Michael JohnsonCuatro agentes Gemini 4 Argon necesitaron 27 horas y 14 minutos para derrotar al Dragón del End en Minecraft. Durante ese tiempo escribieron 2.783 programas y murieron 605 veces. Los investigadores describieron el experimento en un artículo presentado en arXiv el 15 de octubre de 2026.
Una parte importante del resultado es el camino hacia la victoria: los agentes tuvieron que mantener un objetivo común a través de muchas acciones dependientes, corregir errores y recuperarse de los contratiempos. Para los desarrolladores, es un ejemplo claro de una prueba de autonomía prolongada, no simplemente de habilidad en un juego.
Cómo estaba organizado el equipo
Cada uno de los cuatro agentes controlaba un jugador independiente mediante la biblioteca de código abierto Mineflayer. Se coordinaban a través del chat del juego y de una memoria compartida. Según los autores, no fue necesario que las personas asignaran funciones a los agentes ni escribieran la lógica del juego por ellos: los propios agentes se encargaron de planificar, crear y depurar los programas.
El equipo empezó en un mundo generado aleatoriamente y con dificultad fácil. Los investigadores observaron el juego mediante un panel de control y podían pausar o detener la partida, pero no tuvieron que intervenir en su ejecución. Los autores señalan que los agentes se repartieron el trabajo, compartieron la información que encontraban y se ayudaron a recuperar objetos perdidos.
Qué muestra el experimento a los desarrolladores
La victoria exigió conectar acciones a corto plazo con un objetivo general y mantener la coordinación después de cometer errores. Por eso, el interés práctico del trabajo reside en el ciclo observable «planificar — escribir código — ejecutar — depurar — transferir resultados»: el equipo creaba herramientas según las necesitaba y continuaba trabajando tras numerosas muertes.
Conviene tener en cuenta este ciclo al evaluar agentes de programación. En vez de comprobar una única respuesta correcta, se puede evaluar si el sistema mantiene el objetivo entre etapas, cómo se recupera de los fallos, si sabe transferir el estado a otros agentes y cuántos intentos necesita para completar la tarea. Estos criterios son aplicables a flujos de trabajo de varias etapas en los que el resultado depende de una secuencia de operaciones.
Las cifras corresponden a una sola partida en condiciones concretas: un mundo aleatorio, dificultad fácil y control mediante Mineflayer. Los autores la describen como la primera partida autónoma de Minecraft de principio a fin realizada por agentes en esta configuración; su trabajo demuestra que este escenario es viable y ofrece un ejemplo concreto de coordinación prolongada. Para evaluar sistemas de agentes en la práctica, lo importante es el mecanismo de trabajo del equipo descrito y el coste de recuperarse de los errores, no solo la victoria final.