「バイブコーディング」でゲームを作って AIエージェントプロトコルを設計した話

本記事では、著者がAI否定派から熱心な実践者へと転身し、その過程で予期せずAIエージェントプロトコルを設計するに至った物語を綴る。

当初、著者は多くの人と同様にAIに対して否定的だったが、今年初めに考えを改め、ローカルモデルや推論エンジン、エージェントフレームワークなどを徹底的に学び始めた。特にClaude Opus 4.5のリリースが転機となり、AIモデルがソフトウェア工学に実際に役立つことを実感した。ただし、多くのエンジニアと同様、自身が培ってきたスキルの一部が陳腐化しつつある事実を受け入れるのには苦労したという。

それまでは、タブ補完やコード生成には全く興味が持てなかった。しかし今回は違い、初めて完全にAI支援（「バイブコーディング」）によるプロジェクトに挑戦することにした。それが、MMOゲーム「SAO: Slop Art Online」だ。このゲームのコアアイデアは、NPC（ノンプレイヤーキャラクター）をプレイヤーと同じようにモデル化し、人間の代わりにLLMで制御するというもの。商人、衛兵、政治家から動物やモンスターに至るまで、すべてのインテリジェントエンティティが該当する。

しかし、初期の単純なアプローチ（プレイヤーの視点で観測可能な世界のスナップショットと実行可能なアクションをLLMに送り、行動指示を待つ）はすぐにレイテンシの問題にぶつかり、戦闘のようなリアルタイム機構に対応できなかった。小規模なモデルをゲームプレイのトレースでファインチューニングすることも検討したが、ゲームメカニクスが未確定でコストも高く、柔軟性に欠けるため断念。最終的に著者はハイブリッドアプローチを考案した。各エンティティはまずデフォルトの行動木で動作し、NPCがゲーム内で何かを「経験」したときにLLMで行動木を再生成する。これにより、決定論的な振る舞いの即時実行と、非決定論的なLLMによる状況適応性の両方を兼ね備えた。

SpacetimeDBのプッシュベースアーキテクチャのおかげで、LLMブリッジは常に最新のゲーム状態を取得できる。観測可能な世界と文脈化された利用可能なアクションが含まれており、アクションは状態と意味的に結びついている。この設計に触発され、著者は既存のエージェントプロトコル（例えばMCP）に対する疑問を抱くようになる。「なぜツールのフラットなリストを公開するのか？なぜプッシュベースの状態プロジェクションと文脈化されたアクションにしないのか？なぜ人間向けのインターフェースをLLMに使わせるのか？真にエージェントファーストなインターフェースとはどうあるべきか？」

これらの考察をもとに、著者はSLOPというプロトコルの設計に着手した。主な原則は次の通り：アプリケーションデータの状態ツリーを作成し、LLMが消費するため構造化テキストで表現する。プッシュ機構によりアプリケーション状態のミラーを常に最新に保ち、エージェントが毎回状態を読み取りに行く手間を省く。アクションは関連データ上に文脈的に定義し、フラットなツールリストとして独立させない。アクションは現在の状態に応じて動的に読み込む。さらに、コンシューマ/プロバイダ分離アーキテクチャを採用し、アプリケーションはプロバイダ経由でスコープ化された状態を公開し、コンシューマがスナップショット更新やLLMへの状態露出を担当する。両者はプロトコルでのみ通信する。

このプロトコルはAI時代の多くのプロジェクトに埋もれてしまうかもしれないが、著者は公開しコミュニティのフィードバックを得たいと考えている。MCPやコンピュータユースでは埋められないギャップがあり、SLOPがその代替案になり得ると確信している。

残念ながら、プロトコル開発に集中するため、ゲームプロジェクトはGitHubの未完成プロジェクト群に眠っている。しかし、プロトコルの初版がリリースされ安定すれば、再びゲームに取り組み、なんとかプレイ可能なものにしたいと考えている。

最後に著者は、変化を恐れず、自分のペースで新しいものを受け入れることの重要性を強調する。アイデアと直感が依然として最も重要であり、実装手段は今や大きな障壁ではない。手書きのコードにもアートとしての役割は残るが、機能面ではもはや必須ではないと述べている。