AI导哈

游戏代理开发学习沙盒

一个从零开始构建的游戏代理开发学习平台，支持多世界环境和意图规划，用于探索代理感知、决策和工具使用。

  • by Alienware2000
  • Python
  • 本地部署
  • 2 星标
  • 更新于
在 GitHub 查看 Alienware2000/game-agents

使用说明

🧠 游戏代理——代理开发的学习沙盒

游戏代理 是我个人的学习沙盒 从第一性原理看主体发展.
我没有依赖预先构建的框架，而是从头开始构建一切——世界、工具、代理循环、规划者和使代理可跨环境移植的MCP服务器。 n 长期目标是掌握跨领域的代理思维和代理工程 任何 域名：
游戏、嵌入式系统、机器人、生产力、商业自动化等等。

该项目使用游戏作为一种有趣和直观的方式来探索代理能力、决策、感知和工具使用。

🌍 现在支持多个世界

该项目现在支持 多个独立的游戏世界，每个代表不同的代理挑战：

✔️ GridWorld

原始环境：

  • 10×10网格
  • 煤炭+棒状物品
  • 库存
  • 制作
  • 目标：制作火炬

✔️ KeyDoorWorld（新里程碑8）

第二个完全独立的世界：

  • 玩家必须找到 密钥（K）
  • 捡起来
  • 找到 门（D）
  • 解锁它
  • 无需手工制作，库存更简单
  • 目标： {"action": "unlock", "item": "door"}

这个里程碑展示了架构的可扩展性，并引入了多世界代理循环。

未来的里程碑将增加更多的世界。

🧠 里程碑10——意向规划师（新增）

✔️ 完成

  • 引入 高层意图规划 除了世界特定的反应和导航之外。
  • 实施了一项专门 agent/intents/keydoor_intent.py KeyDoorWorld。
  • 该模型现在推理为 目标层，产生以下意图：
    • "go_to_key"
    • "pickup_key"
    • "go_to_door"
    • "unlock_door"
  • 增加了行动意图映射(intent_to_action_keydoor)将意图转换为具体的工具调用。
  • 将意图规划器集成到一个新循环中：
    反射→ 意图规划师→ 约束→ 派遣→ 观察→ 重复.
  • 展示 更稳定的行为 在KeyDoorWorld中，减少振荡和错误的工具调用。
  • 这一里程碑使架构更接近 真实代理堆栈:
    • 反射层（快速、局部校正）
    • 意图层（LLM推理）
    • 动作层（工具+约束）
    • 环境层（世界特定游戏逻辑）

🧩 为何这很重要

在现代代理系统中（Voyager、Devin、ReAct风格的代理、机器人规划师）：

  • LLMs做 不 每一步都要选择原始动作。
  • 他们选择 意图层面决策.
  • 较低层将这些意图转化为合法、安全、环保的行动。

此里程碑添加了该层，并为项目做好了以下准备：

  • 多步骤计划生成
  • 规划图
  • 课程学习
  • 以及更高层次的世界抽象。

🏁 里程碑总结（项目进度）

本项目迄今为止完成的所有里程碑的简明列表：

  • 里程碑0: 小世界+小代理

    • 构建了一个最小的10×10网格世界
    • 增加了玩家动作和 observe() 方法
    • 实施第一次观察→ 动作循环

  • 里程碑1： 工具界面

    • 创建了一个 Tools 课堂暴露 observe 和 move
    • 强制分离主体和环境
    • 为MCP风格的工具合同奠定基础

  • 里程碑2： Agent Loop与Trivial Planner

    • 添加了a _plan() 方法
    • 启用了第一个自主行为
    • 代理执行在运行时选择的操作（不是硬编码脚本）

  • 里程碑3A： 提货、库存、制作和目标系统

    • 网格上添加的项目（煤、棍子）
    • 实现 pickup() 以及库存处理
    • 添加工艺(torch = coal + stick)
    • 引入了目标结构和 goal_done 追踪
    • 代理成功完成多步骤目标

