Michael JohnsonCzterem agentom Gemini 4 Argon zajęło 27 godzin i 14 minut pokonanie Smoka Kresu w Minecrafcie. W tym czasie napisali 2783 programy i zginęli 605 razy. Badacze opisali eksperyment w artykule zgłoszonym na arXiv 15 października 2026 roku.
Istotną częścią wyniku była droga do zwycięstwa: agenci musieli utrzymywać wspólny cel podczas wielu zależnych od siebie działań, poprawiać błędy i podnosić się po porażkach. Dla twórców oprogramowania to obrazowy przykład testowania długotrwałej autonomicznej pracy, a nie tylko umiejętności w grze.
Jak zorganizowano zespół
Każdy z czterech agentów sterował osobnym graczem za pośrednictwem otwartej biblioteki Mineflayer. Koordynowali się przez czat w grze i wspólną pamięć. Według autorów ludzie nie musieli przydzielać agentom ról ani pisać za nich logiki gry: planowanie, tworzenie i debugowanie programów wykonywali sami agenci.
Zespół rozpoczął grę w losowo wygenerowanym świecie na łatwym poziomie trudności. Badacze obserwowali rozgrywkę za pomocą panelu sterowania i mogli ją wstrzymać lub zakończyć, ale nie musieli ingerować w jej przebieg. Autorzy informują, że agenci dzielili się pracą, przekazywali sobie znalezione informacje i pomagali odzyskiwać utracone przedmioty.
Co eksperyment pokazuje twórcom oprogramowania
Zwycięstwo wymagało powiązania krótkoterminowych działań ze wspólnym celem i utrzymywania koordynacji po błędach. Praktyczne znaczenie pracy polega więc na zaobserwowanym cyklu „planowanie — pisanie kodu — uruchamianie — debugowanie — przekazywanie wyników”: zespół tworzył narzędzia w miarę potrzeb i kontynuował pracę mimo licznych śmierci.
Warto uwzględnić taki cykl podczas oceny agentów programowych. Zamiast sprawdzać pojedynczą poprawną odpowiedź, można badać, czy system zachowuje cel między etapami, jak odzyskuje sprawność po awarii, czy potrafi przekazywać stan innym agentom i ilu prób potrzebuje do wykonania zadania. Kryteria te mają zastosowanie w wieloetapowych procesach pracy, w których wynik zależy od sekwencji operacji.
Podane liczby dotyczą jednego przebiegu w określonych warunkach: losowego świata, łatwego poziomu trudności i sterowania za pomocą Mineflayer. Autorzy nazywają go pierwszym w tej konfiguracji autonomicznym przejściem Minecrafta przez agentów od początku do końca; ich praca pokazuje wykonalność takiego scenariusza i przedstawia konkretny przykład długotrwałej koordynacji. Przy praktycznej ocenie systemów agentowych liczy się opisany mechanizm pracy zespołu i koszt odzyskiwania sprawności po błędach, a nie tylko końcowe zwycięstwo.