用AI开发三消游戏并让Agent自己玩：全流程实战

引言：当AI既是开发者又是玩家

一个完全不会游戏开发的前端程序员，借助AI的力量，不仅让Agent帮自己从零开发了一款三消游戏，还设计了一套专门供Agent游玩的架构——AI开发游戏、AI玩游戏、人类观战。这个有趣的项目来自B站UP主琪琪的实践分享，整个过程展示了AI在游戏开发和智能体评测两个方向上的潜力。

在演示中，Agent（Claude Harmus）用20步、39秒获得了1465分，但因为目标分数是2000分而挑战失败。不过在总结改进策略后，第二局就成功通关了。这个过程本身就很有启发性——它揭示了提示词工程和Agent自我迭代能力的重要性。

用Godot + MCP让AI开发三消游戏

环境搭建：Godot的MCP插件配置

整个项目选用的游戏引擎是Godot，核心原因在于它原生支持MCP（Model Context Protocol）插件，可以对外提供接口，让AI直接编写脚本来实现游戏逻辑。

关于MCP协议：MCP是Anthropic于2024年底推出的开放协议，旨在为AI模型与外部工具、数据源之间建立标准化的通信桥梁。在MCP出现之前，每个AI工具与外部系统的集成都需要定制化开发，导致大量重复工作。MCP采用客户端-服务器架构，AI应用作为客户端，外部工具（如Godot引擎、数据库、文件系统等）作为服务器暴露能力。这种设计让AI不再局限于纯文本对话，而是能够直接操作真实的开发环境——读取项目文件、执行代码、调用API等。Godot对MCP的支持意味着AI可以直接创建场景节点、编写GDScript脚本、修改项目配置，实现真正的"AI即开发者"体验。

为什么选择Godot？ Godot是一款开源免费的游戏引擎，近年来因其轻量级架构和零版税政策而快速崛起。相比Unity和Unreal Engine，Godot的核心优势在于：完全开源（MIT协议）、引擎体积小（约40MB）、使用自研的GDScript语言（语法类似Python，对AI生成代码非常友好）。特别值得注意的是，GDScript的简洁语法使得大语言模型在生成游戏逻辑代码时准确率更高，因为其语法结构与AI训练数据中大量存在的Python代码高度相似。此外，Godot的场景树架构将游戏对象组织为层次化节点，这种结构化表示天然适合AI理解和操作。

具体搭建步骤如下：

1. 下载MCP插件：虽然Godot内置资源市场可以安装，但建议提前手动下载，避免网络问题
2. 放置插件文件：将解压后的文件夹直接放入项目目录
3. 启用插件：在Godot设置中找到并启用MCP插件
4. 关键步骤——开启远程访问：这一步容易被忽略，但必须勾选"远程访问"选项后再运行

启动后，将生成的地址提供给Claude、Cursor或其他AI编程工具，AI就能通过MCP连接到Godot进行编码了。

游戏设计文档：AI开发的前提条件

在让AI编码之前，最重要的一步是准备好游戏设计文档。UP主同样让AI来生成这份文档——三消游戏作为经典品类，AI对其机制非常熟悉，生成设计文档的过程很顺畅。

三消游戏的算法复杂度：三消游戏（Match-3）看似简单，实际上涉及多层算法设计：棋盘状态检测（识别三个及以上相邻同色元素）、消除后的重力下落模拟、新元素填充、连锁反应（Cascade）处理、以及特殊道具触发逻辑。从决策理论角度看，三消游戏是一个有限状态空间的序贯决策问题，每一步操作都会改变棋盘状态并影响后续可选操作。对AI Agent而言，最优策略需要考虑当前消除得分与未来棋盘布局的平衡——这本质上是一个短期收益与长期规划的权衡问题，类似于强化学习中的探索-利用困境。

但这里有一个重要提醒：如果你要做更复杂的游戏，一定要先把游戏机制梳理清楚再让AI编码。否则AI在编码过程中会陷入困境，可能直接做不出来。设计文档的质量直接决定了AI开发的成败。

完成设计文档后，AI生成的初始版本是一个由基础格子和圆点组成的人类可玩版本。UP主建议的开发策略是：先不管美术效果，确保游戏逻辑能跑通，最后再一次性替换所有图片和美术资源。

