutôt que pour des dépôts existants.

Les points forts

  • Conception claire et influente : des rôles fixes qui se passent des documents structurés
  • Une seule commande produit PRD, conception, liste de tâches et code pour une petite application
  • Data Interpreter et code de recherche (AFlow, SPO) dans un même paquet
  • Licence MIT sans restriction commerciale

Les points faibles

  • Aucune version depuis v0.8.2 en mars 2025 et une seule modification fusionnée en un an
  • Python 3.9 à 3.11 uniquement ; 3.12 et 3.13 ne sont pas pris en charge
  • Conçu pour de nouveaux projets ; les rôles travaillent sur des documents, pas sur votre dépôt
  • Data Interpreter exécute le code généré en local sans sandbox
  • Le nouveau travail de l'équipe va dans le produit fermé Atoms

Idéal pour

Ingénieurs et chercheurs qui étudient comment structurer des systèmes multi-agents, pas les équipes qui choisissent un framework pour la production.

Alternatives à MetaGPT

MetaGPT : questions fréquentes

MetaGPT vaut-il le coup ?
MetaGPT est l'article qui a rendu célèbres les équipes d'agents à rôles et une bibliothèque qui a à peine bougé depuis : lisez-le pour les idées et construisez sur un outil maintenu. Nous lui donnons 3.2 sur 5.
Combien coûte MetaGPT ?
Gratuit et open source sous licence MIT ; vous payez votre fournisseur de modèles. Le produit hébergé de l'équipe, Atoms (ex-MGX), est distinct : Free avec 15 crédits par jour, Pro à partir de $20/mois, Max à partir de $100/mois.
Quels sont les inconvénients de MetaGPT ?
Aucune version depuis v0.8.2 en mars 2025 et une seule modification fusionnée en un an; python 3.9 à 3.11 uniquement ; 3.12 et 3.13 ne sont pas pris en charge; conçu pour de nouveaux projets ; les rôles travaillent sur des documents, pas sur votre dépôt; data Interpreter exécute le code généré en local sans sandbox; le nouveau travail de l'équipe va dans le produit fermé Atoms.
À qui s’adresse MetaGPT ?
Ingénieurs et chercheurs qui étudient comment structurer des systèmes multi-agents, pas les équipes qui choisissent un framework pour la production.
Combien coûte MetaGPT pour une équipe ou en production ?
Aucun coût de licence ; chaque demande fait plusieurs appels complets au modèle avec un contexte qui grossit, donc la facture de tokens suit le nombre de rôles et de cycles de revue plutôt que le nombre d'utilisateurs.
MetaGPT est-il sûr pour les données de l’entreprise ?
Bibliothèque auto-hébergée sous MIT ; les prompts ne vont qu'au fournisseur de modèles que vous configurez. Les dépôts générés arrivent dans ./workspace, et Data Interpreter exécute du code sur la machine. Atoms, le produit hébergé, est un service distinct avec ses propres conditions.
Quelles sont les meilleures alternatives à MetaGPT ?
Les alternatives les plus proches que nous avons testées sont CrewAI, AutoGen, LangGraph et OpenHands.

Réponses vérifiées le 20 nov. 2026.