【保姆级】MetaGPT安装避坑指南：Windows+Conda环境下解决依赖冲突、版本过低及配置失效问题

目录

【保姆级】MetaGPT安装避坑指南：Windows+Conda环境下解决依赖冲突、版本过低及配置失效问题

前言

[一、 遇到的核心问题](#一、 遇到的核心问题)

[二、 终极解决方案：使用 uv 进行安装](#二、 终极解决方案：使用 uv 进行安装)

[1. 安装 uv](#1. 安装 uv)

[2. 强制安装最新版（关键步骤）](#2. 强制安装最新版（关键步骤）)

[3. 验证安装](#3. 验证安装)

[三、 解决配置读取不到的问题](#三、 解决配置读取不到的问题)

[四、 实战代码：用 Qwen 写一个贪吃蛇](#四、 实战代码：用 Qwen 写一个贪吃蛇)

[五、 运行与结果](#五、 运行与结果)

[六、 总结](#六、 总结)

---

---

【保姆级】MetaGPT安装避坑指南：Windows+Conda环境下解决依赖冲突、版本过低及配置失效问题

前言

最近在研究多智能体框架 MetaGPT ，在 Windows 的 Conda 环境下安装时踩了无数坑。从 pip 依赖死循环，到安装成古早的 0.1 版本，再到配置文件死活读不到，折腾了一整天。

本文总结了一套**"必过"**的安装方案，特别是针对 Windows + Conda 用户，教你如何用 uv 秒解依赖冲突，并完美运行基于 阿里云 Qwen（通义千问） 的 CLI 贪吃蛇游戏生成示例。

---

一、 遇到的核心问题

1. 依赖地狱 (Dependency Hell) ：直接用 pip install metagpt 时，报错 error: resolution-too-deep。原因是 metagpt 依赖的 fire 版本较老，与 agentops 引入的新版 opentelemetry 发生严重冲突。

2. 版本幽灵 ：好不容易装上了，运行报错 ModuleNotFoundError: No module named 'metagpt.team'，一查发现装的是 0.1 版本（官方最新的已经是 0.8.x）。

3. 配置失效 ：创建了 config2.yaml，但程序死活读不到，一直报 Set OPENAI_API_KEY first。

4. 命令丢失 ：安装后找不到 metagpt 命令。

---

二、 终极解决方案：使用 uv 进行安装

普通的 pip 解析器无法处理 MetaGPT 复杂的依赖树，我们必须引入 uv（一个基于 Rust 的超快 Python 包管理器）。

1. 安装 uv

进入你的 Conda 环境，先安装 uv：

Bash

pip install uv

2. 强制安装最新版（关键步骤）

这里有两个要点：

• 必须指定版本 >=0.8.2，否则可能装成 0.1 版。

• 必须加上 --prerelease=allow，因为 MetaGPT v0.8.2 依赖了 semantic-kernel 的开发版，不加这个参数会报错。

执行以下命令：

Bash

uv pip install "metagpt>=0.8.2" --prerelease=allow

3. 验证安装

安装完成后，务必检查版本：

Bash

pip show metagpt

成功标准 ：Version 显示为 0.8.2 或更高。如果显示 0.1，请使用 pip uninstall metagpt -y 卸载后重新运行上述 uv 命令。

---

三、 解决配置读取不到的问题

官方文档推荐在 config/config2.yaml 中写配置，但在 Windows 下经常因为文件编码 、隐藏后缀名（.txt）或路径解析问题导致读取失败。

最稳妥的方案：直接在 Python 启动脚本中注入环境变量。这样不需要依赖任何外部配置文件，代码拷到哪里都能跑。

四、 实战代码：用 Qwen 写一个贪吃蛇

我们以接入 阿里云 DashScope (Qwen3-Coder-Plus) 为例，因为它是兼容 OpenAI 协议的，且写代码能力很强。

新建一个 run.py 文件，填入以下代码：

Python

import os
import asyncio

# ==========================================
# 1. 核心配置：直接通过环境变量注入，绕过配置文件读取坑
# ==========================================
# 这里使用阿里云 DashScope 的兼容模式
os.environ["OPENAI_API_TYPE"] = "openai" 
os.environ["OPENAI_BASE_URL"] = "https://coding.dashscope.aliyuncs.com/v1"
os.environ["OPENAI_API_MODEL"] = "qwen3-coder-plus"
# 【注意】请替换为你自己的 API Key
os.environ["OPENAI_API_KEY"] = "sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"

# ==========================================
# 2. 导入 MetaGPT (必须在配置环境变量之后)
# ==========================================
from metagpt.team import Team
from metagpt.roles import (
    Architect,
    Engineer,
    ProductManager,
    ProjectManager,
)

async def main():
    # 3. 组建全明星团队
    company = Team()
    company.hire(
        [
            ProductManager(), # 产品经理：分析需求
            Architect(),      # 架构师：设计架构
            ProjectManager(), # 项目经理：分配任务
            Engineer(),       # 工程师：写代码
        ]
    )

    # 4. 模拟获得一笔投资
    company.invest(investment=3.0)

    # 5. 下达需求
    idea = "Write a cli snake game"
    
    # 6. 运行项目
    print(f"🚀 开始运行项目: {idea}")
    company.run_project(idea)
    
    # 7. 等待团队多轮协作
    await company.run(n_round=5)

if __name__ == "__main__":
    # 运行异步主程序
    asyncio.run(main())

五、 运行与结果

在命令行运行：

Bash

python run.py

你将看到彩色的日志滚动，智能体们开始分工合作：

1. ProductManager 输出 PRD 文档。

2. Architect 设计接口和数据结构。

3. Engineer 输出最终的 Python 代码。

产出物位置：

程序运行结束后，可以在当前目录下的 workspace 文件夹中找到生成的项目代码。

---

六、 总结

在 Windows 上玩 MetaGPT，切记以下三点：

1. 抛弃原生 pip ，使用 uv 来解决依赖冲突。

2. 注意版本号 ，看到 0.1 版本立刻卸载重装，并加上 --prerelease=allow。

3. 配置不求人 ，直接在代码里用 os.environ 设置 Key，比折腾 yaml 文件稳得多。

希望这篇笔记能帮大家少走弯路！如果有问题欢迎在评论区交流。