专为Agent设计的游戏架构

为什么不用模拟点击？

人类玩三消游戏的交互方式是点击和拖拽，如果让AI也通过模拟点击来玩，存在两个问题：

• 无法区分人类和AI的操作，游戏就不是"专为Agent设计"的
• 速度慢且不自然，AI本质上是在适应人类的操作方式

前后端分离的接口化设计

UP主设计了一套巧妙的架构，将"AI游玩"和"人类观战"完全解耦：

AI侧（数据接口）：用Python搭建了一个小型服务器，提供以下核心接口：

• 创建游戏：开启新一局，返回初始棋盘矩阵
• 执行操作：AI根据棋盘布局和游戏规则，选择消除哪些元素
• 获取状态：每步操作后返回棋盘变化、得分等数据

人类侧（可视化回放）：Godot发布为HTML版本，通过回放接口展示AI的每一步操作，包括棋盘变化、移动路径和得分情况。

架构设计的深层哲学：这种将AI决策层与可视化展示层分离的设计，实际上借鉴了现代微服务架构和游戏服务器的设计理念。在传统游戏AI研究中（如DeepMind的AlphaGo、OpenAI Five），AI同样不直接操作图形界面，而是通过抽象的状态表示（如棋盘矩阵、游戏帧数据）进行决策。这种设计消除了视觉感知这一额外复杂度，让AI专注于纯策略推理。同时，回放系统的设计类似于游戏中的"录像回放"功能——记录每一步的状态变化，事后可以任意速度回放分析，这对于调试AI行为和理解决策过程至关重要。

这种设计的精髓在于：AI不需要界面，只需要数据就能推理和决策；而人类观战者需要可视化界面来理解AI的操作过程。两者通过接口层完美隔离，各取所需。

Agent的自我进化：从失败到通关

第一局：惨败与反思

在第一局游戏中，Agent直接阅读规则文档后开始游玩，没有任何策略指导。最终20步只拿到1465分，距离2000分的目标差距明显。

但有趣的是，游戏结束后Agent自动进行了总结，分析了失败原因并提出了改进思路。

第二局：策略调整后成功通关

基于第一局的经验总结，Agent调整了策略——更多地触发多行或多列消除来获取更高分数。第二局成功通关，验证了Agent的自我迭代能力。

关于Agent自我迭代的技术原理：Agent在失败后自动总结并改进策略的能力，体现了大语言模型的"上下文学习"（In-Context Learning）特性。与传统强化学习需要数千次试错不同，LLM-based Agent可以通过自然语言反思在极少次尝试中实现策略优化——这被学术界称为"反思型Agent"（Reflexion）架构。这种能力的核心在于：模型能够将失败经验转化为自然语言描述的教训，并在后续决策中将这些教训作为上下文信息参考，从而避免重复犯错。

这个过程揭示了一个关键洞察：如果在初始提示词中就包含这些经验性策略信息，Agent可能第一把就能成功。这正是提示词工程的价值所在——将经验性知识编码到初始指令中，相当于为Agent提供了领域专家的先验知识，大幅减少了探索成本。这也解释了为什么企业级AI应用中，提示词优化往往能带来比模型升级更显著的性能提升。

更深层的目的：Agent能力评测

这个项目的意义不仅仅是"好玩"。UP主透露了两个更深层的目标：

横向对比不同模型的决策能力

通过同一个游戏场景、同样的提示词，可以客观地评估：

• 不同大模型（如Claude、GPT等）的推理和决策能力
• 同一模型在不同框架下的表现差异

这比传统的benchmark测试更加直观和实用。

行业背景：当前AI模型评测主要依赖标准化基准测试（如MMLU、HumanEval、GSM8K等），但这些测试存在数据污染风险和与实际应用脱节的问题。用游戏作为评测场景是一个新兴趋势——游戏提供了规则明确、结果可量化、难度可调节的受控环境。相比静态测试题，游戏评测能考察Agent的多步推理、策略规划、环境适应等综合能力。类似的思路已在学术界出现，如斯坦福的"Generative Agents"用虚拟小镇评测社交能力，Google DeepMind用各类游戏评测通用智能。这个项目的独特之处在于它面向普通开发者，提供了一个低门槛的Agent评测框架。

验证提示词工程的实际效果

通过对比"无策略提示"和"有策略提示"下Agent的表现，可以非常直观地感受到提示词质量对模型输出的影响。这对于新手理解提示词工程的重要性特别有帮助。

总结与展望

这个项目展示了一个完整的AI驱动游戏开发闭环：AI设计文档 → AI编写代码 → AI玩游戏 → AI自我优化。对于想要尝试游戏开发但缺乏经验的开发者来说，Godot + MCP + AI编程工具的组合提供了一条可行的路径。

未来UP主计划开发更复杂的游戏来测试Agent的能力边界，这个方向值得持续关注——当游戏不再只是为人类设计，而是成为AI能力的试金石时，游戏开发本身也将迎来新的范式。

核心要点

• 利用Godot引擎的MCP插件，让AI通过接口直接编写游戏脚本，实现零游戏开发经验也能完成三消游戏
• 设计了前后端分离的架构：AI通过数据接口玩游戏，人类通过可视化回放观战，两者完全解耦
• Agent在首局失败后自动总结改进策略，第二局成功通关，展示了AI的自我迭代能力
• 项目的深层目的是构建Agent能力评测平台，用同一游戏场景横向对比不同模型和框架的表现
• 验证了提示词工程的重要性：初始提示词中包含策略信息可显著提升Agent首次成功率