コーディングエージェントにとってゲームプログラミングは困難、これは本当か?

AIコーディングエージェントにとって、ゲームプログラミングは他のソフトウェアのプログラミングに比べて難しいよね、ということはなんとなく肌感では分かる。だけどそれはどういった要因によるものなんだろう。それを探るために役立ちそうな既存研究をいくつか眺めてみた。

2,219件のPygameタスク評価を行ったV-GameGym (2025)

V-GameGymでの評価は、ゲーム要件から生成されるコード単体の妥当性ではなく、実行後に得られる画像・動画を LLM-as-Judge により判定する点に特徴がある。そのため、単に描画 API を呼び出しているか否かではなく、画面上でオブジェクトが適切な位置関係・スケール・描画順序を保っているか、また時間経過に伴う挙動がゲームとして意味を成しているかが、評価対象となる。

V-GameGym によるマルチモーダル評価では、コードの構文的正しさや実行可能性を測る Code スコアは多くのモデルで高水準(70 点以上、上位モデルでは 90 点台)に達する一方、生成結果の スクリーンショットおよび動画に基づく評価は著しく低い(おおむね 0〜20 点台)。現在のコーディングエージェントには、文法的に整合したコードを生成する能力と、実行結果として現れる視覚的・動的品質を担保する能力との間に大きな乖離があるということを示している。

Godotエンジンを対象としたベンチマークGameDevBench (2026)

GameDevBenchはGodot 4の実プロジェクトに対して特定の機能や表現を実装させるタスクを用いたベンチマークである。このベンチマークによれば、ゲーム開発におけるコードの変更量やファイル数は、ソフトウェア開発の標準的指標であるSWE-benchの3倍以上に達する。これはゲームプログラミングが単なる関数実装に留まらず、スクリプト、シーンツリー、物理的衝突判定、アセットの紐付けといった、複数の要素を同時に統合しなければならないためである。

同ベンチマークでの「成功」は、単なるエラーの不在ではなく、Godotのテストフレームワークに基づき、エンジン内のノード状態や物理的相互作用(例:コライダの衝突やカメラ内可視性)が設計どおりであるかを決定論的に検証する基準に基づいて定義されている。この厳密な評価設定の下での最高成功率(Gemini 3 Pro preview、マルチモーダルフィードバック有り)は54.5%にとどまり、AIエージェントにとってゲームエンジン内の複数要素の整合性を同時に保つことが極めて高い負荷であることを示している。

また、GameDevBenchの実験では、エディタのスクリーンショットや実行動画といった視覚的フィードバックをエージェントに与えることで、成功率が33.3%から47.7%へと大幅に改善することが確認されている(Claude Sonnet 4.5の場合)。これは、ゲームプログラミングが「コードを書く」プロセスと「結果を視覚的に確認し修正する」プロセスの密なループを必要とすることを示唆している。現在の多くのエージェントは、このループを自律的に回すためのマルチモーダル理解が下手だ。

複数ドメイン横断評価DomainCodeBench (2024)

DomainCodeBenchでは、一般的なコーディング問題で高い評価を得ているモデルが、実際の業務に近い開発領域でも同じように通用するとは限らないことを示している。評価は「正解できたかどうか」だけで単純に測るのではなく、出力されたコードがどの程度、正解の実装に近いかという観点で点数化されており、その結果、ブロックチェーン分野では比較的高い点を出すモデルでも、ゲーム分野ではスコアが下がる例が確認されている。

この要因は、ゲーム開発が特定のエンジンやフレームワークの膨大なAPI群、およびそれらが前提とする独自のライフサイクル(更新処理やイベント駆動モデル)に強く依存しているためである。単なるアルゴリズムの知識だけでは、プロジェクト全体の構造やAPI間の複雑な相互作用を解釈できず、適切なゲーム実装が行えない。

なぜコーディングエージェントはゲームプログラミングが下手なのか?

これらの文献を見てみると、コーディングエージェントにとってゲームプログラミングが困難な理由として、以下のような要因が考えられる。

  1. 視覚依存性:出力の正当性を判断するために、高度なマルチモーダルフィードバックを要する
  2. 実行時の不確実性:文法的な正しさが、視覚・動作・ゲームフィールの正しさを保証しない
  3. 深いドメイン知識:汎用ロジックではカバーできない、ゲーム実装のベストプラクティスや、ゲーム固有のフレームワークが存在する

これらの問題を乗り越えるためには、ゲームプログラミング固有のコーディングエージェント向けワークフローを詳細に設計する必要がある。視覚・動作理解の模擬的な実現や、ベストプラクティスの言語化・ツール化など、それを解決するアプローチはいくつか思いつく。だがそれらをゲーム全般に汎用的に整備することは難しい。しばらくはAIにとってゲーム開発は比較的困難なタスクであり続けるであろう。