**Claudeでテキストアドベンチャーを楽しむ方法** 1. **環境構築** - Python（3.8以上）をインストールします。 - テキストアドベンチャーのリポジトリをクローンまたはダウンロードします。 - 仮想環境を作成し、起動します。 2. **依存パッケージのインストール** ```bash pip install -r requirements.txt ``` 3. **ゲームエンジンを実行** ```bash python run_game.py ``` 4. **Claudeと対話** - ターミナルに `look`、`go north`、`take key` などのコマンドを入力します。 - Claudeは自然言語で応答し、冒険を案内してくれます。 5. **進行状況の保存・読み込み** - `save <名前>` で現在の状態を保存します。 - 戻ってきたら `load <名前>` でロードできます。 6. **トラブルシューティング** - ゲームが停止した場合、欠損しているアセットやパス設定を確認してください。 - 起動前に必要なファイルがすべて揃っていることを再度チェックします。 Claudeが創り出した世界をぜひ探検してみてください！

AI ハッカソン – テキストアドベンチャーエージェント設計

最近、リウシアとマリンが主催したハッカソンに参加しました。
テーマは mech interp でしたが、PyTorch にあまり精通していないため、モデル層ではなく API 層に集中することにしました。

私にとって繰り返し出てくるアイデアは、Soar や ACT‑R のような認知アーキテクチャです。これらは GOFAI 研究の拡張であり、認知科学からインスピレーションを得ています。GOFAI は実用的なシステムを提供できませんでしたが、LLM を「cog‑arch」風にハーネス化することでその限界を克服できるかもしれないと考えています。

Claude Code のような LLM エージェントは、本質的には「偶発的」な認知アーキテクチャです。実務者によって構築され、理論家ではありませんが、メモリ管理・ツール使用・タスクアジェンダなど共通のニーズを持っています。認知科学に基づく原則ある設計は、より高い性能をもたらす可能性があります。

評価課題の選定

Soar のアーキテクチャを LLM エージェントに適応させる方法をブレインストーミングした後、「どうやってベースラインより優れていることを証明するか？」と問いました。評価が必要でした。

テキストアドベンチャーは条件を満たします。文字だけでアクセスできる階層構造の世界で、長期間にわたる目標とパズルがあります。Michael S. Gentry の Anchorhead はその典型例です。何百ターンにわたり複数の日を経て進行します。

Frotz とのインターフェース

Frotz インタープリタはコマンドラインで動作します。その「ダム」なインタフェース、dfrotz は ncurses の余計な部分を除去し、シンプルな CLI を提供します。

$ dfrotz games/anchor.z8
...
Outside the Real Estate Office day one

ANCHORHEAD
An interactive gothic by Michael S. Gentry

Python でラップして

stdin

stdout

class Interpreter:
    """dfrotz Z‑マシンインタープリタプロセスを管理します。"""
    p: Popen

    def __init__(self):
        log("Starting dfrotz.")
        p = Popen(
            ["dfrotz", "-m", GAME],
            stdin=PIPE, stdout=PIPE, stderr=PIPE,
        )
        log(f"Started dfrotz with PID={p.pid}.")
        # stdout/stderr を非ブロッキングモードに設定
        for stream in [p.stdout, p.stderr]:
            assert stream is not None
            fd = stream.fileno()
            flags = fcntl.fcntl(fd, fcntl.F_GETFL)
            fcntl.fcntl(fd, fcntl.F_SETFL, flags | os.O_NONBLOCK)
        self.p = p

    def read(self) -> str:
        assert self.p.stdout is not None
        b: bytes | None = self.p.stdout.read()
        return b.decode("utf‑8") if b else ""

    def write(self, t: str) -> None:
        assert self.p.stdin is not None
        self.p.stdin.write(t.encode("utf-8"))
        self.p.stdin.flush()
        time.sleep(0.1)  # インタープリタが応答する時間を確保

このラッパーにより、Python からコマンドを送信しゲーム出力を受け取れます。

プレイヤーインターフェースの定義

class Player(ABC):
    """ゲームプレイエージェント用インタフェース。"""
    @abstractmethod
    def cycle(self, text: str) -> str:
        """
        ゲーム出力をエージェントに渡し、
        実行する次のコマンドを返す。
        """

単純ハーネス

最も単純なハーネスは、LLM / ゲームのやり取りをチャット履歴として扱います。LLM はゲーム出力を読み込み、推論トークンを追加し、

stdin

SYSTEM_PROMPT = """
Hello Claude. Your task is to play an adventure game.
I've hooked up your output to the dfrotz interpreter.

