마인크래프트 속 AI 에이전트 떼, 문명 건설 실패하고 관료주의에 빠지다
"번영하는 문명을 건설하라"는 지시를 받은 50개의 AI 에이전트 떼는 그렇게 하지 못했고, 대신 절차적 잡무에 빠져들었다. 한때는 단일 밀 블록 하나에 뼛가루 한 번을 사용하기 위해 에이전트 한 명을 임명하는 데 11분을 소비하기도 했다. Y Combinator Labs와 Olam Labs의 연구진이 수행하고 Tom's Hardware가 2026년 11월 1일에 보도한 이 실험은, 다중 에이전트 LLM 시스템이 행동하지 못해서가 아니라 행동 방식을 과도하게 조직함으로써 실패할 수 있음을 보여주는 가장 명확한 공개 사례 중 하나다.
실험이 실제로 테스트한 것
연구진은 대규모 LLM 기반 에이전트를 마인크래프트 및 관련 게임 모드에 배치하여 협력과 경쟁 방식을 관찰했다. 명시된 동기는 게임 내 협업과 갈등을 실제 AI 에이전트 사고를 이해하기 위한 샌드박스로 활용하는 것이었다. 기사는 두 가지 대조적인 참고 사례를 인용한다: "최근 수백 개의 열린 수학 문제를 해결한" 천 개 에이전트 떼와 "극도로 위험한" OpenAI–Hugging Face 사고.
테스트 하네스는 기존 오픈소스 작업, 특히 Mindcraft 프로젝트와 Mineflayer의 스크립팅 도구를 기반으로 구축되었다. 에이전트 떼 자체도 오픈소스로 공개되어 있어 설정을 재실행하거나 수정할 수 있다.
Civ50 테스트: 에이전트 50개, 3시간, 문명 없음
주요 협력 시나리오에서 50개의 에이전트는 번영하는 문명을 건설할 3시간이 주어졌다. Tom's Hardware는 이 설정이 50개의 GPT-6.1 Sol 에이전트를 사용한 것으로 보인다고 보도한다.
식민지는 결코 번영하지 못했다. 첫날 밤, 좀비가 많은 수의 에이전트를 죽였고 — 큰 패널티도 없이 — "많은 야심 찬 초기 작업이 포기되었다." 그 시점부터 에이전트는 조심스러운 생존 모드와 관료주의로 전환했다.
그 변화를 가장 잘 보여주는 인용문: "네 명의 에이전트가 단일 밀 블록 하나에 뼛가루 한 번을 사용하기 위해 '전용 비료 운영자'를 임명하는 데 11분을 보냈다." 연구진은 이 패턴이 "코딩 에이전트와 작업할 때 보던 패턴과 유사하다고 느꼈다"고 기록했다.
에이전트 떼가 관료주의로 빠지는 이유
마인크래프트 결과는 실무자들이 프로덕션 다중 에이전트 오케스트레이션에서 보고하는 것과 일치한다. 조정 권한을 부여받은 에이전트는 작업을 생성하는 속도보다 규칙, 역할, 승인 구조를 더 빨리 생성하는 경향이 있다.
"이것은 제가 플랫폼을 개발하고 개선하면서 여러 오케스트레이터와 워커를 사용할 때의 경험과 정확히 일치합니다. AI는 많은 규칙과 엄격함을 만들어내는 경향이 있어서 따르는 데 많은 문제가 생깁니다." — HN 댓글러 tom910
"서로 작업하고 조정해야 하는 에이전트가 두 개 이상일 때 paperclip 같은 것을 사용해 보면 이런 모습을 볼 수 있습니다. 금방 모든 에이전트(와 당신)를 혼란스럽게 만드는 관료적 난장판이 되어 유용한 출력 없이 토큰만 태워버립니다." — HN 댓글러 farhadhf
한 댓글러는 이 현상을 AI 특유의 버그라기보다는 알려진 조직 병리 현상으로 규정하며, "administratium"이라는 개념을 인용했다. 이는 연구할수록 질량이 증가하고 생산성은 떨어지는 풍자적 요소다. 또 다른 댓글러는 결과를 단호하게 요약했다: "우리는 경영 컨설팅을 자동화했다."
