Equipe de agentes Gemini 4 Argon vence o Minecraft

Colocamos quatro agentes Gemini 4 Argon em um mundo de sobrevivência do Minecraft isolado em um ambiente seguro (sandbox) e demos a eles um único objetivo: derrotar o Ender Dragon, o chefe final do jogo. Esses eram nossos agentes de programação de uso geral, os mesmos que os engenheiros usam no trabalho diário com software, e não um sistema personalizado criado para o Minecraft. Atuando dentro de um ambiente seguro, onde pesquisadores monitoravam um painel em tempo real e podiam intervir para pausar ou encerrar a execução a qualquer momento, cada agente controlava um jogador por meio de uma biblioteca de código aberto e se coordenava com os companheiros de equipe pelo chat do jogo e por uma memória compartilhada. Ninguém atribuiu funções ou escreveu a lógica do jogo para eles: os próprios agentes planejaram, escreveram e depuraram cada programa.

Vinte e sete horas e 2.783 programas depois, eles derrotaram o dragão.

Por que isso importa? Zerar o Minecraft exige manter um plano coerente ao longo de milhares de etapas interdependentes por mais de um dia. Ao colaborar com sucesso, se recuperar de falhas repetidas e perseguir um objetivo comum sem intervenção humana, esses agentes provaram que conseguem lidar com a resolução de problemas de longo prazo e em aberto exigida por tarefas complexas de engenharia de software e pesquisa. Planejamos usar esses aprendizados e essa estrutura para avançar em outras áreas, como programação, ciência, engenharia e robótica.

O Grande Desafio do Minecraft

Zerar o Minecraft em um mundo aleatório exige uma longa cadeia de etapas interdependentes: minerar materiais básicos, sobreviver a dimensões alternativas perigosas para coletar itens raros, usar matemática para localizar uma fortaleza subterrânea escondida e, por fim, derrotar um chefe que se cura constantemente. Cada etapa pode levar horas, e renascer faz você perder tudo o que está carregando. Para um agente, a parte difícil não é tanto uma etapa específica, mas sim manter um plano coerente ao longo de milhares delas.

Marcos anteriores em jogos, do AlphaGo ao AlphaStar, vieram de sistemas treinados extensivamente em um único jogo, e a maioria dos agentes de Minecraft também dependeu de treinamento específico para o jogo, bibliotecas de habilidades ou planejadores. Mais recentemente, projetos da comunidade mostraram que um único agente de modelo de linguagem consegue chegar até o dragão. No entanto, essas tentativas dependeram de restrições pesadas e atalhos: jogar no modo Pacífico em um mundo já explorado com um portal previamente aberto, ou dar a um único agente dezenas de ferramentas de Minecraft programadas por humanos para executar.

Queríamos fazer uma pergunta diferente. Como outros modelos de linguagem grandes, o Argon leu muito sobre o Minecraft na internet. Será que uma equipe de agentes de programação de uso geral conseguiria pegar esse conhecimento e, por meio de uma interface de programação básica — sem ferramentas específicas para o jogo, sem dicas, sem orientação humana e sem funções pré-definidas —, se organizar para derrotar o Ender Dragon em um mundo de sobrevivência aleatório, começando do zero?

Programação Colaborativa na Prática

Os agentes nunca viram um pixel nem apertaram uma tecla. Cada um agia escrevendo um pequeno programa, como "ande até estas coordenadas e minere todo o minério de ferro num raio de 16 blocos". Eles também liam o resultado gerado pela execução do programa, incluindo a posição atualizada, a vida e o inventário do agente, ou o erro produzido. Diferente de iniciativas anteriores da comunidade, eles começaram em um mundo aleatório na dificuldade Fácil, com monstros hostis, e usaram a biblioteca padrão Mineflayer exatamente como foi publicada, sem nenhuma camada extra criada por nós. A Mineflayer permite que um programa leia a posição, a vida, o inventário e os arredores de um jogador, além de comandar ações básicas como andar até um ponto, cavar ou colocar um bloco, fabricar um item ou atacar. A Mineflayer não diz ao agente como jogar: o que fazer e em qual ordem ficou por conta dos próprios agentes.

Dez minutos depois, os agentes já tinham dividido o trabalho no chat: um fazia ferramentas, outro coletava comida, outro cavava em busca de diamantes e o último construía o portal para a segunda dimensão do jogo. Para encontrar a fortaleza escondida, um agente lançou dois itens que voaram em direção a ela a partir de dois lugares diferentes, rastreou cada voo em código e calculou onde as duas trajetórias se cruzavam. A estimativa dele acertou a 43 metros da fortaleza, que ficava a 1,3 quilômetro de distância.

Ícones de itens do pacote de texturas de código aberto Pixel Perfection (XSSheep e Nova_Wostra, CC BY-SA 4.0), e não das texturas originais do Minecraft.

