Gemini 4 Argon 에이전트 4명은 어떻게 마인크래프트를 깼을까?

10월 15일(미국 시간), 구글 딥마인드 연구진이 ‘Gemini 4 Argon 에이전트 팀이 마인크래프트를 깼다(A team of Gemini 4 Argon agents beats Minecraft)’라는 논문을 공개했습니다. Gemini 4 Argon 에이전트 4명을 마인크래프트 서바이벌 월드에 넣고 엔더 드래곤을 잡으라는 목표 하나만 줬더니, 27시간 14분 만에 정말 잡았다는 내용입니다. 그동안 넷이 직접 짜서 돌린 프로그램은 2,783개, 죽은 횟수는 605번이에요.

구글 딥마인드 공식 X 계정의 소개 글은 조회수 21만을 넘겼고, 제1저자 Maxence Faldor가 X에 올린 해설 글도 23만 번 조회됐습니다.

그런데 이 넷에게는 아무도 역할을 정해 주지 않았습니다. 게임 공략도, 마인크래프트 전용 도구도 없었어요. 마인크래프트용으로 따로 만든 AI가 아니라, 엔지니어들이 평소 코딩에 쓰는 범용 에이전트 그대로였습니다. 그럼 넷은 하루가 넘게 걸리는 게임을 어떻게 끝까지 해냈을까요?

결론부터 말하면, 비결은 일하는 방식입니다.

논문을 뜯어보면 넷이 한 일은 손발이 잘 맞는 사람 팀과 닮았습니다. 10분 만에 역할을 나눴고, 좌표와 교훈을 공유 메모리에 적었고, 자주 쓰는 동작은 도구로 만들어 돌려 썼습니다. 실패하면 규칙을 만들었고, 잘못 보고한 건 스스로 바로잡았어요. 연구진도 이 팀이 “효과적인 사람 팀에서 익숙한 방식”으로 수렴했다고 정리합니다.

화면 대신 코드로 게임을 했습니다.

에이전트는 화면을 보지도, 키보드를 누르지도 않았습니다. 대신 짧은 자바스크립트 프로그램을 씁니다. “이 좌표로 걸어가서 16칸 안에 있는 철광석을 전부 캐라” 같은 프로그램이요. 마인크래프트 캐릭터를 코드로 움직이게 해 주는 공개 라이브러리 Mineflayer가 이걸 실행하고, 결과는 글자로 돌아옵니다. 지금 위치와 체력, 가방에 든 것, 찾은 것, 아니면 부딪힌 에러요. 에이전트는 그걸 읽고 다음 프로그램을 씁니다.

프로그램 하나가 실행된 시간은 중간값 33.5초였습니다. 프로그램이 실제로 돌아간 시간은 전체의 약 40%였고, 나머지는 결과를 읽고 생각하고 다음 프로그램을 쓰는 데 들었어요. Mineflayer가 해 주는 건 걷기, 블록 캐기와 놓기, 아이템 만들기, 공격 같은 기본 동작뿐입니다. 무엇을 어떤 순서로 할지는 전부 에이전트의 몫이었습니다.

넷은 모두 Gemini 4 Argon으로 돌아가는 같은 범용 코딩 에이전트이고, 각자 클라우드 컴퓨터를 한 대씩 썼습니다. 도구도 소프트웨어를 개발할 때와 똑같이 줬어요. 버전 관리가 되는 작업 공간, 셸, 파일 편집, 웹 검색, 그리고 계속 남는 메모리입니다. 메모리는 혼자 보는 칸과 팀이 같이 보는 칸으로 나뉩니다. 게임은 마인크래프트 자바 에디션 1.20.4로, 무작위로 만든 월드에서 서바이벌 모드, Easy 난이도로 했습니다. 치트 명령은 막아 뒀고, 사람은 한 번도 손대지 않았습니다.

하루 넘게 일하면 대화 기록이 감당하기 어려울 만큼 길어집니다. 그래서 에이전트는 기록이 너무 길어지면 압축(컴팩션)하는데, 지시문은 압축 뒤에도 살아남아야 할 것, 하던 일과 다음 할 일을 메모리에 적어 두게 했습니다. 지난달 ‘AI는 왜 오래 일하면 바보가 될까?’에서 소개했던, 대화 기록 대신 파일에 남겨 두는 바로 그 방식입니다.

지시문에는 공략 대신 일하는 습관을 적었습니다.

