Claude自己打游戏？开源MCP让AI后台畅玩GTA

一位开发者在Reddit上分享了自己的新项目：用Claude Code构建的MCP服务器，能让Claude在后台自主玩PC游戏。从GTA IV的驾驶到GTA V的直升机起降，再到《底特律：变人》的剧情选择，视频里的操作全部实时、未经剪辑。更有意思的是，这个项目的大部分代码也是Claude自己写的。

项目是什么：给AI一套独立的输入输出设备

据Reddit原帖描述，这个MCP（Model Context Protocol）服务器的核心思路是给Claude分配一套专属的键盘、鼠标、手柄和屏幕捕获通道，并且只作用于单个游戏窗口。游戏在后台运行，开发者可以照常使用电脑，互不干扰。多款游戏还能同时跑，每个游戏配一个独立的Claude智能体。

技术实现上分为两层：一层是运行在游戏进程内的Windows DLL，负责注入输入和执行画面捕获；另一层是构建在其上的TypeScript MCP服务器，对外暴露约100个工具。项目采用MIT协议开源，兼容任何MCP客户端，目前仅支持Windows，因为游戏内组件是Windows DLL。

MCP（Model Context Protocol） 是 Anthropic 于 2024 年底推出的一种开放协议，用于标准化 AI 模型与外部工具、数据源之间的连接方式。可以把 MCP 理解为 AI 世界的"USB-C 接口"：服务器端把一组能力（读写文件、调用 API、操控软件等）暴露为带名称和参数说明的"工具"，客户端（如 Claude Code、Claude Desktop 或其他兼容应用）在模型决定调用某个工具时负责发起请求并把结果回传给模型。MCP 基于 JSON-RPC 传输，支持本地进程（stdio）与远程（HTTP/SSE）两种连接方式。它本身并不包含任何游戏逻辑，而是让 Claude 能够"看见"有哪些工具可用，并按需组合调用。文中提到的约 100 个工具，就是通过 MCP 协议注册给模型的一组可调用动作。

DLL 注入 是 Windows 平台上一种常见的技术手段：将一个动态链接库（DLL）加载进某个已运行进程的地址空间，从而在该进程内部执行代码。在本项目中，游戏内组件需要在游戏进程里直接发送输入事件（键盘、鼠标、手柄）并捕获渲染画面，而普通的外部程序只能操作前台窗口或整屏，无法精确限定到单个后台窗口，因此采用注入方式。注入后的 DLL 可以调用 DirectInput、XInput 等输入接口，以及图形 API 的捕获接口获取帧数据，再把结果通过进程间通信交给外部 TypeScript 服务器。需要注意的是，这类技术也正是许多外挂的实现路径，因此只有在单机离线、无反作弊的环境下才具备正当的使用空间。

实测表现：驾驶、飞行和步行都能跑通

演示视频覆盖了多种游戏类型。在GTA IV中，Claude能驾车前往地图标记点，也能步行走到指定位置；在GTA V中，它驾驶直升机飞向标记点并完成降落。之后它还在《底特律：变人》的一个场景中做出选择，并试玩了TABS、Halo Wars 2、Phantom Rose和Cities: Skylines。

这些任务有个共同点：目标明确、有可视化导航线索。开发者坦言，真正困难的场景是室内且没有小地图的环境——在《上古卷轴3：晨风》里，Claude花了不少时间才找到正确的门。射击游戏中的瞄准也还处于早期阶段。完整通关是目标，但目前尚未实现。

文中所谓"有可视化导航线索"，指的是游戏画面中存在可被视觉模型直接识别的引导信息，例如小地图上的目标标记、道路上的航点箭头、屏幕上的方向指示等。这类线索的价值在于把长程任务拆解为"当前画面 → 目标相对方位 → 调整输入"的短反馈循环，模型无需构建完整的环境地图，只需在每一帧或每隔若干帧做一次局部判断。反之，室内无小地图场景缺乏这种外部锚点，模型只能依赖对场景几何的持续记忆与探索策略，误差会随步数累积，这正是《上古卷轴3：晨风》中找门困难的原因。射击瞄准的难点则不同：它要求亚帧级的连续微调与目标跟踪，对输入频率和视觉反馈延迟都比驾驶类任务敏感得多。

开发方式才是亮点：智能体自己写代码、自己测试

这个项目最值得玩味的部分不是“AI会打游戏”，而是“AI会为了打游戏而改进自己”。据原帖描述，Claude Code负责搭建项目、制定计划并编写了大部分代码，开发工作本身也由Claude智能体完成。

每个智能体被分配一款游戏作为测试床，再配一个具体问题，比如“这辆车在这个路口总是熄火”。它通过MCP实际游玩、定位工具出错的地方、修改代码，并在同一条路线上测量修改前后的表现。Claude Code随后审查变更并运行测试，通过后才公开。

游戏适配被抽象成轻量的“配置文件”：小地图在哪个位置、镜头如何转动、路标长什么样。支持一款新游戏因此更多是补数据而非写代码，而这些配置文件大多由Claude智能体在游玩过程中自行编写。开发者提到Codex也参与了一部分代码工作。

边界与限制：单机、离线、无反作弊

项目目前有清晰的适用边界。仅支持Windows平台；只适用于单机与离线游戏，无法在有反作弊机制的游戏里运行；室内无小地图场景、射击瞄准、完整通关仍是待解问题。

从更广的视角看，这类工具的价值不在于让AI“娱乐”，而在于为游戏Mod开发提供了一条自动化验证路径——智能体可以实际运行游戏、观察行为、定位缺陷并迭代修复，形成闭环。对于需要大量重复测试的Mod开发者来说，这种“让AI自己玩给自己看”的模式，可能比单纯的代码生成更实用。

项目已在GitHub开源，开发者也在原帖中邀请社区提议下一款想看到它尝试的游戏。