グラフ基盤ワークフローで実現するLLMによる自動ゲームプレイ

GREE Tech Conference 2026で発表された資料です。
https://techcon.gree.jp/2026/session/TrackB-3

1. グラフ基盤ワークフローで実現する LLMによる自動ゲームプレイ 株式会社WFS エンジニア 崔 碩訓
2. 崔 碩訓 株式会社WFS エンジニア 2017年4月、ファンプレックス株式会社 （現：グリーエンターテインメント株式会社）に 入社後、株式会社WFSに配属。 エンジニアリード、開発ディレクション、 開発プロジェクト管理などを経て、2026年 7月よりData Platform チームにてAIを用いた、 ゲーム開発・QA自動化における共通課題の 解決に携わる。 2
3. アジェンダ 1. はじめに ◦ AI自動プレイの課題と開発成果 2. システムの構造 ◦ アーキテクチャ全体像 ◦ レイヤー別の詳細構成 3. システム構築における工夫 ◦ How We Build（開発のアプローチ） ◦ LLM単体の推論を超えるための課題 ◦ ゲームの状態を正しく認識させる工夫 4. まとめ 3
4. はじめに 4
5. 用語・参考論文 用語 本セッションでの定義 人間 複数のゲームで共通する仕組みが 分かっていて、滞りなく操作できる プレイヤーを指す AI 26年現在、動作やアーキテクチャ 基盤が共通する主要な LLMを指す 使用 モデル gemini-3.6-flash Qi, R., Ni, Y., Jiang, L., Li, Z., Huang, K., & Guo, X. (2025, October 21). Memory-Augmented State Machine Prompting: A novel LLM agent Framework for Real-Time Strategy Games. arXiv.org. https://arxiv.org/abs/2510.18395 Cemri, M., Pan, M. Z., Yang, S., Agrawal, L. A., Chopra, B., Tiwari, R., Keutzer, K., Parameswaran, A., Klein, D., Ramchandran, K., Zaharia, M., Gonzalez, J. E., & Stoica, I. (2025, March 17). Why do Multi-Agent LLM systems fail? arXiv.org. https://arxiv.org/abs/2503.13657 5
6. 取り組んだ課題 自動 手動 自動テスト 手動テスト 「自動テスト」にするには保守が煩わしく、 「手動テスト」をするには単調な操作が続く 『曖昧な領域』 6
7. 成果物1 : AIによる自動プレイを実装 ▪リグレッションテストの様子 ・『ヘブンバーンズレッド』をプレイ ・MacにUSBで実機（Pixel 10）を 接続して本システムを起動しています。 ・AIが実機を直接操作し、ゲームを プレイします。 ©WFS Developed by WRIGHT FLYER STUDIOS © VISUAL ARTS/Key 7
8. 成果物2 : AIの成果物を可視化 リグレッションテストの様子 ▪全工程のログ保存 AIによる操作は、すべての工程が詳細な ログとして自動で残されます。 ▪直感的な可視化ツール 保存されたログを可視化ツールから いつでもプレイした状況を確認・検証 できます。 ©WFS Developed by WRIGHT FLYER STUDIOS © VISUAL ARTS/Key 8
9. 成果物2 : AIの成果物を可視化 ▪指定した目標が達成できた時の一覧が表示される ©WFS Developed by WRIGHT FLYER STUDIOS © VISUAL ARTS/Key 9
10. 成果物2 : AIの成果物を可視化 ▪全ての操作の履歴がタイムラインとして表示される 種別で色分けされた各サイクルのフレームが操作できる ©WFS Developed by WRIGHT FLYER STUDIOS © VISUAL ARTS/Key 10
11. 成果物2 : AIの成果物を可視化 ▪タイムラインを見返せる ▪ 本プレイのトークン使用量 (参考値) 1 サイクルあたり - 入力：約 1万 トークン - 出力：約 1千 トークン プレイ全体 - 125サイクル - 137.5万トークン ©WFS Developed by WRIGHT FLYER STUDIOS © VISUAL ARTS/Key 11
12. AIだけでプレイさせると直面する壁 ▪AIは判断はできるが、ゲームのルールは知らない 12
13. AIだけでプレイさせると直面する壁 【実例】 会話画面での操作ルール タップで一度にスキップ 長押し中だけ早送り ©WFS Developed by WRIGHT FLYER STUDIOS © VISUAL ARTS/Key 13
14. AIだけでプレイさせると直面する壁 ▪汎用的なAIは、単に早送りをタップする ・ゲームのルールが分からない ・学習頻度が高いであろう[▷▷]を優先する ©WFS Developed by WRIGHT FLYER STUDIOS © VISUAL ARTS/Key 14
