Pular para o conteúdo
ReviewRamble

A newsletter semanal

IA, analisada, na sua caixa de entrada.

  • Novas análises de ferramentas, modelos, servidores MCP e repositórios, com o veredicto logo no início
  • Preços e notas reconferidos quando algo muda
  • Novos artigos de análise assim que são publicados

Modelos, agentes, servidores MCP e as ferramentas que realmente valem seu tempo.

Um e-mail por semana. Cancele pelo link em qualquer edição. Como usamos seu e-mail

MetaGPT

Framework em Python que passa um pedido de uma linha por papéis de LLM inspirados em uma empresa de software, hoje quase em modo de manutenção.

Análise de ReviewRamble editors · Atualizado

Ver no GitHub Código aberto

Compartilhe esta página:XLinkedInFacebookRedditWhatsAppE-mail

Nossa nota

3.2/5

O MetaGPT é o artigo que deixou famosas as equipes de agentes com papéis e uma biblioteca que quase não mudou desde então, então leia para tirar ideias e construa sobre algo mantido.

O que é MetaGPT?

O MetaGPT transforma um requisito de uma linha na papelada e no código que uma pequena empresa de software produziria. Agentes de LLM fazem o papel de product manager, arquiteto, gerente de projeto e engenheiro, cada um seguindo um procedimento escrito (o lema do projeto é Code = SOP(Team)), e passam documentos uns aos outros: histórias de usuário, análise da concorrência, uma lista de requisitos, estruturas de dados, desenhos de API e, por fim, um repositório em ./workspace. O exemplo do README é `metagpt "Create a 2048 game"`.

A mesma biblioteca traz o Data Interpreter, um agente que planeja uma análise de dados, escreve Python e o executa em um kernel local do Jupyter, além de código de pesquisa da equipe, como o AFlow (geração automática de fluxos de trabalho, apresentação oral na ICLR 2025) e a otimização de prompts SPO. Os modelos são configurados em ~/.metagpt/config2.yaml: OpenAI, Azure, Ollama, Groq, Bedrock e outros.

A empresa por trás, a DeepWisdom, agora concentra o esforço no Atoms, um criador de apps hospedado e de código fechado que foi lançado como MGX (MetaGPT X) em fevereiro de 2025 e mudou de nome em janeiro de 2026. O framework de código aberto tem licença MIT e ainda se instala pelo PyPI, mas a última versão, v0.8.2, é de março de 2025.

MetaGPT vale a pena?

O MetaGPT importa mais como projeto de referência do que como dependência. O artigo dele na ICLR 2024 mostrou que dar aos agentes papéis fixos e passagens estruturadas (um PRD, depois um desenho, depois tarefas) teve notas melhores nos seus benchmarks do que uma conversa livre entre agentes, e essa ideia hoje aparece no CrewAI, em demos no estilo ChatDev e na maioria das ferramentas de programação guiadas por especificação. O repositório ainda tem cerca de 71.000 estrelas no GitHub.

A atividade conta outra história. A última versão marcada é a v0.8.2, de 9 de março de 2025. Nos 12 meses até novembro de 2026, o branch principal recebeu uma única mudança mesclada, suporte ao Windows Terminal em 21 de janeiro de 2026, enquanto 152 pull requests seguem abertos. O pacote ainda limita o Python de 3.9 a 3.11, então não instala em 3.12 ou 3.13 sem gambiarras, e a configuração de exemplo ainda aponta para gpt-4-turbo.

O motivo é comercial. A DeepWisdom lançou o MGX em fevereiro de 2025 e o renomeou para Atoms em 13 de janeiro de 2026; mgx.dev agora redireciona para atoms.dev. A KrASIA relata que a empresa diz que o MGX chegou a cerca de 500.000 usuários registrados no primeiro mês e que captou cerca de $30,8 milhões. O Atoms é um produto hospedado e fechado, com planos de créditos a partir de $20 por mês, e o repositório aberto mostra pouco sinal do trabalho com agentes que entrou nele.

O porém: o fluxo da empresa de software foi feito para projetos novos. Ele parte de um requisito de uma linha, e cada papel trabalha com os documentos do papel anterior e não com um código existente, então oferece pouco em um repositório maduro. O Data Interpreter executa o código que escreve em um kernel local do Jupyter com as permissões do seu usuário, então rode-o em um contêiner. O consumo de tokens é alto: um pedido passa por quatro ou mais papéis, cada um uma chamada completa ao modelo com os documentos acumulados.

Nossa opinião: o MetaGPT é uma boa leitura de uma tarde para quem projeta um sistema multiagente, e a pasta de exemplos é um catálogo útil de ideias de pesquisa, mas para produção os frameworks mantidos pegaram a ideia central dele e continuaram lançando versões.

