ChatDev Implementation for Multi-Agent Software Development

ChatDev for Multi-Agent Software Development Integration

ChatDev — исследовательский фреймворк от Tsinghua University для мульти-агентной разработки ПО через структурированный диалог. Агенты с ролями (CEO, CTO, Programmer, Reviewer, Tester, Designer) общаются в последовательных диалогах, имитируя waterfall-процесс. Подходит для генерации прототипов небольших программ из текстового описания.

Базовый запуск ChatDev

# Установка
git clone https://github.com/OpenBMB/ChatDev.git
cd ChatDev
pip install -r requirements.txt

# Запуск разработки
python run.py \
  --task "Разработай веб-скрапер для извлечения цен с e-commerce сайтов. Python + BeautifulSoup + requests. Сохранение в CSV." \
  --name "PriceScraperApp" \
  --model GPT_4_TURBO

Python API интеграция

from chatdev.chat_chain import ChatChain
import os

os.environ["OPENAI_API_KEY"] = "sk-..."

# Базовый пайплайн
chat_chain = ChatChain(
    config_path="CompanyConfig/Default",   # Конфигурация ролей и фаз
    config_phase_path="PhaseConfig/Default",
    config_role_path="RoleConfig/Default",
    task_prompt="Создай утилиту для конвертации форматов данных (CSV, JSON, XML, YAML)",
    project_name="DataConverter",
    org_name="TechTeam",
    model_type="GPT_4_TURBO",
)

chat_chain.pre_processing()      # Подготовка окружения
chat_chain.make_recruitment()    # Создание агентов по ролям
chat_chain.execute_chain()       # Выполнение всех фаз
chat_chain.post_processing()     # Финальная обработка и логирование

Кастомизация фаз разработки

# CompanyConfig/Custom/ChatChainConfig.json
{
  "chain": [
    {"phase": "DemandAnalysis", "phaseType": "SimplePhase"},
    {"phase": "LanguageChoose", "phaseType": "SimplePhase"},
    {"phase": "Coding", "phaseType": "SimplePhase"},
    {"phase": "SecurityAudit", "phaseType": "SimplePhase"},   # Кастомная фаза
    {"phase": "CodeCompleteAll", "phaseType": "ComposedPhase",
     "cycleNum": 3,
     "Composition": [
       {"phase": "CodeReviewComment", "phaseType": "SimplePhase"},
       {"phase": "CodeReviewModification", "phaseType": "SimplePhase"},
       {"phase": "TestErrorSummary", "phaseType": "SimplePhase"},
       {"phase": "TestModification", "phaseType": "SimplePhase"}
     ]
    },
    {"phase": "Manual", "phaseType": "SimplePhase"}
  ]
}

Итеративное улучшение через Iterative Experience Refinement

ChatDev поддерживает механизм ExperiencePool — агенты накапливают опыт из предыдущих проектов:

from chatdev.experience_pool import ExperiencePool

# Загружаем накопленный опыт
experience_pool = ExperiencePool.load("./experience_pool")

# При следующем запуске агенты используют паттерны из опыта
chat_chain = ChatChain(
    task_prompt="...",
    experience_pool=experience_pool,
    use_experience=True,
)

# После завершения — сохраняем новый опыт
experience_pool.update(chat_chain.get_experience())
experience_pool.save("./experience_pool")

Практический кейс: быстрое прототипирование

Задача: команда продукта генерировала 2–3 прототипа в неделю для валидации гипотез. Каждый требовал 1–2 дня разработчика.

Использование ChatDev:

• Прототипы простых утилит (конвертеры, скраперы, генераторы отчётов)
• CLI-инструменты для внутреннего использования
• Базовые API с CRUD для PoC

Результаты:

• Время создания прототипа: 1–2 дня → 30–90 минут
• Требует ревью и доработки: 2–4 часа разработчика
• Пригодность для production без доработки: ~15% (только простейшие утилиты)
• Основная ценность: быстрая валидация концепции

Ограничения ChatDev: максимальная эффективность при проектах до ~500 строк кода. Сложные многофайловые проекты с зависимостями требуют значительной постобработки. Нет нативной поддержки существующих кодобаз.

Сравнение с MetaGPT

Сроки

• Базовый запуск и настройка: 1 день
• Кастомные фазы под процессы команды: 3–5 дней
• Интеграция в workflow (CI, шаблоны): 1 неделя