Michael JohnsonVier Gemini 4 Argon-agenten hadden 27 uur en 14 minuten nodig om de Enderdraak in Minecraft te verslaan. In die tijd schreven ze 2.783 programma’s en stierven ze 605 keer. De onderzoekers beschreven het experiment in een artikel dat op 15 oktober 2026 bij arXiv werd ingediend.
Een belangrijk deel van het resultaat is de weg naar de overwinning: de agenten moesten gedurende talloze onderling afhankelijke acties een gezamenlijk doel voor ogen houden, fouten herstellen en zich van tegenslagen herstellen. Voor ontwikkelaars is dit een aanschouwelijk voorbeeld van een test voor langdurige autonome werking, en niet alleen van spelvaardigheid.
Hoe het team was opgezet
Elk van de vier agenten bestuurde een afzonderlijke speler via de open-sourcebibliotheek Mineflayer. Ze stemden hun acties op elkaar af via de chat in het spel en een gedeeld geheugen. Volgens de auteurs hoefden mensen geen rollen aan de agenten toe te wijzen of de spelregels voor hen te programmeren: de agenten planden, schreven en debugden de programma’s zelf.
Het team begon in een willekeurig gegenereerde wereld op de makkelijke moeilijkheidsgraad. De onderzoekers volgden het spel via een dashboard en konden de run pauzeren of stoppen; ingrijpen tijdens de uitvoering was niet nodig. De auteurs melden dat de agenten het werk verdeelden, gevonden informatie met elkaar deelden en elkaar hielpen verloren voorwerpen terug te halen.
Wat het experiment ontwikkelaars laat zien
Om te winnen moesten de agenten kortetermijnacties verbinden met een overkoepelend doel en na fouten blijven samenwerken. De praktische waarde van het onderzoek zit daarom in de waargenomen cyclus ‘plannen — code schrijven — uitvoeren — debuggen — resultaat overdragen’: het team maakte naar behoefte hulpmiddelen en ging na talloze sterfgevallen verder.
Bij het evalueren van softwareagenten is het nuttig om rekening te houden met zo’n cyclus. In plaats van één geslaagd antwoord te beoordelen, kun je nagaan of een systeem het doel tussen verschillende fasen vasthoudt, hoe het zich van een storing herstelt, of het de status aan andere agenten kan overdragen en hoeveel pogingen nodig zijn om de taak te voltooien. Deze criteria zijn toepasbaar op workflows met meerdere stappen, waarin het resultaat afhangt van een reeks handelingen.
De cijfers hebben betrekking op één run onder specifieke omstandigheden: een willekeurige wereld, de makkelijke moeilijkheidsgraad en besturing via Mineflayer. De auteurs noemen dit de eerste autonome Minecraft-voltooiing van begin tot eind door agenten in een dergelijke opzet; hun werk laat zien dat dit scenario haalbaar is en biedt een concreet voorbeeld van langdurige coördinatie. Voor een praktische evaluatie van agentsystemen zijn juist het beschreven werkingsmechanisme van het team en de kosten van herstel na fouten van belang, niet alleen de uiteindelijke overwinning.