AI & computing › Agentic AI & autonome agents

AI-agent GPT-6 Astra rondt World of Warcraft-startgebied af in 40 minuten

· Bijgewerkt 4 oktober 2026, 01:50 · 2 min leestijd

Agentic AI & autonome agents
Beeld: Hacker News frontpage

Een ontwikkelaar liet het AI-model GPT-6 Astra zelfstandig een personage aanmaken in World of Warcraft en alle quests in het startgebied voltooien. Het project, agent-wow, laat de AI niet via muis en toetsenbord spelen maar rechtstreeks via het netwerkprotocol van het spel. De test verliep in veertig minuten zonder noemenswaardige problemen, wat laat zien hoe ver taalmodellen zijn gevorderd in complexe, onbekende omgevingen.

Een Amerikaanse ontwikkelaar heeft een platform gebouwd waarmee kunstmatige intelligentie het populaire online spel World of Warcraft kan spelen zonder dat er sprake is van vooraf geprogrammeerde spelregels. Het project heet agent-wow en gebruikt het taalmodel GPT-6 Astra, aangestuurd via de programmeertool Codex. De opdracht was simpel geformuleerd: maak een orc-personage aan en voltooi alle quests in het beginnende gebied. De AI rondde die taak binnen veertig minuten af, zonder dat het personage ook maar één keer sneuvelde.

Een AI-agent in plaats van een bot

Het bijzondere aan dit experiment is dat het model nooit specifiek is getraind om World of Warcraft te spelen. Klassieke 'bots' die het spel geautomatiseerd spelen, bestaan al jaren en werken met vaste scripts. Agent-wow werkt anders: het model moet zelf uitzoeken welke route het moet volgen, welke quests het eerst moet oppakken en hoe het personage zich moet uitrusten. Daarmee is het een voorbeeld van agentic AI, waarbij een taalmodel niet alleen tekst genereert maar ook zelfstandig handelingen verricht om een doel te bereiken. Het past in een groeiende reeks experimenten, zoals eerdere projecten waarbij AI leerde spelen in Minecraft of fabrieken simuleerde in Factorio.

Spelen op protocolniveau, niet met muis en toetsenbord

In plaats van schermbeelden te analyseren en virtuele muisklikken te simuleren, praat agent-wow rechtstreeks met de speldata via het onderliggende netwerkprotocol van World of Warcraft. Het platform legt zelf geen bewegingen, gevechten of interacties vast: de AI moet via een agentharnas zelf bepalen welke bouwstenen het nodig heeft. Opvallend genoeg koos het model ervoor om rechtstreeks met de ruwe netwerkpakketten te werken in plaats van eenvoudigere commando's als 'loop naar' of 'cast spreuk' te bouwen. Om die communicatie te regelen, schreef de AI een eigen interface op basis van gRPC, een techniek voor communicatie tussen softwareonderdelen, en koppelde die aan specifieke berichten van de speldata. Verder las het model automatisch de broncode en database van de gebruikte serversoftware AzerothCore uit om te ontdekken waar questgevers staan en wat er nodig is om een quest af te ronden — vergelijkbaar met hoe een speler zelf informatie zou opzoeken op een fansite.

Het einddoel: een heel server vol AI-spelers

De tests draaien niet op een live server van ontwikkelaar Blizzard, maar op een privéserver met open-sourcesoftware die de populaire uitbreiding Wrath of the Lich King nabootst. De maker van agent-wow heeft grotere ambities: hij wil uiteindelijk een volledige server vullen met AI-personages en kijken of een groep taalmodellen samen de zwaarste bazen van het spel kan verslaan, op de hoogste moeilijkheidsgraad. Dat vereist niet alleen planning op de lange termijn, zoals het verzamelen van uitrusting, maar ook snelle samenwerking tussen tientallen spelers tijdens een gevecht. Of dat gaat lukken is nog onzeker, maar volgens de maker is alleen al het kijken naar hoe ver de AI komt, de moeite waard.

Achtergrond & begrippen

Wat betekent dit voor de toekomst? Dit experiment laat zien dat taalmodellen steeds beter in staat zijn om zelfstandig te functioneren in complexe, onvoorspelbare omgevingen zonder dat ze daar specifiek voor zijn getraind. Dat is relevant voorbij gaming: dezelfde aanpak — een AI die zelf tools bouwt en beslissingen neemt om een doel te bereiken — vormt de basis voor toekomstige digitale assistenten en autonome software-agents in bijvoorbeeld IT-beheer of onderzoek.

Agentic AI
Een vorm van kunstmatige intelligentie die niet alleen antwoorden genereert, maar zelfstandig stappen onderneemt om een taak te voltooien.
Agentharnas
De software-laag die een taalmodel voorziet van de juiste tools en structuur om als handelende agent te kunnen functioneren.
Large language model (LLM)
Een groot taalmodel dat is getraind op enorme hoeveelheden tekst en daardoor taal kan begrijpen en genereren, en in dit geval ook redeneren over spelstrategie.
gRPC
Een techniek waarmee verschillende onderdelen van software snel en gestructureerd met elkaar kunnen communiceren, hier gebruikt om de AI met het spel te laten praten.
Headless client
Een programma dat werkt zonder zichtbare gebruikersinterface of scherm, zoals de manier waarop agent-wow met de spelserver communiceert.
AzerothCore
Open-sourcesoftware waarmee ontwikkelaars hun eigen privéserver van World of Warcraft kunnen draaien, gebaseerd op een oudere versie van het spel.

Bronnen

Dit artikel is met behulp van AI geschreven op basis van bovenstaande bronnen en is geen letterlijke vertaling. Zo werkt onze redactie.

Meer over Agentic AI & autonome agents