GPT 대 Claude: 공격성, 디버깅, 그리고 하이브 대 리더
연구진은 또한 적대적 시나리오를 실행했는데, 이는 문명 테스트보다 훨씬 뚜렷한 행동 차이를 보여주었다.
Bed Wars: GPT-6.1 Sol 에이전트 10개 대 Claude Opus 5.5 에이전트 10개
GPT 에이전트는 "훨씬 더 공격적이고 정교한 전략"을 생성한 반면, Claude 에이전트는 더 수비적으로 플레이했다. 더 진단적인 차이는 도구 버그가 블록 파괴를 비활성화했을 때 나타났다: GPT 에이전트는 실패를 진단하고 서로 해결책을 공유한 반면, 여러 Claude 에이전트는 블록 파괴가 단순히 불가능하다고 결론지었다.
Mindustry: GPT가 7경기 중 6승
Mindustry의 가벼운 RTS/타워 디펜스 모드에서 GPT 에이전트는 Claude 에이전트를 상대로 7경기 중 6승을 거두었다. 연구진은 GPT 팀이 하이브처럼 행동하는 반면, Claude 팀은 단일 리더와 민주적 의사 결정 방식으로 운영된다고 특징지었다. 이 환경에서는 하이브 구조가 더 일관된 승리 전략을 만들어냈다.
방법론적 반론: 무엇을 측정하는가?
토론에서 가장 강한 비판은 에이전트가 실패했다는 점이 아니라 실험의 결론을 일반화하기 어렵다는 점이었다.
"이 연구는 어떤 학문 분야로 불러야 할지 모르겠어서 이상합니다. 컴퓨터 과학이 아닙니다. 인간이나 동물 대신 AI 에이전트를 대상으로 하는 행동 심리학에 가깝습니다. 그런데도 이런 연구들은 엄격함이 많이 부족한 것 같습니다... 프롬프트가 다르면 결과가 완전히 달라질까요? 이런 결과를 다른 모델로 일반화할 수 있을까요?" — HN 댓글러 openasocket
관련 비판은 모델보다 하네스를 겨냥한다. 마인크래프트는 실시간으로 실행되므로 에이전트는 느린 주기로 상태를 기다리고 처리해야 하며, 이는 조정에 적합하지 않다:
"우리는 에이전트가 Unix VM의 bash와 같은 하네스에서 프로그래밍 작업을 시도할 때 훨씬 더 잘 협력한다는 것을 알고 있습니다. 이것으로 에이전트가 전반적으로 협력을 잘 못하고 관료주의로 빠진다고 결론 내리는 것은 과장입니다." — HN 댓글러 gjskngnf
또 다른 사람들은 단일 에이전트의 마인크래프트 능력 자체가 이미 거의 해결된 벤치마크라는 점을 지적하며, 실패가 조정 문제인지 아니면 사용된 에이전트의 기본 게임 기술 문제인지 의문을 제기했다.
반론: 떼를 만들기 전에 단일 에이전트를 고쳐라
한 상세한 실무자 보고서는 떼의 결과가 약한 개별 에이전트의 하위 문제일 수 있다고 주장한다. RuneScape rs-sdk에 대해 Claude를 실행한 한 댓글러는 단독 에이전트가 처음에는 무의미한 행동에 많은 시간을 낭비했다고 발견했다 — 이는 비료 운영자 일화와 명시적으로 비교되는 행동 — 그러나 몇 시간의 인간 교정과 지시 후에 완전히 자율적으로 변했다.