  • 里程碑3B： 反应式、感知驱动的规划师

    • 代理现在扫描网格以定位可见项目
    • 基于观察向项目移动（没有硬编码位置）
    • 获取所需资源并制作火炬
    • 完全自主、感知驱动的行为

  • 里程碑4： MCP集成

    • 围绕GridWorld实现了一个完整的MCP工具服务器
    • 经MCP检验员验证的工具
    • 已成功调用操作(observe, move, pickup, craft)通过协议
    • World现在可由LLM和代理主机进行外部控制
    • 为MCP上的LLM驱动规划奠定了基础

  • 里程碑5： LLM计划代理（直接Python）

    • 在中实现了Python LLM代理循环 scripts/run_llm_agent.py
    • 使用结构化观察(items_in_world, last_action, last_result)
    • 强制执行动作约束和反射规则，以保持代理的安全和高效
    • 在GridWorld上使用代理演示完整的LLM循环工具

  • 里程碑6： LLM超过MCP

    • 实现 scripts/run_llm_agent_mcp.py
    • 代理现在使用MCP服务器作为其工具后端
    • 所有环境交互都通过MCP工具进行
    • 使架构符合现实世界的LLM工具使用模式

  • 里程碑7： 代理架构清理（可选的基于类的设计，共享组件）

    • 创建统一 代理大脑效用层 在 agent/loop.py
    • 两个LLM代理现在共享相同的逻辑。
    • 明确区分关注点
    • 可选 class Agent: 如果需要，可以稍后添加包装器。

  • 里程碑8： 第二游戏世界（KeyDoorWorld）

    • 添加 games/keydoor/core.py
    • 完全独立的逻辑
    • 通过解锁完成目标
    • 添加 scripts/run_llm_agent_keydoor.py
    • 以最小的更改重用整个代理循环架构
    • 经过验证的LLM驱动解锁端到端工作

  • 里程碑9： 世界特定政策模块

    • 提取世界依赖反射+约束
    • 引入 agent/policies/*
    • 核心代理循环现在是干净的，完全与世界无关

  • 里程碑10： 意向规划师

    • 增加了高层决策
    • 引入针对全球的意向规划师
    • 将意图映射到低级工具
    • 提高了多步推理的稳定性

（即将推出）

  • 里程碑11： Pygame前端
  • 里程碑12： 多世界统一代理
  • 里程碑13： 与真实游戏（Minecraft、Terraria、类星世界）集成

🌐 MCP为项目添加了什么

MCP将GridWorld从本地Python程序转换为 基于工具的远程环境 任何代理都可以连接到。

这意味着：

  • 世界现在是 服务 使用可调用的工具。
  • 观察和操作通过标准JSON-RPC协议进行。
  • 环境不再局限于Python代理循环——LLM、外部客户端或其他代理可以控制它。

这为以下方面打开了大门：

  • LLM驱动的代理 根据世界观察决定行动。
  • 可重复使用的 工具模式 多个代理可以共享。
  • 与未来工具、游戏和硬件的即插即用集成。
  • 在完全不同的环境中运行的多游戏、多世界代理。

MCP是“游戏逻辑”和“AI代理智能”之间的桥梁。

🌟 为什么这个项目存在

我想深入了解：

  • 代理人如何感知、计划和行动
  • 如何设计工具界面和动作空间
  • 如何构建可跨域操作的可移植通用代理
  • 如何从玩具世界扩展→ 复杂游戏→ 硬件→ 现实任务

这个存储库是一个充满活力的旅程 代理精通，一次建立一个小而清晰的里程碑。

📚 进一步阅读和参考

本项目中的一些想法与现有的工具使用和实体代理工作有关：

  • ReAct：语言模型中推理和行为的协同 –让LLM交织推理和工具使用的早期工作。
  • Voyager：《我的世界》中的开放式实体特工 –展示了代理如何使用工具和课程在体素世界中探索、学习技能和行动。
  • 模型上下文协议（MCP）文档 –解释了MCP服务器如何将工具暴露给基于LLM的应用程序。

更多即将到来。...

相关 MCP