15. AIだけでプレイさせると直面する壁 ▪本システムではスキップをタップする ・ゲームのルールが分かるようになる ©WFS Developed by WRIGHT FLYER STUDIOS © VISUAL ARTS/Key 15
16. システムの構造 16
17. システムの全体構造 17
18. インタフェース / デバイス ▪構成 - インタフェース python cli, ブラウザー ▪構成 - デバイス langgraph-cua-py android : uiautomator2 iOS : WebDriverAgent ▪役割 ・プレイ目標を指定してシステムを起動する ・システムがデバイスを操作できるようにする ・実行結果や動作成果の確認を行う ©WFS Developed by WRIGHT FLYER STUDIOS © VISUAL ARTS/Key 18
19. ドメイン宣言 ▪スキル 「アイテムを拾う操作方法」等を mdファイルに記述して、 ゲームの知識をプロンプトに渡す ▪ミッション 「クエストが示すアイテムを集める」等の 達成目標をYAMLで定義して、 具体的な行動指針をプロンプトに渡す ▪ワークフロー テストシナリオに沿って複数の ミッションを組み合わせて、 実行順序・操作手順を制御する ゲーム知識を平文で書いたスキル(md) 19
20. ロジック ▪構成 pyyaml opencv ▪役割 ・ゲームの状況に合わせて、AIに 渡すプロンプトを動的に構築する ・スクリーンショットからデータを 取得・判定して、進行を制御する ・AIの無限ループ等の異常を検知し システムを安全停止させる pythonの純関数で構成 20
21. エージェント基盤 ▪構成 pydantic LangGraph ▪役割 ・LangGraphをベースに、ゲームの 状態を追跡しながら次に必要な処理へ 適切に分岐する ・LLMや外部ツールなど、システムが 利用する各種機能を一括管理する グラフの図式 21
22. 推論 ▪構成 google-genai dinov2 ▪役割 ・OpenAI互換APIを通じてLLMへ プロンプトやパラメータを適切に伝達する ・スクリーンショットからの要素抽出や バウンディングボックスの検出を行い LLMに連携する ・テキストだけでは捉えきれない画像の 情報を抽出・補完する バウンディングボックス検出およびLLMからの出力例 ©WFS Developed by WRIGHT FLYER STUDIOS © VISUAL ARTS/Key 22
23. 観測 ▪構成 jsonl langfuse ▪役割 ・プレイした全工程におけるログを jsonl形式で記録する ・デバッグに必要な情報をlangfuseに 送信する ・システム全体の成果や実行時の 挙動を視覚的に確認・追跡する プレイした全工程をログとして保存 23
24. 観測 ▪trace.jsonl 中身: 構造化ログ（プロンプトは除外） 用途: ブラウザビュアー（inspector）での 高速閲覧・機械的リプレイ ▪Langfuse 中身: プロンプト全文 & レスポンス全文 用途: プロンプトチューニング時 モデル挙動の詳細追跡 24
25. 長期記憶 ▪構成 vectorize-io/hindsight ▪役割 ・ログから失敗した操作や共通の 観測傾向を抽出し、スキルへの反映 提案をレポートとして作成する ・提案をHITL（Human-in-the-Loop） で評価してスキルを更新する ログから得た改善点の提案レポート ・知識をスキルとして永続化（長期 記憶化）し、次回のプレイに反映する 25
26. システム構築における工夫 26
27. 1. How We Build 27
28. 1. How We Build ▪取り組み ・コーディングエージェント（Claude Code等）を活用し、実装効果を細かな 粒度で計測 ・「実装 ➔ 計測 ➔ 有効性の確認 ➔ 採用」 というサイクルでシステムを構築 ▪利点 ・エージェント開発で陥りがちな オーバーエンジニアリングを防げる ・実測データに基づき、機能の 取捨選択を客観的に判断できる 実測の一例 28
29. 2. ゲームの知識を平文（Skills）で書く ▪仕組み common: 全画面共通の安全ルール screens: 現在の画面固有の知識 capabilities: 実行可能な機能 routing.yaml: (画面 × 機能) の対応関係を 定義するルーティング表 ▪役割 画面状態や目的に応じ、4種の定義から プロンプトを動的に合成してゲームの 知識をAIに与える ゲーム知識をシステムのコードと分離して 管理することができるようにする --name: advance_dialogue description: ADV パートの台詞・演出を送って先へ進める。 metadata: kind: capability --## 操作メカニクス 台詞ウィンドウ（画面下部の帯）をタップすると次の台詞に進む。 右上の ▷（オート）を有効にすると自動で送られる。 ▷|（next scene button）は次の停止点（選択肢）まで会話を進める。 ▷▷（fast forward button）は**押している間だけ**早送りする。1 タップ では指を離した瞬間に止まるので、会話はほとんど進まない。 ## 行動ツリー（上から順に評価する） 1. 右上のボタン列の**左から 2 番目**にある「▷|」（next scene button）をタップする。これが既定の手である。次の停止点まで一気に進 む。 2. いちばん右の「▷▷」（fast forward button）は押さない。 押している 間だけ早送りするボタンなので、1 タップでは会話が進まない。 会話操作スキルのmd 29