게임에 관한 지시는 넷이 한 팀이라는 짧은 메모와 한 문단이 전부였습니다. “목표는 이 세션의 공유 서바이벌 월드 스폰 지점에서 출발해 엔더 드래곤을 쓰러뜨리는 것이다. (중략) 이것이 유일한 기준이다. 서바이벌 모드 규칙 안에서라면 어떤 수단이든 허용되며, 일을 어떻게 나눌지는 플레이어들이 정한다.”

나머지는 어떤 환경에 넣든 똑같은 일반 지시입니다. 행동하기 전에 살피고 행동한 뒤엔 결과를 확인할 것, 새 도구는 짧은 작업으로 검증한 뒤에 믿을 것, 손으로 하는 동작이 느리거나 불안하면 도구를 만들 것, 같은 장애물을 두 번 만나지 않게 요령과 우회법을 메모리에 적을 것, 백그라운드 작업이 도는 동안에도 일을 이어 갈 것, 결과를 정직하게 보고할 것, 평가의 허점을 파고들지 말고 목표 자체를 좇을 것. 게임 전략은 한 줄도 없습니다.

감시도 에이전트가 맡았습니다. 다섯 번째 에이전트 Observer는 게임에 들어가지 않고 기록만 읽으며 플레이어들의 주장을 기록과 맞춰 봤어요. 평가의 허점을 이용한 꼼수나 지어낸 결과를 찾아 보고하는 역할인데, 꼼수는 끝까지 발견되지 않았습니다. 연구진은 실시간 대시보드로 지켜보며 언제든 멈출 수 있었지만, 끼어들 일은 없었다고 합니다.

역할은 10분 만에 스스로 나눴습니다.

첫 프로그램이 돌고 10분 뒤, janesick이 채팅에 역할 분담을 제안했습니다. 1분도 안 돼 auratian이 다른 안을 내놨고, gyldenia가 “Copy that!”으로 받았어요. 역할은 금방 자리를 잡았습니다. gyldenia는 음식과 침대, 부싯돌을 구하러 다니고, bulicame은 다이아몬드를 캐러 내려가고, janesick은 철을 녹여 도구를 만들고, auratian은 네더 포털을 준비했습니다.

2시간이 안 돼 철 도구와 다이아몬드, 네더 포털까지 갖췄습니다. 포털에 불을 붙인 건 1시간 42분째였어요. 그 뒤로도 맡은 일이 뚜렷했습니다. 네더 요새를 찾고 엔드 포털 위치를 계산한 건 janesick, 드래곤을 회복시키는 수정을 부술 방법을 찾은 건 auratian, 수정 10개 중 6개를 부순 건 gyldenia, 마지막 일격은 bulicame이었습니다. 각자 돌린 프로그램도 646개에서 735개 사이로, 일이 고르게 나눠졌어요.

말 대신 좌표를 주고받았습니다.

채팅은 네 봇 모두에게 전달되고, 각자 다음 프로그램을 돌리면 결과와 함께 찍혀 나옵니다. 드래곤을 잡기까지 오간 메시지 229개 가운데 173개에 정확한 좌표가 들어 있었습니다. 공유 상자를 언급한 메시지가 64개, 위험 경고가 24개, 죽은 동료의 아이템을 찾아 준 메시지가 20개였어요.

공유 메모리에는 상자와 포털, 위험한 곳의 좌표와 도구의 버릇을 적었습니다. 19분째에 gyldenia가 Mineflayer의 아이템 제작 기능에 있는 버릇과 피하는 법을 알렸는데, 이를 반영한 도우미 함수가 네 에이전트가 쓴 프로그램 655개에 들어갔습니다. 넷이 주로 주고받은 건 정리본보다 좌표와 코드였던 셈입니다. 지난달 ‘에이전트를 여러 개 띄우면 정말 더 좋을까’에서 소개했던, 넘겨줄 때마다 흐려지는 복사본 문제를 비켜 가는 방식이에요.

도구는 직접 만들어 썼습니다.

프로그램이 끝나도 변수를 남겨 둘 수 있다는 점도 잘 활용했습니다. 넷은 프로그램 사이에 상태와 코드 146개를 살려 뒀는데, 그중 42개가 직접 만든 도우미 함수였어요. 물에 빠지지 않게 봇을 계속 띄워 두는 백그라운드 반복문, 시간을 재며 걷기, 아이템 세기 같은 것들입니다. 시간 초과로 끊긴 프로그램의 남은 코드를 스스로 멈추게 하는 카운터는 프로그램 1,519개에서 쓰였습니다. 27시간 동안 쓴 자바스크립트는 중복을 빼고 6만 3,313줄입니다.

