Michael JohnsonČtyřem agentům Gemini 4 Argon trvalo 27 hodin a 14 minut, než v Minecraftu porazili Ender Dragona. Během této doby napsali 2 783 programů a 605krát zemřeli. Výzkumníci experiment popsali ve článku odeslaném na arXiv 15. října 2026.
Podstatnou částí výsledku je cesta k vítězství: agenti museli udržovat společný cíl napříč mnoha navazujícími akcemi, opravovat chyby a zotavovat se z neúspěchů. Pro vývojáře jde o názorný příklad testu dlouhodobé autonomie, nikoli pouhé herní zručnosti.
Jak byl tým sestaven
Každý ze čtyř agentů ovládal samostatného hráče prostřednictvím otevřené knihovny Mineflayer. Koordinovali se pomocí herního chatu a sdílené paměti. Podle autorů nemuseli lidé agentům přidělovat role ani za ně psát herní logiku: plánování, tvorbu i ladění programů prováděli sami agenti.
Tým začínal v náhodně vygenerovaném světě na nízkou obtížnost. Výzkumníci průběh hry sledovali prostřednictvím ovládacího panelu a mohli běh pozastavit nebo zastavit; zasahovat do jeho průběhu nemuseli. Autoři uvádějí, že agenti si rozdělovali práci, předávali nalezené informace a pomáhali si získat zpět ztracené předměty.
Co experiment ukazuje vývojářům
Vítězství vyžadovalo propojit krátkodobé akce se společným cílem a udržovat koordinaci i po chybách. Praktický přínos práce proto spočívá v pozorovatelném cyklu „plánování — psaní kódu — spuštění — ladění — předání výsledku“: tým podle potřeby vytvářel nástroje a pokračoval i po četných úmrtích.
Tento cyklus je užitečné zohlednit při hodnocení softwarových agentů. Namísto jediného úspěšného výsledku lze ověřovat, zda si systém udržuje cíl napříč jednotlivými etapami, jak se zotavuje po selhání, zda dokáže předávat stav ostatním agentům a kolik pokusů potřebuje k dokončení úkolu. Tato kritéria se uplatní u vícestupňových pracovních postupů, jejichž výsledek závisí na posloupnosti operací.
Uvedená čísla se týkají jednoho běhu za konkrétních podmínek: náhodného světa, nízké obtížnosti a ovládání prostřednictvím Mineflayeru. Autoři jej označují za první autonomní dohrání Minecraftu agenty od začátku do konce v takto nastaveném experimentu; jejich práce dokládá proveditelnost tohoto scénáře a nabízí konkrétní příklad dlouhodobé koordinace. Při praktickém hodnocení agentních systémů je důležitý právě popsaný způsob týmové práce a cena zotavení po chybách, nejen závěrečné vítězství.