前言

感谢datawhale组织开源的多智能体学习内容，飞书文档地址在https://deepwisdom.feishu.cn/wiki/KhCcweQKmijXi6kDwnicM0qpnEf

拉取MetaGPT仓库

1 仅仅安装最新版

pip install git+https://github.com/geekan/MetaGPT.git

这种方式实际上等同于仓库克隆到缓存文件夹中，然后进行本地安装。

2 拉取源码本地安装

git clone https://github.com/geekan/MetaGPT.git
cd /your/path/to/MetaGPT
pip install -e .

为了使得安装速度加快，可以将pip使用-i参数添加镜像源。

MetaGPT安装成果全流程展示

conda新建虚拟环境。推荐使用miniconda。

conda create -n metagpt-learn python==3.10
source activate metagpt-learn

拉取仓库：因为不打算进行切换分支等操作，因此可以指定指定主分支和最小clone深度以加快速度。
并进行源码安装

git clone https://github.com/geekan/MetaGPT.git --depth 1 -b main
cd MetaGPT
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -e .

从最后的输出结果可以看出安装的是0.7.2版本。
内容真是相当的多呢。

尝试简单使用

1 本地部署大模型尝试（失败–>成功）

目前文档中首推的依然是使用openai的API，也提供了使用国内星火大模型或是智谱的GLM大模型的API的方法。由于是简单demo，所以下面尝试使用本地部署的大模型进行MetaGPT的试用。
观察MetaGPT的config配置文件

cat config/config2.yaml
cat config/config2.example.yaml

通过对上面两个文件的观察，对于MetaGPT使用API的方式有了一定的了解。

下面尝试使用。
依照文档所言， MetaGPT将会按照下述优先级来读取你的配置：config/key.yaml > config/config.yaml > environment variable
所以

cd config
cp config2.yaml key.yaml
vim key.yaml

将文件内容改为以下内容
然后启动我的本地模型，这个模型很小，即使在cpu上运算生成tokens的速度仍然挺快，cpu(E5 2666v3)上约20tokens/s。

经过尝试，并没有读取key.yaml文件，而是读取的config2.yaml文件，修改后运行，出现错误，是api_type对不上导致的。
随便输入一个错误的api_type，可以获知metagpt支持的全部api_type。

For further information visit https://errors.pydantic.dev/2.5/v/missing
llm.api_typeInput should be 'openai', 'anthropic', 'spark', 'zhipuai', 'fireworks', 'open_llm', 'gemini', 'metagpt', 'azure' or 'ollama' 

经查阅，我使用的llama.cpp部署了一个本地大模型，应该使用open_llm这个类型而不是ollama；并且api_key不能去掉，若去掉则报错，很难绷。并且我的模型在部署时没有指定api_key，按照惯例尝试了sk-no-key-required和sk-no-key，均失败。故重新部署模型，仍然失败。解决后更新。
修改后的配置文件和结果展示如下，后面解决会进行更新：
（注意，下面的不是ease_url而是base_url，笔误。）

在大模型部署服务端返回状态码400，似乎是api_key错误导致的。

瓜，本地部署写在配置文件里的url加了https了，应改为http，本地部署哪来的ssl/rsl，不加s。

然后成功调用了本地部署的API

2 讯飞星火API调用

为了先完成任务，现在使用讯飞星火大模型。

llm:api_type: 'spark'app_id: 'YOUR_APPID'api_key: 'YOUR_API_KEY'api_secret: 'YOUR_API_SECRET'domain: 'generalv3'base_url: 'wss://spark-api.xf-yun.com/v3.1/chat'

效果展示：
进入example文件夹运行llm_hello_world.py。
调国内API当然是不能失败的。