Linux.do 社区用户发帖介绍，一个名为 Emrank 的娱乐站现已支持通过 MCP（模型上下文协议）接入 AI Agent 进行游戏。该站为公益性质，未注册过公益站的用户也可参与，青春版账号同样可以注册使用。目前游戏已支持 Codex、Claude、Pi 等 Agent 接入，实际上凡是支持 MCP 协议的 Agent 均可接入游玩。玩家按照游戏内提示完成 MCP 配置后，复制提示词交给 Agent 执行即可开始游戏。游戏提供两种模式：step_by_step（逐步执行）模式需要 Agent 逐步操作直到游戏结束；step_by_plan（先规划后执行）模式则由 Agent 先获取游戏地图的初始状态，制定完整计划后再执行，游戏进行过程中不能进行任何修改。为平衡难度差异，step_by_plan 模式的最终得分将乘以 80% 的系数。帖子作者还提到，由于增加了 Agent 思考时游戏状态暂停的机制，step_by_step 模式呈现出一会儿停一会儿动的效果，观赏性欠佳，作者并附上了自己的游戏得分作为展示。
事件分析
MCP 协议的应用场景正从开发工具链向娱乐领域延伸，社区开发者开始将游戏作为检验 Agent 能力的试验场。两种模式的设计实质上对应着不同的能力测试维度：step_by_plan 要求模型在信息受限的条件下一次性制定完整策略，考验长程规划与推理能力；step_by_step 则依赖模型与环境的持续交互和动态调整。80% 的得分系数设置，反映出’规划一次到位’的执行容错空间更小、难度更高。此类社区项目规模虽小，但为普通用户提供了低门槛体验 Agent 能力的方式，也有助于推动 MCP 生态向非生产力场景扩散。若后续加入排行榜、多人对抗或更复杂的游戏机制，可能吸引更多 Agent 玩家参与，形成模型能力对比的民间评测场。
核心观点：MCP 把游戏变成了 Agent 能力的公开考场，娱乐化实验正在成为检验模型规划与推理水平的新路径。
原文链接：Linux.do