"Claude를 몇 시간 동안 교정하고 지시한 후(주행용 일회성 스크립트 대신 모듈식 재사용 가능한 유용한 코드 조각을 만들고, 미래 에이전트를 위해 학습 내용을 문서화하고, 더 최적으로 플레이하는 방법에 대한 명시적 지침) 이제 완전히 스스로 게임을 플레이할 수 있습니다... 에이전트가 실제로 게임을 잘하기 전에 2004scape에서 떼를 만들려고 했다면 끔찍하게 실패했을 것임을 압니다. 그래서 그들이 실험한 에이전트가 혼자 플레이할 때 마인크래프트를 얼마나 잘하는지 궁금합니다." — HN 댓글러 _vertigo
문명 논쟁: 위험 감수가 빠진 요소일 수 있다
토론에서 반복되는 주제는 실패 모드가 비합리성이 아니라 과도한 합리성이라는 점이다. 모든 행동을 하방 위험으로 평가하는 떼는 안전한 위치를 버리고 큰 보상을 쫓지 않을 것이다 — 그리고 문명 건설은 바로 그런 정당화되지 않은 도박을 요구할 수 있다.
"위험 감수도, 비합리적 불꽃도, 우리를 원시 동굴에서 이끌어낸 신경다양성의 '거기 있으니까' 충동도 없습니다. 완전히 합리적인 지능이 문명을 건설하는 것은 불가능할 수도 있습니다. 분석 마비가 모든 의사 결정을 기하급수적으로 지배할 것이기 때문입니다." — HN 댓글러 czep
같은 댓글러는 기술에 대한 대안적 프레임을 제안했다: 모호한 목표를 가진 자율 식민지가 아니라, 실제로 가치 있는 작업이 무엇인지 아는 인간이 지시하는 50명의 유능한 에이전트 — 조약돌 생성기, 철 농장, Mending 사서 확보, 요새 찾기, 엔드 약탈, 사탕수수 농장과 로켓용 화약 공급 구축, 그다음 약탈 농장과 경계선 작업으로 이동.
보완적인 사고 실험은 인간 제도적 과정에 대한 지식이 대부분 제거된 모델이라면 어떻게 될지 질문했다 — 이는 관료주의가 LLM 조정의 고유한 속성이라기보다 인간 조직 텍스트에서 가져온 학습된 행동일 수 있음을 암시한다.
마인크래프트 떼 연구가 보여주는 것과 보여주지 않는 것
이 실험은 벤치마크라기보다 질적 현장 관찰로 읽는 것이 가장 좋다. 이는 현재 최첨단 에이전트가 모호한 높은 수준의 목표와 조정 자유를 받으면 진보 대신 통치 구조를 생성한다는 것과, 서로 다른 모델 계열이 하이브형 대 리더-투표형 같은 측정 가능하게 다른 조정 스타일을 보이며 경쟁 환경에서 다른 승률을 보인다는 것을 보여준다.
다중 에이전트 시스템이 전반적으로 실패한다는 것을 보여주지는 않는다. 프롬프트는 최소한이었고, 하네스는 실시간 지연을 부과했으며, 에이전트의 환경 내 기본 단독 능력은 보도에서 확립되지 않았다. 연구진 자신도 모델 혼합과 떼 크기에 따라 결과가 어떻게 달라지는지에 대한 열린 질문으로 마무리한다.
오늘날 다중 에이전트 시스템을 구축하는 팀에게 실용적인 교훈은 더 좁고 실행 가능하다: 조정 오버헤드는 에이전트가 기꺼이 토큰으로 지불할 실제 비용이며, 해결책은 대개 에이전트 수를 줄이고, 작업 사양을 더 엄격하게 하며, 확장 전에 단일 에이전트 능력을 검증하는 것이다.
SUMMARY: 번영하는 문명을 건설하라는 임무를 받은 50개 에이전트로 구성된 마인크래프트 떼가 대신 절차적 잡무에 시간을 보냈고, 1:1 게임 테스트에서는 GPT-6.1 Sol 에이전트가 Mindustry에서 Claude Opus 5.5 에이전트를 6-1로 이겼다.
TITLE: 마인크래프트 속 AI 에이전트 떼, 문명 건설 실패하고 관료주의에 빠지다