Gemini 4 Argon 에이전트 4대, 인간 개입 없이 Minecraft 엔더 드래곤 처치

핵심 요약

Maxence Faldor, Satinder Singh, Roberta Raileanu가 논문 'A team of Gemini 4 Argon agents beats Minecraft'를 arXiv(2610.22319)에 제출했다. 제출일은 2026년 10월 15일(v1)이다. The Decoder는 10월 18일 이 논문을 보도했다. Gemini 4 Argon 에이전트 4대가 사람의 개입 없이 Minecraft 엔더 드래곤을 처치했다는 내용이다. 이 글의 결과 수치는 모두 저자들의 보고이며 독립 재현은 확인하지 못했다. 모델 자체의 출시와 가격은 Gemini 4 Argon 일반 공개 리뷰에서 다뤘으므로 여기서는 이 실험에 집중한다.

실험 설정

• 환경: 샌드박스 Minecraft 서바이벌 월드. 월드는 무작위로 생성했고 난이도는 Easy다.
• 목표: 에이전트 4대가 협력해 엔더 드래곤을 처치한다.
• 제어: 오픈소스 Mineflayer 라이브러리로 플레이어를 조작한다.
• 협업: 게임 내 채팅과 공유 메모리를 사용한다.
• 사전 지정 없음: 역할과 게임 로직을 미리 정하지 않았다. 에이전트가 스스로 프로그램을 계획하고 작성하고 디버깅한다.
• 도움 없음: 사전 정찰한 시드나 사람이 작성한 게임 도구 없이 표준 Mineflayer만 썼다.

연구자는 라이브 대시보드로 관찰했고 일시정지와 중지도 할 수 있었다. 저자들에 따르면 개입할 이유는 없었다.

결과 수치 (저자 보고)

사망 605회는 이 과정이 매끄럽지 않았다는 뜻이다. 에이전트는 실패를 반복하며 프로그램을 고쳐 나갔다. 저자들은 이를 인공지능 에이전트의 최초 end-to-end 자율 Minecraft 완주라고 주장한다. 최초라는 표현은 저자 주장이며 이 글이 별도로 검증한 것은 아니다.

에이전트가 보인 전략

논문이 설명하는 협업 방식은 세 가지다.

1. 작업 분담: 에이전트끼리 할 일을 나눈다.
2. 학습 지식 공유: 학습한 지식을 서로 공유한다.
3. 아이템 회수: 서로의 아이템을 회수해 준다.

역할을 미리 주지 않았는데도 이런 분업이 나타났다는 점이 핵심이다.

의미: 게임을 넘어선 장기 과제

저자들은 실제 소프트웨어 엔지니어링과 기업 업무가 비슷한 요구를 한다고 언급한다. 장기간의 코딩과 멀티에이전트 조율이다. 27시간 넘게 이어지는 작업에서 코드를 쓰고 고치는 능력은 이런 업무와 닿아 있다. 다만 게임 결과가 곧바로 업무 성능을 뜻하지는 않는다. 환경 규칙이 고정되어 있고 성공 조건이 명확하다는 차이가 있다.

한계와 유의점

논문은 한계도 다룬다. 이 글은 초록 수준에서 확인했으므로 세부 한계는 논문 본문을 직접 읽어야 한다. 독자가 따져볼 점은 다음과 같다.

• 결과는 Easy 난이도, 무작위 월드 조건에서 나왔다.
• 수치는 저자 보고이며 arXiv 프리프린트 기준이다. 동료 심사 여부는 확인하지 못했다.
• 비용은 The Decoder가 1,620달러라고 보도했지만, 2027년 적용 예정인 Gemini 4 Argon 표준 가격 기준이라고만 밝히고 산정 방식은 설명하지 않았다. 논문 초록에는 비용이 없어 이 글에서는 수치를 평가에 쓰지 않는다.
• The Decoder 보도(10월 18일)는 팀 구성, 27시간 14분, 프로그램 2,783개, 사망 605회가 논문과 일치함을 확인했다. 채팅 메시지 229건과 공유 메모리에 실수를 기록한 점도 보도에 나온다.

전망

이 연구는 Minecraft를 장기 계획과 협업을 시험하는 환경으로 사용했다. 난이도, 시드, 에이전트 수를 바꿔도 결과가 유지되는지는 이 글에서 확인된 바 없다. 독립 재현이 나오기 전까지는 하나의 보고된 사례로 읽는 것이 안전하다.

결론

이 연구는 Gemini 4 Argon이 장기 코딩과 멀티에이전트 협업을 수행한 사례를 구체적인 수치와 함께 제시한다. 프로그램 2,783개, 27시간 14분, 사망 605회라는 기록은 성과와 비용을 함께 보여준다. 에이전트 연구자와 멀티에이전트 시스템을 설계하는 개발자가 논문을 읽어볼 가치가 있다. 독립 검증 전이라는 점을 감안해 평점은 4점으로 한다.