聲明:本文來自于（ID:ykqsd.com）授權轉載發(fā)布。

凌晨三點編寫代碼，隔天早晨八點新增近三十個好友申請，Manus在開源社區(qū)GitHub上迅速收獲了七千多顆代碼-star。在短短不到三天時間里，該開源項目就完成了產(chǎn)品復刻，并將開發(fā)成果命名為OpenManus并上傳至GitHub。

在與MetaGPT團隊的對話中，記者試圖弄清楚技術復刻的核心邏輯，以及行業(yè)浮躁背后的意義。這一對話不僅反映出產(chǎn)品功能復刻需要依托企業(yè)深厚的技術儲備，也通過MetaGPT團隊的視角，肯定了Manus團隊在規(guī)劃、后訓練以及交互方式等方面的投入。

在復刻過程中，我們發(fā)現(xiàn)理解差異

從2023年開始，團隊就開始研究多智能體框架，并在GitHub上開源相關代碼，迅速獲得了社區(qū)的關注。2024年10月，團隊開始探索Agent的規(guī)劃能力和工具使用能力，提出了Data Interpreter等重要工作。

Manus火了之后，MetaGPT的算法研究員向勁宇與同事梁新兵討論，是否可以直接推出一個開源版本。

在具體產(chǎn)品屬性上，OpenManus是一個類Manus的多智能體框架，為開發(fā)者提供了快速上手和定制化開發(fā)的平臺。但向勁宇也提醒，目前OpenManus還處于演示階段，還沒有通過GALA benchmark評測，效果可能有限。后續(xù)團隊會進一步投入DeepResearch方向與SWE代碼方向的開發(fā)。

此前，Manus在GALA基準測試中達到了當前最優(yōu)水平（SOTA），超越了OpenAI的Deep Research等競品。

向勁宇推測，Manus團隊實現(xiàn)了一個非常復雜的規(guī)劃和后訓練能力，這使得他們的產(chǎn)品交互體驗非常良好。同時，Manus在效果上面臨的挑戰(zhàn)也具有行業(yè)普遍性，目前OpenManus還未能達到很強的交互效果。

對于僅用三小時便能復刻Manus，梁新兵對第一財經(jīng)記者表示，這背后的原因在于團隊已經(jīng)儲備了深厚的技術底蘊。

從Manus與OpenManus的演示視頻來看，兩者均為AI Agent產(chǎn)品，均采用了多智能體架構，能夠將復雜任務分解為多個子任務，并分配給不同的智能體執(zhí)行。此外，兩者均具備工具鏈集成屬性，集成了多種工具，如網(wǎng)絡搜索、代碼執(zhí)行、文件處理等，以增強智能體的功能。

相較而言，兩者最大的區(qū)別在于開放屬性的差異。與Manus的技術架構主要依賴于用戶的猜測不同，OpenManus的產(chǎn)品團隊直接在項目致謝中提到了去年Anthropic推出的computer-use項目，以及YC投資的browser-use項目等。OpenManus的作者張佳釔公開總結其產(chǎn)品成果時，結合了computer-use、基礎的Agents以及規(guī)劃能力等內(nèi)容。

多智能體將走向普及。

與其關注Manus在出圈時的諸多花邊新聞，不如聚焦其對行業(yè)發(fā)展所啟示的意義。

梁新兵的觀點是，Manus讓更多普通人都了解到了智能體的真諦，放大了Multi-Agent這一路徑的價值。

從發(fā)展歷史來看，Multi-Agent概念的雛形最早可以追溯至20世紀80年代，當時分布式人工智能理念已初具規(guī)模。2017年以后，隨著大型語言模型的成熟，AI Agent的應用從理論層面逐步走向實際，例如AutoGPT的出現(xiàn)標志著AI Agent的雛形正式誕生。

2024年，微軟、谷歌、蘋果、OpenAI等多家頂尖廠商紛紛布局AI Agent市場。2025年1月，OpenAI發(fā)布了首款AI Agent產(chǎn)品Operator，能夠執(zhí)行復雜的任務，如編寫代碼、預訂旅行等，但目前該產(chǎn)品僅向訂閱每月200美元的ChatGPT Pro服務方案的用戶開放。直到國內(nèi)的AI廠商Monica借助Manus技術，首次讓普通群眾意識到Multi-Agent概念，MetaGPT的開源產(chǎn)品進一步揭開了這一技術的神秘面紗。

AIGCLINK發(fā)起人、行行AI合伙人占冰強對記者表示，Manus這類產(chǎn)品類型，在MetaGPT團隊之前已經(jīng)實現(xiàn)過，可以稱得上是國內(nèi)首批在智能體研發(fā)上有所作為的團隊之一。

在交流中，MetaGPT的NLP/Agent方向研究員洪思睿指出，當前行業(yè)發(fā)展狀態(tài)中，基于大模型或Agent進行工具使用并不再是新鮮事物。隨著行業(yè)對具體產(chǎn)品和技術的關注度逐步提升，技術難點也隨之顯現(xiàn)：當有多個相似的工具都能解決同一問題時，如何讓Agent做出更好的決策，成為亟待解決的關鍵問題。此外，如果在使用過程中接入的工具接口不夠標準，可能導致工具配置出現(xiàn)錯誤，從而影響工具的使用效果。

在上述背景下，動態(tài)路由技術優(yōu)化工具選擇與使用，結合知識增強與幻覺抑制提升決策可靠性，采用ReAct、Chain-of-Thought（CoT）或 Tree-of-Thoughts（ToT）等推理框架幫助Agent更清晰地展示決策過程，成為解決這一問題的可行方案。

MCP協(xié)議（Model Context Protocol，模型上下文協(xié)議）目前已成為行業(yè)內(nèi)的主流選擇。所謂MCP，是由Anthropic于2024年11月底推出的一種開放標準協(xié)議，旨在統(tǒng)一大型語言模型（LLM）與外部數(shù)據(jù)源和工具之間的通信。通過這一標準化接口，LLM能夠安全、高效地訪問外部資源，從而擴展其應用能力。

占冰強向媒體表示，MCP本身完全兼容，主要取決于技術廠商是否愿意提供支持。目前已有眾多國際主流廠商開始接入，特別是在AI工具和軟件開發(fā)平臺領域，預計國內(nèi)相關廠商也會逐步跟進。