Onde ele se destaca

  • Um doutorando que pesquisa coordenação de agentes de LLM

    Reproduzir uma linha de base multiagente conhecida para um artigo

    Instale o metagpt 0.8.2 em um ambiente Python 3.11, rode o fluxo da empresa de software em prompts de benchmark e compare com o artigo da ICLR. O código é gratuito; o custo são os tokens de API de quatro ou mais chamadas de papel por prompt.

  • Um tech lead em uma consultoria de 20 pessoas

    Transformar o briefing de um parágrafo de um cliente em um primeiro PRD e desenho de sistema para uma proposta

    Rode `metagpt "<brief>"` e guarde as histórias de usuário, a análise da concorrência e o desenho de API gerados como rascunho inicial; descarte o código. Uma pessoa ainda revisa cada documento antes de ele chegar ao cliente.

  • Uma analista de dados em um varejista de porte médio

    Conseguir uma análise exploratória rápida e gráficos a partir de um CSV

    O Data Interpreter planeja os passos, escreve código de pandas e de gráficos e o executa em um kernel do Jupyter. Rode-o dentro de um contêiner, porque o código gerado é executado com as suas permissões.

Antes de decidir

Configuração
pip install metagpt em Python 3.9 a 3.11, instale Node.js e pnpm, depois `metagpt --init-config` e adicione uma chave de modelo em ~/.metagpt/config2.yaml; também há uma imagem Docker documentada.
Integrações
OpenAI, Azure OpenAI, Ollama, Groq, Bedrock e outros provedores via config2.yaml; usável como CLI ou como biblioteca Python (generate_repo, DataInterpreter).
Dados e privacidade
Biblioteca auto-hospedada sob MIT; os prompts vão só para o provedor de modelos que você configurar. Os repositórios gerados ficam em ./workspace, e o Data Interpreter executa código na máquina. O Atoms, o produto hospedado, é um serviço separado com termos próprios.
Custo em escala
Sem custo de licença; cada pedido faz várias chamadas completas ao modelo com contexto crescente, então a conta de tokens cresce com o número de papéis e rodadas de revisão, não com o número de usuários.
Limites
Última versão em março de 2025, 152 pull requests abertos, sem suporte a Python 3.12+ e um fluxo pensado para projetos novos e pequenos, não para repositórios existentes.

O que é bom

  • Projeto claro e influente: papéis fixos que passam documentos estruturados
  • Um único comando gera PRD, desenho, lista de tarefas e código para um app pequeno
  • Data Interpreter e código de pesquisa (AFlow, SPO) em um só pacote
  • Licença MIT sem limites comerciais

O que não é

  • Nenhuma versão desde a v0.8.2 em março de 2025 e uma única mudança mesclada em um ano
  • Só Python 3.9 a 3.11; 3.12 e 3.13 não são suportados
  • Feito para projetos novos; os papéis trabalham com documentos, não com o seu repositório
  • O Data Interpreter executa o código gerado localmente sem sandbox
  • O trabalho novo da equipe vai para o produto fechado Atoms

Ideal para

Engenheiros e pesquisadores que estudam como estruturar sistemas multiagente, não equipes escolhendo um framework para produção.

Alternativas ao MetaGPT

MetaGPT: perguntas frequentes

MetaGPT vale a pena?
O MetaGPT é o artigo que deixou famosas as equipes de agentes com papéis e uma biblioteca que quase não mudou desde então, então leia para tirar ideias e construa sobre algo mantido. Damos nota 3.2 de 5.
Quanto custa MetaGPT?
Gratuito e de código aberto sob a licença MIT; você paga o seu provedor de modelos. O produto hospedado da equipe, Atoms (antigo MGX), é separado: Free com 15 créditos por dia, Pro a partir de $20/mês, Max a partir de $100/mês.
Quais são as desvantagens de MetaGPT?
Nenhuma versão desde a v0.8.2 em março de 2025 e uma única mudança mesclada em um ano; só Python 3.9 a 3.11; 3.12 e 3.13 não são suportados; feito para projetos novos; os papéis trabalham com documentos, não com o seu repositório; o Data Interpreter executa o código gerado localmente sem sandbox; o trabalho novo da equipe vai para o produto fechado Atoms.
Para quem MetaGPT é indicado?
Engenheiros e pesquisadores que estudam como estruturar sistemas multiagente, não equipes escolhendo um framework para produção.
Quanto custa MetaGPT para uma equipe ou em produção?
Sem custo de licença; cada pedido faz várias chamadas completas ao modelo com contexto crescente, então a conta de tokens cresce com o número de papéis e rodadas de revisão, não com o número de usuários.
MetaGPT é seguro para dados da empresa?
Biblioteca auto-hospedada sob MIT; os prompts vão só para o provedor de modelos que você configurar. Os repositórios gerados ficam em ./workspace, e o Data Interpreter executa código na máquina. O Atoms, o produto hospedado, é um serviço separado com termos próprios.
Quais são as melhores alternativas ao MetaGPT?
As alternativas mais próximas que analisamos são CrewAI, AutoGen, LangGraph e OpenHands.

Respostas verificadas em 20 de nov. de 2026.