30. 3. メタ情報をシステムで捉えてAIに渡す 【実例】 ・座っているキャラクターとはすでに会話をしていて、また 話しかけても同じセリフだけを言う ・AIは視覚的な「吹き出し」に誘導され、タップを繰り返してしまう ©WFS Developed by WRIGHT FLYER STUDIOS © VISUAL ARTS/Key 30
31. 3. メタ情報をシステムで捉えてAIに渡す ①履歴なしでのAIアウトプット 操作履歴 NPCの前にキャラクターが十分に近づきまし た。吹き出しアイコンが出ており、距離も適切 になったためタップして会話を開始します。 # What has happened so far ## 4 cycles ago — on the field screen: 吹き出 しを押して会話を開始する; 画面に変化はありま せん. This was not what you expected. ②履歴ありでのAIアウトプット これまで吹き出しを直接押す操作や各種移動を 試してきましたが、中央へ移動したことで NPCとの距離が十分に詰まりました。吹き出 しが表示されているため、再度吹き出しをタッ プして会話を開始します。 ## 2 cycles ago — on the same screen You did: 吹き出しをタップしてキャラクターに 報告します。 What happened: No change detected between the first and second screenshots. ## Last cycle — on the same screen because: 吹き出しのタップが2回連続で効果 を発揮しなかったため、位置や向きがキャラク ターに対して不十分である可能性があります。 31
32. 4. DINOによる視覚判定の補助を与える ▪DINOを使いキャラクターに４桁のIDを採番し、プロンプトで渡す ©WFS Developed by WRIGHT FLYER STUDIOS © VISUAL ARTS/Key 32
33. 4. DINOによる視覚判定の補助を与える ©WFS Developed by WRIGHT FLYER STUDIOS © VISUAL ARTS/Key 33
34. 4. DINOによる視覚判定の補助を与える 【判定例】コサイン類似度を計算 ©WFS Developed by WRIGHT FLYER STUDIOS © VISUAL ARTS/Key 34
35. 4. DINOによる視覚判定の補助を与える ▪画像比較の結果をIDとして表すことができて、警告が出せる ©WFS Developed by WRIGHT FLYER STUDIOS © VISUAL ARTS/Key 35
36. 4. DINOによる視覚判定の補助を与える ▪AIに判断を委ねるのではなく、システムが制御して初めて成功した 36
37. 5. 情報伝達の一元化：advisories ▪仕組み AgentState の履歴から、モデルに 伝えるべき「警告（Advisories）」を 1箇所で自動抽出する ・同じ操作の繰り返し ・同じサイクル（移動→会話）の繰り返し ・失敗履歴、DINOによる情報 ▪役割 連続失敗やループを検知したら、 Decideノードのプロンプトへ禁止を 注入する 37
38. 6. 履歴からの改善をスキルに残して長期記憶化 ▪仕組み ログから実行履歴や観測結果をHindsightの データベースへ投入する。 取得した事実と現在のスキルを照らし合わせ、 どのファイルをどう修正すべきかのレポートを 生成する。 ▪役割 ・人間への申し送りツールとして機能する ※ 不具合や仕様変更による一時的なエラーを 記憶として残さないため ・スキルはファイルとして保持されるため、 履歴から得た改善が永続的な長期記憶となる スキルの改善提案レポート 38
39. 6. 履歴からの改善をスキルに残して長期記憶化 39
40. 6. 履歴からの改善をスキルに残して長期記憶化 【ログ】 【レポート】 【スキル】 全工程のパターンから 知見を抽出 改善提案レポートとして 形式知化 獲得した知見を「スキル ファイル」として永続化 40
41. まとめ 41
42. まとめ ▪今回の実践 ▪ 今後の展望 ・AIによる自動プレイを実現し、決まった 処理だけできる自動テストよりも柔軟な テストができるようになった ・仕組みの洗練化 ・システムロジックとゲーム知識を 分離して管理できる構造を実現できた ・資産の高度化 ・メタ情報の扱いや、プレイ履歴を 「短期・長期記憶」として活用する 仕組みを導入できた より多様な機能や状況に対応した自動 プレイができるようにする 単なる「自動プレイログ」から 「品質・開発を支える検証基盤」へ拡充する 42
43. ご清聴ありがとうございました 43