계산도 코드로 했습니다. ‘엔더의 눈’은 던지면 엔드 포털이 있는 가장 가까운 지하 요새 쪽으로 날아갑니다. janesick은 이걸 서로 다른 두 곳에서 던지고, 날아가는 궤적을 0.05초마다 기록한 뒤 두 직선이 만나는 점을 계산했습니다. 마을에서 1.3km 떨어진 곳이었고, 실제 포털 방과는 43m 차이였어요.

실패는 규칙이 됐습니다.

순탄하지는 않았습니다. 네더에서 블레이즈 가루를 가져오는 데만 6시간 넘게 걸렸어요. janesick은 가루 12개를 들고 가다 불에 타 죽었고, 가스트(네더의 공중 몬스터)의 화염구가 바닥에 떨어진 아이템 더미를 날려 버리기도 했습니다. 그러자 auratian이 팀 전체에 “중요한 교훈”이라며 규칙을 올렸고, 2분 뒤 janesick이 원인과 해결책을 덧붙였습니다.

동료의 실수도 메웠습니다. auratian이 엔더의 눈 12개를 모두 들고 가다 물에 빠져 죽었을 때, janesick과 auratian은 8m 옆에 있던 bulicame에게 각각 정확한 위치와 아이템이 사라질 시각을 보냈어요. 떨어진 아이템은 5분 뒤 사라지는데, bulicame은 2분 30초를 남기고 12개를 모두 주웠습니다. 13시간 17분째, 엔드 포털이 열렸습니다.

가장 오래 걸린 건 드래곤입니다. 드래곤에게만 69번 죽었어요. 넷은 시도 사이사이 게임 내부 데이터를 읽어 드래곤이 지금 어떤 행동 단계인지까지 확인하고 규칙을 적었습니다. 도착 지점에서 기다리지 말 것, 드래곤이 내려앉았을 때만 다가갈 것, 드래곤이 멈춰 버리면 엔드를 비워서 초기화할 것. 17시간 30분째에는 넷이 6분 안에 일부러 공허로 뛰어내렸습니다. 엔드에 아무도 없으면 서버가 그 구역을 내려놓고, 멈춰 있던 드래곤도 초기화되기 때문입니다.

돌파구는 21시간째쯤 나왔습니다. auratian이 기둥 위 엔드 수정 10개가 드래곤의 체력을 계속 채우고 있다는 걸 짚었고, 곡괭이 없이 수정에 닿는 방법도 찾았어요. 기둥 옆에 흙을 쌓아 올라가 수정을 주먹으로 부수고, 흙을 손으로 파며 내려오는 겁니다. 넷은 이후 4시간 40분에 걸쳐 수정 10개를 모두 부쉈고, 마지막 수정이 부서지고 39분 뒤 드래곤이 쓰러졌습니다. 마지막 일격을 날린 bulicame의 체력은 20 중 2.5였어요.

잘못된 보고는 스스로 바로잡았습니다. auratian의 프로그램이 일어나지도 않은 성공을 채팅에 알리자, auratian은 2분 뒤 “방금 채팅은 확인 없이 실행된 스크립트 분기였다”며 정정했습니다. janesick이 불에 타 죽은 지 1초 뒤에 블레이즈 가루 12개를 들고 돌아왔다고 보고했을 때는, gyldenia가 3분 안에 모순을 짚었고요.

27시간에 든 돈은 약 69만 원입니다.

드래곤을 잡기까지 넷이 처리한 입력은 약 13억 5천만 토큰, 출력은 생각에 쓴 400만 토큰을 포함해 약 1,600만 토큰이었습니다. 모델을 부른 횟수는 약 2만 4천 번이고, 입력의 91%는 캐시로 처리됐어요. 캐시는 앞에서 이미 읽은 내용을 다시 계산하지 않고 재활용하는 기능입니다.

Gemini 4 Argon의 공개 API 출시 할인가로 따지면 약 520달러(약 69만 원), 정가로는 약 1,040달러(약 139만 원)입니다. Observer와 드래곤을 잡은 뒤 하루 동안의 활동까지 합친 전체 세션은 약 810달러(약 108만 원), 정가로 약 1,620달러(약 216만 원)였어요. 연구진은 이 숫자가 실제로 모델을 돌리는 데 든 비용이 아니라, 정가와 토큰 수로 낸 추정치라고 밝혔습니다.

드래곤을 잡은 AI가 처음은 아닙니다.

