Michael JohnsonDet tok fire Gemini 4 Argon-agenter 27 timer og 14 minutter å beseire Ender-dragen i Minecraft. I løpet av denne tiden skrev de 2 783 programmer og døde 605 ganger. Forskerne beskrev eksperimentet i en artikkel som ble sendt inn til arXiv 15. oktober 2026.
En viktig del av resultatet er veien fram til seieren: Agentene måtte holde fast ved et felles mål gjennom mange handlinger som var avhengige av hverandre, rette opp feil og komme seg etter tilbakeslag. For utviklere er dette et konkret eksempel på en test av langvarig autonomt arbeid, ikke bare spilleferdigheter.
Slik var teamet satt sammen
Hver av de fire agentene styrte en egen spiller gjennom åpen kildekode-biblioteket Mineflayer. De koordinerte arbeidet via spillchatten og et delt minne. Ifølge forfatterne trengte ikke mennesker å tildele agentene roller eller skrive spillogikk for dem: Agentene sto selv for planlegging, programmering og feilsøking.
Teamet startet i en tilfeldig generert verden på lett vanskelighetsgrad. Forskerne fulgte spillet gjennom et kontrollpanel og kunne sette gjennomspillingen på pause eller stoppe den, men trengte ikke å gripe inn underveis. Forfatterne opplyser at agentene fordelte arbeidet, delte informasjon de hadde funnet, og hjalp hverandre med å få tilbake tapte gjenstander.
Hva eksperimentet viser utviklere
Seieren krevde at kortsiktige handlinger ble knyttet til et felles mål, og at koordineringen ble opprettholdt etter feil. Arbeidets praktiske interesse ligger derfor i den observerte syklusen «planlegging – koding – kjøring – feilsøking – overlevering av resultater»: Teamet laget verktøy etter behov og fortsatte arbeidet etter mange dødsfall.
Denne syklusen er nyttig å ta hensyn til når programvareagenter evalueres. I stedet for å se på ett vellykket svar kan man undersøke om systemet holder fast ved målet mellom trinnene, hvordan det kommer seg etter feil, om det kan overføre tilstand til andre agenter, og hvor mange forsøk som kreves for å fullføre oppgaven. Slike kriterier kan brukes på arbeidsflyter med flere trinn, der resultatet avhenger av en rekke operasjoner.
Tallene gjelder én gjennomspilling under bestemte forhold: en tilfeldig verden, lett vanskelighetsgrad og styring via Mineflayer. Forfatterne omtaler den som den første autonome Minecraft-gjennomspillingen fra start til slutt utført av agenter i et slikt oppsett. Arbeidet viser at dette er gjennomførbart, og gir et konkret eksempel på langvarig koordinering. Når agentsystemer skal vurderes i praksis, er det mekanismene for samarbeid og kostnaden ved å komme seg etter feil som er viktige – ikke bare den endelige seieren.