Derrotar o dragão foi o desafio mais difícil e demorado do jogo, e fez os agentes renascerem 69 vezes. Entre as tentativas, eles anotavam as lições aprendidas para a próxima rodada. Por fim, um agente percebeu que os cristais estavam curando o dragão e descobriu que não era preciso uma picareta para alcançá-los: bastava empilhar terra ao lado de cada torre, quebrar o cristal com o punho e descer cavando. Trinta e nove minutos depois de o último cristal cair, o dragão foi derrotado. O golpe final veio de um jogador que estava com apenas 2,5 dos 20 pontos de vida.

Ícones de itens do pacote de texturas de código aberto Pixel Perfection (XSSheep e Nova_Wostra, CC BY-SA 4.0), e não das texturas originais do Minecraft.

Ao longo do caminho, a equipe manteve anotações compartilhadas de coordenadas e aprendizados, escreveu funções auxiliares reutilizadas pelos quatro (uma delas aparece em 655 programas), recuperou os itens uns dos outros após renascimentos e sinalizou seus próprios erros. Quando um programa anunciou um sucesso que não havia acontecido, o agente autor escreveu dois minutos depois: “Meu chat anterior foi um ramo de script desprotegido”.

Além do Sandbox

O Minecraft é o sandbox; as habilidades são gerais. Perseguir um objetivo por mais de um dia, escrever e depurar milhares de programas, se recuperar de falhas e se coordenar em equipe é exatamente o que projetos de software e pesquisas de longo prazo exigem. É também o que esperamos de um bom colaborador: um agente que divide o trabalho, mantém anotações compartilhadas e corrige os próprios erros é alguém em quem os engenheiros podem confiar para trabalhos reais.

O Minecraft também é um lugar seguro para estudar as capacidades dos agentes. Os programas dentro do jogo só podiam controlar o próprio jogador: eles não conseguiam iniciar processos nem gravar arquivos, e nenhum usou comandos de servidor. Um quinto agente, o Observador, acompanhou a sessão como testemunha independente para detectar trapaças ou exploração de brechas nas regras; nem o Observador nem nossa revisão manual de uma amostra dos logs encontrou nada disso. Cada programa, mensagem e evento do jogo foi registrado em um painel em tempo real, onde os pesquisadores podiam pausar ou interromper a execução a qualquer momento, e os agentes se coordenaram em texto simples e código que qualquer pessoa podia ler, linha por linha. Observar equipes de agentes se coordenando em ambientes isolados, onde cada passo é visível, é uma forma de entender esses sistemas antes de confiarmos a eles tarefas do mundo real.

As limitações deste estudo também merecem destaque. Os agentes leem o mundo por meio de uma API, que informa exatamente quais blocos e criaturas estão ao redor deles, e um plugin de pathfinding planeja as rotas desviando de obstáculos. Eles jogaram na dificuldade Fácil. E falharam repetidamente: 605 renascimentos e 22% dos programas terminando em erro.

Verificando os Resultados

Gravamos tudo durante a execução: todos os 2.783 programas e suas saídas, todas as 229 mensagens de chat, capturas periódicas do mundo e o log completo do servidor, onde a vitória é registrada 27 horas e 14 minutos após o primeiro programa. Comandos de trapaça estavam desativados no servidor, nenhum programa emitiu comando de servidor ou requisição de rede, e tanto o agente Observador independente quanto nossa auditoria manual dos logs confirmaram que a equipe venceu puramente por meio da jogabilidade padrão de sobrevivência.

A Próxima Fronteira

Este estudo apenas arranha a superfície do uso de ambientes sandbox como o Minecraft para avaliar como equipes de IA colaboram. Os próximos passos incluem: o que acontece quando os agentes jogam diretamente como os humanos, a partir de pixels, usando teclado e mouse virtuais? Como a coordenação muda quando aumentamos o tamanho da equipe? E o que esses agentes vão criar quando o objetivo for totalmente aberto, como o Minecraft permite, em vez de fixo?

Também planejamos usar essa estrutura e os aprendizados deste experimento para enfrentar desafios complexos do mundo real, levando inteligência colaborativa e de longo prazo para a engenharia de software, a pesquisa científica, o design e a robótica. O dragão caiu, mas o verdadeiro trabalho de construir colegas de equipe de IA confiáveis está apenas começando.

Leia mais sobre este trabalho em nosso relatório técnico: http://arxiv.org/abs/2610.22319

Este é um experimento de pesquisa independente. Não é um marco oficial do Minecraft e não foi aprovado nem tem associação com a Mojang ou a Microsoft. As imagens do jogo usam o pacote de texturas Pixel Perfection, de XSSheep e Nova_Wostra, licenciado sob CC BY-SA 4.0, e não as texturas originais do Minecraft.