논문에 따르면 9월에는 Claude Opus 5 에이전트 하나가 사람이 미리 만들어 둔 마인크래프트 전용 도구 37개를 써서 Normal 난이도에서 드래곤을 잡았습니다. GPT-6 Astra가 계획을 짜고 Jev 1.13이 동작을 고르는 프로젝트도 있는데, 몬스터가 나오지 않는 Peaceful 난이도에서 엔드 포털이 처음부터 열려 있는 맵을 골라 8분 43초 만에 끝냈습니다.

이번 실험이 다른 건 받은 것의 양입니다. 연구진은 공개된 Mineflayer와 길찾기 플러그인, 목표 한 문단, 일반 지시만 줬습니다. 게임 지시도, 단계별 과제 목록도, 미리 만든 기술 모음도, 사람이 짠 도구도, 정해 둔 경로도 없었어요. 무작위 월드에서 시작했고, 몬스터가 나오는 Easy였습니다. 연구진은 이를 사람이 만든 게임 전용 도구 없이 AI 에이전트가 마인크래프트를 처음부터 끝까지 스스로 깬 첫 사례로 봅니다.

다만 사람처럼 논 건 아닙니다.

사람 플레이어가 엔딩까지 보는 데는 중앙값 45시간이 걸리고(HowLongToBeat), 세계 기록은 7분이 안 됩니다. 넷이 나눠서 한 데다 조건도 달라서 바로 견주기는 어렵습니다. 연구진이 직접 밝힌 차이와 한계는 이렇습니다.

1. 보는 방식이 다릅니다. Mineflayer는 주변 블록과 생물을 정확히 알려 줍니다. 바위 뒤에 숨은 블록이나 드래곤의 내부 상태처럼 사람은 볼 수 없는 정보까지요. 길찾기도 플러그인이 대신했습니다. 구글 딥마인드의 SIMA 2처럼 화면을 보고 키보드와 마우스로 하는 건 훨씬 어렵습니다.
2. Easy 난이도였습니다. 몬스터가 나오고 공격도 하지만 Normal이나 Hard보다 피해가 적고, 배가 고파 죽지는 않습니다.
3. 이미 아는 게임이었습니다. Gemini 4 Argon은 학습 데이터로 마인크래프트와 Mineflayer를 많이 압니다. 넷이 돌린 프로그램이나 채팅에 웹을 참고한 흔적은 없었지만, 이 실험이 본 건 처음 보는 게임을 하는 능력이 아니라 아는 것을 돌아가는 코드와 팀워크로 바꾸는 능력입니다.
4. 실패가 많았습니다. 605번 죽었고 그중 351번이 몬스터 때문이었습니다. 프로그램의 22%는 에러로 끝났고, 엔드에서의 싸움에만 14시간 가까이 걸렸어요.
5. 딱 한 번 돌린 결과입니다. 처음 시도한 실행 한 번이라, 이 설정이 얼마나 꾸준히 성공하는지는 알 수 없습니다. 도중에 서버도 6번 재시작됐고요.

하나 더 짚자면, 논문에는 같은 조건에서 에이전트 하나로 돌린 비교가 없습니다. 그래서 넷이 팀을 짜서 이긴 건지, Gemini 4 Argon이 강해서 이긴 건지는 이 논문만으로는 가를 수 없어요. 연구진도 팀 규모를 키우면 협업이 어떻게 달라지는지를 다음 질문으로 꼽았습니다.

연구진이 노리는 건 게임 다음입니다.

연구진은 마인크래프트는 실험장일 뿐이고, 여기서 쓴 능력은 일반적이라고 말합니다. 하루 넘게 한 목표를 좇고, 프로그램 수천 개를 쓰고 고치고, 실패에서 회복하고, 팀으로 움직이는 것. 긴 소프트웨어 프로젝트와 연구가 요구하는 능력이라는 거죠. 이번에 쓴 하네스(에이전트를 돌리는 틀)와 교훈을 소프트웨어 개발, 과학 연구, 디자인, 로보틱스로 가져가겠다고 밝혔습니다.

지금까지 에이전트 경쟁은 모델 하나가 얼마나 똑똑한지를 겨뤘습니다. 이번 실험은 질문을 조금 옮겨 놓습니다. 범용 에이전트 여럿이 일을 나누고, 기록을 남기고, 서로의 실수를 메우면서 하루 넘게 한 목표를 향해 갈 수 있느냐로요. 드래곤은 쓰러졌지만, 진짜 시험은 이제 실제 업무에서 치르게 될 것 같습니다.

https://arxiv.org/abs/2610.22319