OpenClaw 和 Hermes Agent 时代,MetaGPT 还有机会吗?

如果把 AI Agent 的发展粗略分成两个阶段，MetaGPT 代表的是第一阶段里一个很清晰的想法：把软件公司的协作流程搬进多智能体系统里，让产品经理、架构师、项目经理、工程师这些角色按照 SOP 协作。

这个想法在 2023 年到 2024 年很有吸引力。因为当时大家还在探索一个基本问题：多个 LLM Agent 应该如何分工？MetaGPT 给出的答案是“像一家软件公司一样工作”。

但到 2026 年 5 月再看，问题变了。OpenClaw 和 Hermes Agent 这类系统正在把 Agent 从“完成一个任务的框架”推向“长期运行的个人或组织助手”：它们强调多渠道入口、Gateway、技能、记忆、自动化、沙箱、浏览器控制、云端运行和跨会话成长。

所以真正的问题不是“MetaGPT 过时了吗”，而是：在 Agent 从多角色工作流走向持久化运行系统之后，MetaGPT 还有没有自己的位置？

我的判断是：有，但它不再适合把自己定位成通用 Agent 入口。MetaGPT 的机会，反而在更窄、更硬的地方：成为复杂任务的结构化工作流内核，尤其是软件工程、需求分析、方案设计、自动化研发团队这类需要稳定流程的场景。

MetaGPT 当年的锋利之处：把 Agent 组织成“公司”

MetaGPT 的核心不是“多几个聊天机器人互相对话”。它真正抓住的是 SOP。

在官方 README 里，MetaGPT 把自己描述为一个多智能体框架：用户输入一行需求，系统可以输出用户故事、竞品分析、需求、数据结构、API 和文档等。它内部包含产品经理、架构师、项目经理、工程师等角色，并强调一个核心理念：Code = SOP(Team)。

这个设计在当时很重要。

早期 Agent 框架容易陷入两个问题：要么是单 Agent 一路胡跑，要么是多 Agent 看似热闹但没有流程约束。MetaGPT 的价值在于，它把“谁先做什么、谁把什么交给谁、产物是什么”显式化了。

这让它更像一个“流程编排框架”，而不是一个单纯的聊天代理。

截至 2026 年 5 月 13 日，MetaGPT 的 GitHub 仓库仍然有约 67.9k stars，并且 README 中还显示 2025 年 2 月发布了自然语言编程产品 MGX，也就是 MetaGPT X。换句话说，MetaGPT 背后的路线并没有停在论文或 demo 阶段，而是在尝试产品化。

但这并不等于它天然能吃下今天的 Agent 入口市场。

新一代 Agent 的竞争点已经变了

OpenClaw 和 Hermes Agent 代表的方向，与 MetaGPT 最初的叙事不太一样。

OpenClaw 官方仓库把自己描述为一个运行在用户自己设备上的个人 AI 助手。它强调的不是“产品经理和工程师如何协作”，而是“你在已有渠道里怎么随时叫到一个本地、快速、常驻的助手”。它支持 WhatsApp、Telegram、Slack、Discord、Feishu、WeChat、QQ、WebChat 等大量渠道，并把 Gateway 视为控制平面。

Hermes Agent 的方向也类似，但更强调“会成长”。Nous Research 的官方页面写得很直白：它不是被绑在 IDE 里的 coding copilot，也不是某个 API 外面包一层聊天界面，而是一个住在服务器上、会记住经验、运行越久越有用的自治 Agent。它强调持久记忆、自动生成技能、自然语言定时任务、子 Agent 并行、沙箱、浏览器控制和多模型后端。

这说明 Agent 的主战场正在从“任务内部怎么协作”扩展到“Agent 作为长期系统怎么存在”。

新的问题包括：

• • 用户从哪个渠道进入？
• • Agent 是否能跨会话记住项目？
• • 它能不能定时运行、无人值守？
• • 能不能调用浏览器、终端、文件系统和外部服务？
• • 失败时是否有沙箱和权限边界？
• • 是否支持不同模型和不同部署后端？

这些问题不是 MetaGPT 最初最擅长回答的。

MetaGPT 的压力：它像一套流程，而不是一个生活在用户身边的 Agent

MetaGPT 的强项是结构化流程。它适合把复杂任务拆成角色、阶段和产物。

但 OpenClaw 和 Hermes Agent 的强项是“常驻性”。它们更像用户身边的一层操作系统：可以从消息渠道进入，可以接管定时任务，可以在云端或本地持续运行，可以把技能和记忆积累起来。

这就造成了一个错位。

如果用户今天想要的是“一个一直在我身边、能跨平台响应、能记住我、能定时干活的助手”，MetaGPT 不是最自然的选择。它的多角色协作很有解释力，但不直接等于一个完整的个人 Agent 产品。

更关键的是，今天的 Agent 系统越来越强调工具层和环境层：浏览器、shell、文件、MCP、插件、权限、沙箱、远程执行、异步任务、长期记忆。谁能把这些做成稳定基础设施，谁就更接近用户日常。

从这个角度看，MetaGPT 最大的风险不是技术没人用，而是产品入口被新一代 Agent 框架吃掉。

但 MetaGPT 还有机会，因为“工作流质量”仍然稀缺

不过，不能因此低估 MetaGPT。

越是到了 OpenClaw 和 Hermes Agent 这样的时代，越会暴露一个问题：常驻 Agent 不等于会高质量完成复杂工作。

一个 Agent 可以住在服务器上，可以接入 Telegram 和 Slack，可以有记忆和自动化，但当它面对一个复杂研发任务时，仍然需要知道：

• • 需求如何澄清？
• • 方案如何拆分？
• • 产物如何检查？
• • 多个子任务如何交接？
• • 哪些阶段需要人类确认？
• • 哪些文档和代码应该先后生成？

