AI导读:

MetaGPT团队复刻了Manus的多智能体框架,推出OpenManus并上传至开源社区。此次技术复刻反映了DeepWisdom公司的技术积累,并推动了AI Agent多智能体框架的发展。

  凌晨三点敲完代码,次日早上八点新增三十多个好友申请,在开源社区GitHub上迅速收获7000多颗星星——Manus爆红不足三日,隶属于国内AI Agent初创公司DeepWisdom(深度赋智)的MetaGPT 团队,就进行了产品复刻,并将产品Open Manus上传至开源社区。

  第一财经记者对话MetaGPT 团队,探索此次技术复刻的深层逻辑及行业背后的意义。这反映了DeepWisdom公司的技术积累,并通过MetaGPT团队的视角,肯定了Manus团队在规划、后训练、交互方式等方面的投入。

  复刻中的差异理解

  早在2023年,MetaGPT 团队就开始研究多智能体框架,并在GitHub上开源相关代码,获得了社区的广泛关注。2024年10月,团队进一步探索Agent的规划能力和工具使用能力,推出了Data Interpreter等工作。

  Manus热度上升后,MetaGPT的AI算法研究员向劲宇与梁新兵讨论了是否可以直接做一个开源版本。

  OpenManus是类似Manus的多智能体框架,为开发者提供快速上手和定制化开发的平台。但向劲宇提醒,目前OpenManus还处于demo级(演示版本),尚未进行GALA benchmark评测,效果可能一般。后续团队将深入DeepResearch方向和SWE(软件工程)代码方向。

  此前,Manus在GALA Benchmark评测中达到了当前最优水平(SOTA),超越了OpenAI的Deep Research等竞品。

  向劲宇推测,Manus团队通过复杂的规划与后训练,实现了良好的产品交互。Manus在效果不理想时面临的问题也是行业性问题,OpenManus也尚未达到非常强的效果。

  梁新兵表示,能够在三小时内复刻“爆品”Manus,关键在于团队的技术积淀,且团队早已在思考如何通过简洁、优雅的形式呈现Agent形态。

  从Manus与OpenManus的演示视频来看,两者都是AI Agent产品,采用Multi-Agent(多智能体)架构,能将复杂任务拆解为多个子任务,并分配给不同的Agent(智能体)执行。此外,两者都具备工具链集成属性,集成了多种工具,如网络搜索、代码执行、文件处理等,以增强智能体的功能。

  相比之下,OpenManus的最大差异在于其开源属性。与Manus的技术架构需使用者猜测不同,OpenManus团队直接在项目致谢中提及了Claude厂商Anthropic的computer-use、YC投资的browser-use等项目。OpenManus作者张佳钇总结了产品结合了computer-use、基本的Agents以及规划能力。

  多智能体的普及趋势

  与其关注Manus的噱头,不如关注其给行业发展带来的启示。

  梁新兵认为,Manus让更多普通人了解了智能体,推动了Multi-Agent的发展。

  从发展历史来看,Multi-Agent的概念最早可以追溯到20世纪80年代分布式人工智能理念的兴起。2017年以后,随着大型语言模型的成熟,AI Agent应用开始从理论走向实际,如AutoGPT的出现标志着AI Agent的雏形诞生。

  2024年,微软、谷歌、苹果、OpenAI等厂商纷纷布局AI Agent市场。2025年1月,OpenAI发布首款AI Agent产品Operator,能执行复杂操作,如编写代码、预订旅行等,但目前仅提供给购买每月200美元ChatGPT Pro服务的消费者。国内AI厂商Monica通过Manus让普通人首次意识到Multi-Agent概念,MetaGPT的开源产品进一步揭示了其神秘面纱。

  AIGCLINK发起人、行行AI合伙人占冰强表示,MetaGPT团队之前已实现过类似Manus的产品,是国内首批投入智能体研发的团队之一。

  MetaGPT NLP/Agent方向研究员洪思睿表示,当前行业中,通过大模型或Agent使用工具已不再新奇。随着对具体产品与技术的关注增加,行业的技术难点在于如何让Agent在多个相似工具中做出更优决策。同时,非标准工具接口可能导致工具参数出错,影响执行效果。

  在此背景下,动态路由技术优化工具选择与使用,知识增强与幻觉抑制提升决策可靠性,采用ReAct、Chain-of-Thought(CoT)或Tree-of-Thoughts(ToT)等推理框架帮助Agent更清晰地展示决策过程,成为解决方案。MCP协议(Model Context Protocol)成为业内主流选择,由Anthropic推出,旨在统一大型语言模型(LLM)与外部数据源和工具之间的通信。

  占冰强表示,MCP完全可兼容,关键在于技术厂商是否支持。目前海外主流厂商已逐步接入,尤其是在AI工具和开发平台领域,预计国内厂商也会跟进。

(文章来源:第一财经)