The structure of your output is fairly freeform.
The first line that starts with `>` (and only the first line!)
is interpreted as a game command; everything else is uninterpreted commentary,
e.g.:

    We should go north to explore the church.
    >go north

If you write multiple `>` lines in one response, all but the first
will be ignored.

Have fun! 😊
"""

class SimplePlayer(Player):
    """最も単純なゲームプレイエージェント：全履歴をインコンテキストで保持。"""
    client: Anthropic
    history: list[tuple[EntryType, str]]

    def __init__(self):
        self.client = Anthropic()
        self.history = []

    def cycle(self, text: str) -> str:
        self.history.append((EntryType.GAME, text))
        messages = []
        for entry_type, entry_text in self.history:
            role = "user" if entry_type == EntryType.GAME else "assistant"
            messages.append({"role": role, "content": entry_text})
        response: Message = self.client.messages.create(
            max_tokens=512,
            model=MODEL,
            system=trim(SYSTEM_PROMPT),
            messages=messages,
        )
        log(f"Tokens: {response.usage.input_tokens}")
        cmd_line = [line for line in response.content[0].text.split("\n") if line][0]
        cmd = cmd_line[1:]  # '>' を除去
        self.history.append((EntryType.COMMAND, response.content[0].text))
        return cmd

このハーネスで Claude（Haiku 4.5）はマップをさまよい、Sonnet 4.5 と Opus 4.5 は約200ターンで最初のパズルを解決します。

コスト問題

単純ハーネスはクレジットをすぐに使い果たします。第2日には各ターンが数万入力トークンのコストになります。より経済的な手法が必要です。

メモリ認識型ハーネス

私は「メモリ認識型」ハーネスを試しました。Claude に対しては最新5ターン（知覚作業記憶）だけを提示し、シンプルな語義メモリ—文字列のリストで追加・削除が可能—を用意しました。これによりトークン使用量を抑えました。

しかし狭い視野は性能低下につながります。Claude はリアルエステートオフィスへ入るまで約40ターンかかり、単純ハーネスでは約10ターンです。また町中をさまよい回ってターン制限に達し、家を見つけられませんでした。

小規模世界実験

Anchorhead の広大さは進捗を素早く測定するのが難しいため、Inform 6 で小さいゲームを作りました。

1. Escape‑the‑room – < 100 行；Claude は10ターン未満でクリア。
2. Multi‑room heist – より複雑だが単純ハーネスで解決可能。

ヘストでは Claude が自分のメモリにのみ追加し、削除は行いませんでした。その結果、赤信号ルーム（井戸のある庭）に固執し、何度も下りようとして多くのターンを費やしました。最終的に無駄だと悟ったあとで動き出し、勝利直前の2ターンだけ遅れました。

線形で退屈なゲームが Anchorhead の自然な複雑さより魅力的ではないため、この「小規模世界」アプローチは諦めました。

今後の作業（TODO）

• ドメイン固有メモリ
  Todo リスト、ロケーショングラフなど Soar スタイルで別々に管理。
• 自動地理情報構築
  ゲーム出力をパースして部屋と接続のグラフを作り、コンテキストへフィード。
• 手動地理ツール
  

  link(room, direction, other_room)

  のようなツールを提供し、自動解析が失敗した際に Claude を支援。
• エピソディックメモリ
  ランの後、トランスクリプト（成功/失敗）を要約し、「ウォークスルー」を次回実行時に提示。

リポジトリ

完全なコードベースは GitHub にあります。