Michael Johnsonארבעת סוכני Gemini 4 Argon נזקקו ל-27 שעות ו-14 דקות כדי להביס את דרקון האנדר ב-Minecraft. במהלך הזמן הזה הם כתבו 2,783 תוכניות ומתו 605 פעמים. החוקרים תיארו את הניסוי במאמר שהוגש ל-arXiv ב-15 באוקטובר 2026.
חלק משמעותי מהתוצאה הוא הדרך אל הניצחון: הסוכנים נדרשו לשמור על מטרה משותפת לאורך פעולות רבות התלויות זו בזו, לתקן טעויות ולהתאושש מכישלונות. עבור מפתחים, זו המחשה מוחשית למבחן של עבודה אוטונומית ממושכת, ולא רק של מיומנות במשחק.
כך פעלה הקבוצה
כל אחד מארבעת הסוכנים שלט בשחקן נפרד באמצעות ספריית הקוד הפתוח Mineflayer. הם תיאמו ביניהם דרך הצ'אט במשחק וזיכרון משותף. לפי תיאור המחברים, בני אדם לא נדרשו להקצות לסוכנים תפקידים או לכתוב עבורם את לוגיקת המשחק: הסוכנים ביצעו בעצמם את התכנון, כתיבת התוכניות וניפוי השגיאות.
הקבוצה התחילה בעולם שנוצר באקראי וברמת קושי קלה. החוקרים צפו במהלך המשחק באמצעות לוח בקרה ויכלו להשהות את הריצה או לעצור אותה; הם לא נדרשו להתערב בביצוע. המחברים מדווחים שהסוכנים חילקו ביניהם את העבודה, העבירו זה לזה מידע שמצאו ועזרו להשיב חפצים שאבדו.
מה הניסוי מלמד מפתחים
הניצחון דרש לחבר בין פעולות קצרות טווח למטרה כוללת ולשמור על תיאום גם לאחר טעויות. לכן העניין המעשי בעבודה טמון במחזור הנצפה של „תכנון — כתיבת קוד — הרצה — ניפוי שגיאות — העברת תוצאות”: הקבוצה יצרה כלים לפי הצורך והמשיכה לעבוד גם לאחר מקרי מוות רבים.
כדאי להביא בחשבון מחזור כזה בעת הערכת סוכני תוכנה. במקום לבדוק רק אם התקבלה תשובה מוצלחת אחת, אפשר לבחון אם המערכת שומרת על המטרה בין שלבים, כיצד היא מתאוששת מתקלה, אם היא מסוגלת להעביר את מצב העבודה לסוכנים אחרים וכמה ניסיונות נדרשים להשלמת המשימה. קריטריונים אלה מתאימים לתהליכי עבודה רב-שלביים שבהם התוצאה תלויה ברצף פעולות.
הנתונים מתייחסים לריצה אחת בתנאים מסוימים: עולם אקראי, רמת קושי קלה ושליטה באמצעות Mineflayer. המחברים מכנים אותה ההשלמה האוטונומית הראשונה של Minecraft בידי סוכנים מתחילתה ועד סופה בתצורה זו; עבודתם מדגימה שהתרחיש אפשרי ומספקת דוגמה קונקרטית לתיאום ממושך. לצורך הערכה מעשית של מערכות סוכנים, חשוב במיוחד מנגנון העבודה הקבוצתית המתואר והמחיר של התאוששות מטעויות, ולא רק הניצחון הסופי.