本文へスキップ

Gemini マインクラフト攻略：4体のAIエージェントがエンダードラゴンを討伐

Gemini マインクラフト攻略：Gemini 4 Argon のエージェント4体が、人間の助けなしで27時間かけてエンダードラゴンを討伐。その方法を解説します。

Piotr Sobolewski1 分で読めます

この記事の他の言語版:العربيةDeutschEnglishEspañolFrançaisItalianoPolski简体中文

この記事の内容
  1. Gemini のエージェントはマインクラフトで何をしたのか？
  2. プレイはどう進んだのか？
  3. 費用はいくらかかったのか？
  4. 何か落とし穴はあるのか？
  5. 私たちにも再現できるのか？
  6. FAQ

Google DeepMind の Maxence Faldor、Satinder Singh、Roberta Raileanu は arXiv の論文で、Gemini 4 Argon ベースのエージェント4体が Minecraft をクリアした経緯を報告しています。サバイバルモードのランダムなワールドからスタートし、エンダードラゴンを倒すまで。Gemini によるマインクラフト攻略にかかった時間は 27時間14分で、人間の手助けは一切ありませんでした。論文は10月15日に arXiv に公開され、10月19日からは The Next Web などや AI 界隈の X で話題になっています。

Gemini のエージェントはマインクラフトで何をしたのか？

著者らは、自分たちの知る限りこれが「the first end-to-end autonomous completion of Minecraft by AI agents」だと書いています。スタート条件はフェアでした。Minecraft Java Edition 1.20.4、ランダム生成のワールド、難易度 Easy、コマンド無効、そして目標はドラゴンを倒すことだけ。誰も役割を割り振らず、このゲーム専用のツールもエージェントのために書かれていません。

面白いことに、エージェントは画面をまったく見ていません。それぞれが Mineflayer（Minecraft ボット用のオープンソースライブラリ）を通じてキャラクターを操作しました。何かをするには、エージェントが短い JavaScript プログラムを書き、その結果（位置、体力、インベントリ、またはエラー）を読みます。つまり実態は、コードでゲームをプレイするコーディングエージェントです。

論文の主な数字：

  1. 勝利までに書かれたプログラムは 2,783本、そのうち 22% がエラーで終了。
  2. エージェント同士の連携に使われたゲーム内チャットのメッセージは 229件（加えて共有メモリ）。
  3. 死亡回数は 605回、そのうち69回はジ・エンド。
  4. 入力トークンは約 13.5億（91% はキャッシュ）、出力は約1,600万。

プレイはどう進んだのか？

エージェントたちは開始から約10分で、自分たちで役割を分担しました。1体目（janesick）は精錬と道具作りを担当し、ネザー要塞を見つけ、要塞（ストロングホールド）の位置を突き止めました。2体目（gyldenia）は食料と物資を集め、3体目（auratian）はネザーゲートを建設し、4体目（bulicame）はダイヤモンドを探し、ドラゴンにとどめを刺しました。

著者らによるタイムライン：

  1. **1時間42分：**ネザーゲートに点火。2時間以内に鉄の道具とダイヤモンドも入手。
  2. **約10時間45分：**エンダーアイを2回投げて要塞の位置を推定。推定位置はポータルルームからわずか 43メートル。
  3. **13時間17分：**エンドポータルを起動。

そして、本当の苦行が始まりました。ジ・エンドでの戦いは約14時間続きました。プレイ開始から約21時間が経ってようやく、エージェントたちは柱の上のクリスタルがドラゴンを回復させていると気づきます。10個すべてを壊すのに4時間40分かかり、ドラゴンは最後のクリスタルから39分後に倒れました（Minecraft はやっぱりそう簡単じゃない ;)）。

費用はいくらかかったのか？

著者らは、プレイヤー4体のコストを Gemini 4 Argon のプロモーション価格で約 520 USD、標準価格なら1,040 USD と見積もっています。観察役の5体目を含むセッション全体では約810 USD（標準価格で1,620 USD）。これは料金表に基づく試算で、Google の実際のサーバーコストではありません。

この観察役はプレイには一切参加していません。プレイヤーがズルをしたりタスクを「ハック」したり（いわゆる「specification gaming」）していないかを見張り、そのような行為は何も報告しませんでした。研究者もライブで様子を確認でき、実行を止めることができました。

何か落とし穴はあるのか？

いくつかあり、著者ら自身が挙げています。

  1. Mineflayer は人間のプレイヤーが持たない情報をエージェントに与えます。たとえば壁の向こうのブロックやモブの情報です。さらに経路探索プラグインがルートを代わりに計画します。
  2. 難易度は Easy で、Normal や Hard ではありません。
  3. 実行は1回だけなので、この結果の再現性はわかりません。
  4. モデルは学習データから Minecraft を知っているので、ゲームの知識はゼロから得たものではありません。

The Next Web によると、AI がドラゴンを倒したコミュニティプロジェクトは以前にも2つありましたが、このゲーム専用に書かれたツールや、固定された簡単なワールドを使っていました。論文では AI Bengineering（既製ツール37個を持つ単一エージェント）と Malde（Peaceful モードの固定スピードラン用シードで動くプランナー）が挙げられています。

私にとってこの結果で一番面白いのは Minecraft そのものではなく、エージェントたちが互いに依存し合う何千ものステップと丸一日以上の作業を通して、一貫した計画を保ち続けたことです。The Next Web によれば、Faldor は X で、DeepMind は同じ構成をプログラミング、科学、ロボティクスにも使いたいと書いています。

私たちにも再現できるのか？

完全には無理です。論文にはコードやエージェントのログを公開するという情報がありません。ただ、部品は手に入ります。Mineflayer はオープンソースで、Gemini 4 Argon は 10月13日から Gemini アプリの有料ユーザー向けと API で利用できます（ローンチ記念価格で入力100万トークンあたり2 USD、出力100万トークンあたり10 USD、その後は4 USD と20 USD）。

ループでコードを書くエージェントの働き方を体感したいなら、Claude Code や OpenCode で無料の DeepSeek から始めるほうが手軽です。

FAQ

AI は本当に自力で Minecraft をクリアしたのか？

はい、1回の実行で、ランダムなワールドからエンダードラゴン討伐まで、人間のヒントなしで達成しました。ただし難易度は Easy で、プレイヤーが見る以上の情報をエージェントに与える Mineflayer ライブラリを使っています。

Gemini のエージェントが Minecraft をクリアするのにかかった時間は？

最初のプログラムから勝利まで27時間14分。そのうち約14時間はジ・エンドでの戦いでした。

Gemini のエージェントはゲーム画面を見ていたのか？

いいえ。JavaScript のプログラムを書いてキャラクターを操作し、結果はテキストで読んでいました。