Michael JohnsonDet tog fyra Gemini 4 Argon-agenter 27 timmar och 14 minuter att besegra Enderdraken i Minecraft. Under tiden skrev de 2 783 program och dog 605 gånger. Forskarna beskrev experimentet i en artikel som lämnades in till arXiv den 15 oktober 2026.
En viktig del av resultatet är vägen till segern: agenterna behövde hålla fast vid ett gemensamt mål genom många beroende handlingar, rätta till misstag och återhämta sig efter motgångar. För utvecklare är detta ett konkret exempel på hur långvarigt autonomt arbete kan prövas, snarare än bara spel skicklighet.
Så var teamet upplagt
Var och en av de fyra agenterna styrde en separat spelare genom biblioteket Mineflayer med öppen källkod. De samordnade sig via spelchatten och ett gemensamt minne. Enligt författarna behövde människor inte tilldela agenterna roller eller skriva spelmekanik åt dem: agenterna skötte själva planering, programskapande och felsökning.
Teamet började i en slumpgenererad värld på lätt svårighetsgrad. Forskarna följde spelet via en kontrollpanel och kunde pausa eller avbryta genomspelningen, men behövde inte ingripa i genomförandet. Författarna uppger att agenterna delade upp arbetet, förmedlade information de hittat till varandra och hjälpte till att återfå förlorade föremål.
Vad experimentet visar utvecklare
Segern krävde att kortsiktiga handlingar kopplades till ett övergripande mål och att samordningen upprätthölls efter misstag. Arbetets praktiska värde ligger därför i den observerade cykeln ”planering – kodskrivning – körning – felsökning – överlämning av resultat”: teamet skapade verktyg när de behövdes och fortsatte arbetet efter många dödsfall.
Den här cykeln är användbar att ta hänsyn till när programvaruagenter utvärderas. I stället för att bara titta på ett lyckat svar kan man undersöka om systemet behåller målet mellan olika steg, hur det återhämtar sig efter ett fel, om det kan överföra tillstånd till andra agenter och hur många försök som krävs för att slutföra uppgiften. Kriterierna kan tillämpas på arbetsflöden i flera steg, där resultatet beror på en sekvens av operationer.
Siffrorna gäller en enda genomspelning under specifika förhållanden: slumpgenererad värld, lätt svårighetsgrad och styrning via Mineflayer. Författarna kallar den den första autonoma genomspelningen av Minecraft från början till slut av agenter i en sådan uppställning. Arbetet visar att scenariot är genomförbart och ger ett konkret exempel på långvarig samordning. För praktisk utvärdering av agentsystem är det mekanismen bakom teamets arbete och kostnaden för att återhämta sig efter misstag som är viktiga, inte bara slutsegern.