这些恰好是 MetaGPT 当年关注的问题。

所以，MetaGPT 的机会不在于和 OpenClaw、Hermes Agent 争夺“用户每天打开的入口”。它更适合成为后者可以调用的一类“专业工作流引擎”。

换句话说，MetaGPT 不一定要做用户面对的 Agent，它可以成为 Agent 背后的团队协作模板。

当 OpenClaw 或 Hermes Agent 需要执行一个复杂软件项目时，它可以调用一个类似 MetaGPT 的流程：先让 PM 角色定义需求，再让架构角色设计方案，再让工程角色实现，再让评审角色检查。这样的 SOP 仍然有价值。

MetaGPT 要赢，需要从“框架”变成“可嵌入能力”

如果 MetaGPT 还想在今天的 Agent 生态里扩大影响，它需要回答一个新问题：它如何被别的 Agent 系统调用？

过去，MetaGPT 可以说：“我就是多智能体框架。”今天，它更应该说：“我是复杂任务的组织方法，可以嵌入到任何长期运行的 Agent 系统里。”

这意味着几个方向。

第一，降低嵌入成本。MetaGPT 的角色、SOP、产物链条，应该能被 OpenClaw、Hermes Agent 或其他工作台作为一个子流程调用，而不是要求用户单独进入 MetaGPT 的世界。

第二，把软件公司 SOP 做得更细。通用多角色协作已经不稀奇，真正稀缺的是可靠流程：需求评审、架构约束、测试计划、代码审查、验收标准、风险清单、回滚方案。越像真实团队，越有价值。

第三，把产物质量做成可验证。今天 Agent 最缺的不是“会生成”，而是“生成后能检查”。MetaGPT 如果能把每个角色的输出转成可测试、可评审、可追踪的工件，就会比普通多 Agent 聊天更强。

第四，拥抱长期记忆和技能机制。MetaGPT 的 SOP 如果能随着项目积累而改进，甚至把成功经验沉淀成可复用流程，它就能和 Hermes Agent 这类“越用越成长”的系统形成互补。

MGX 是一次转向，但还要看它能不能跨出单点产品

MetaGPT 官方 README 中，2025 年 2 月提到 MGX，也就是 MetaGPT X，自称自然语言编程产品和 AI agent development team。这个方向很有意思，因为它实际上是在把 MetaGPT 的“软件公司式多 Agent”产品化。

但 MGX 面临的竞争也更直接。

今天做 AI 编程和 Agent 开发团队的产品很多。它不只要和传统 IDE copilot 竞争，也要和更开放的 Agent 平台竞争，还要和常驻式个人 Agent 竞争。

MGX 的关键不是能不能展示一个漂亮流程，而是能不能在真实项目里持续交付：

• • 是否能接入现有代码库？
• • 是否能处理复杂依赖？
• • 是否能和人类开发流程协同？
• • 是否能长期维护上下文？
• • 是否能跑测试、改 bug、评审和迭代？

如果答案是肯定的，MetaGPT 仍然有产品机会。如果答案只是“多角色协作看起来很合理”，那它会被更贴近工作台和执行环境的 Agent 系统压过去。

更可能的结局：不是取代，而是被吸收

我更倾向于认为，MetaGPT 未来的最佳位置不是成为 OpenClaw 或 Hermes Agent 的替代品，而是成为它们的能力模块。

OpenClaw 解决入口、渠道、Gateway、技能和本地运行问题。Hermes Agent 解决长期记忆、自我改进、自动化和多后端运行问题。MetaGPT 则可以解决复杂任务中的角色分工、流程组织和产物规范问题。

这三者不是同一层。

如果用一个简单类比：

• • OpenClaw 更像个人 Agent 的控制平面和多渠道入口。
• • Hermes Agent 更像会长期学习和运行的自治执行系统。
• • MetaGPT 更像一个面向复杂研发任务的组织方法和 SOP 库。

真正的机会在组合。

未来一个强 Agent 系统可能长这样：用户在微信或 Slack 里发起任务，OpenClaw 负责入口和 Gateway；Hermes Agent 负责长期记忆、云端执行和自动化；当任务进入复杂研发阶段时，系统调用 MetaGPT 式的多角色 SOP，产出需求、设计、代码、测试和评审。

在这个结构里，MetaGPT 不是消失了，而是从“前台产品”退到“专业流程引擎”。

结语：MetaGPT 还有机会，但不能只讲多 Agent 了

MetaGPT 当年的重要性在于，它很早就意识到：多个 Agent 如果没有角色和流程，只会变成混乱的群聊。它把软件公司的组织方式引入 Agent 框架，这是一个有生命力的想法。

但 OpenClaw 和 Hermes Agent 代表的新趋势也很清楚：Agent 正在变成长期运行、跨渠道、有记忆、有技能、有沙箱、有自动化的系统。用户不会只为“多角色协作”买单，他们要的是一个能长期陪伴并真正完成工作的执行层。

所以，MetaGPT 还有机会，但机会不在原地。

它需要从“我是一个多智能体框架”，转向“我是复杂任务的组织内核”。它需要更容易被嵌入，更重视验证，更贴近真实研发流程，也更愿意成为其他 Agent 系统的一部分。

在 OpenClaw 和 Hermes Agent 的时代，MetaGPT 不再适合做唯一入口。但作为一套高质量 SOP 和多角色协作方法，它仍然可能成为 Agent 系统里最有价值的那块骨架。