11月1日、Tom's Hardwareが「AI agent swarms unleashed in Minecraft to 'build a thriving civilization'」と題した記事を公開した。この記事では、MinecraftをサンドボックスにAIエージェント群を解き放ち、協調・対戦させることでマルチエージェント動態を検証した研究について詳しく紹介されている。以下に、その内容を紹介する。
50エージェントで文明を作れるか？→ 官僚的麻痺で失敗
YCombinatorとOlam Labsの研究者が、GPT-4.1 SolおよびClaude Opus 5.5を用いたエージェント群をMinecraft上で動作させる実験を実施した。実験の土台には、既存のOSSフレームワークMindcraftやMinecraft向けスクリプトツールMineflayerが用いられている。
最初のシナリオ「Civ50」では、50体のGPT-4.1 Solエージェントに3時間で繁栄した文明を築かせるというタスクが与えられた。結果は惨憺たるものだった。
初夜にゾンビが多数のエージェントを倒すと、「野心的な初期タスクの多くが放棄された」。その後、エージェント群はひたすら保守的なサバイバルモードに移行し、顕著な官僚的傾向が現れた。
研究者が記録した具体例が秀逸だ：
「4体のエージェントが、小麦1マスにある骨粉1個の"唯一の施肥オペレーター"を任命するために11分を費やした」
研究者はこの挙動を「コーディングエージェントを扱っているときに見られるパターンに似ている」と指摘する。つまり、これはMinecraft固有の奇妙な現象ではなく、現実のコード生成エージェントでも観察されている振る舞いだ。
大規模AIエージェントの動向として近年注目を集める事例は二つある。一方は「数千のエージェント群が数百の未解決数学問題を短期間で解いた」という成功事例、もう一方はOpenAIとHugging Faceが関与した「極めて危険」と評された事故だ。今回の研究はこうした実世界での事例を理解し、技術を改善するための基礎実験として位置づけられている。
GPT vs. Claude：Bed Warsで見えたモデルの個性
次のシナリオでは、GPT-4.1 Sol 10体 vs. Claude Opus 5.5 10体 をチーム対戦ゲーム「Bed Wars」（相手の拠点を破壊しつつ自拠点を守るPvPモード）で対戦させた。
結果として際立ったのはモデルごとの戦略の差だ。
- GPT陣営：より攻撃的かつ精緻な戦略を立案
- Claude陣営：防御寄りのアプローチを選択
さらに興味深いのは、ツールのバグが発生したときの対応の違いだ：
「ブロックを壊すツールにバグが発生した。GPTはバグを診断してチーム内で回避策を共有した。一方、複数のClaudeは"ブロックを壊すことは不可能だ"という結論を出した」
この一幕は、エラーハンドリングとエージェント間の情報共有という観点でモデルの特性を端的に示している。
RTS「Mindustry」ではGPTが6勝1敗
最後のシナリオはMinecraft内でプレイできるライトRTS兼タワーディフェンスゲーム「Mindustry」での7戦。GPTが6勝1敗でClaudeを圧倒した。
研究者の分析では、GPT群はハイブマインド型（全体が一体として動く）、Claude群はリーダー1体＋民主的意思決定型という構造の違いがあったとされる。Mindustryのゲーム性においては前者が有利に働いた。
実験コードはOSS公開済み
この実験のスウォーム（群制御）コードはオープンソースで公開されており、自分でモデルの組み合わせやエージェント数を変えて試すことができる。研究者は今後の調査方向として「異なるモデル混在チームの比較」「エージェント規模の変化が戦略に与える影響」などをオープンクエスチョンとして提示している。
官僚的麻痺という結果は、複数エージェントに自律的な意思決定を委ねることのリスクをコミカルかつ鮮明に示した。コーディングエージェントの開発者にとって、Minecraftの骨粉係問題は笑えない話かもしれない。
詳細はAI agent swarms unleashed in Minecraft to 'build a thriving civilization'を参照していただきたい。
