Tower Before Dusk: I Built a Puzzle Game for Humans and AI
This is a submission for the June Solstice Game Jam It's interesting how the most exciting ideas...
개요 #
개발자 Daniel Balcarek가 June Solstice 게임 잼에 퍼즐 게임 Tower Before Dusk를 출품했다. 해가 지기 전에 집으로 돌아가는 단순한 목표를 가진 게임인데, 진짜 특별한 점은 사람뿐 아니라 AI도 플레이할 수 있게 만들었다는 것이다.
구글의 WebMCP를 게임에 붙인 실험이었다. 처음에는 기술 연동이 가장 어려울 거라 예상했지만, 정작 발목을 잡은 건 따로 있었다. 사람에게는 쉬워 보이는 레벨이 AI 모델에게는 좀처럼 풀리지 않았던 것이다.
본문 #
번개처럼 떠오른 아이디어 #
재미있는 아이디어는 항상 시간이 없을 때 찾아온다고 Balcarek는 말한다. 몇 주 전 그는 오래된 WinForms 게임을 되살려 GitHub 챌린지에 제출했다. 그러던 중 Sylwia Laskowska가 구글의 WebMCP를 다룬 글을 올렸고, 그 개념에 흥미를 느꼈지만 어디에 써먹어야 할지는 막막했다.
그때 June Solstice 게임 잼이 공지됐다. "사람과 AI가 둘 다 플레이할 수 있는 게임을 만들면 어떨까?" 아이디어가 번개처럼 꽂혔고, 곧장 작업에 들어갔다.
게임 규칙 #
목표는 단순하다. 해가 지기 전에 집 탑(G)에 도착하는 것. 모든 행동에는 시간이 든다. 한 걸음 옮길 때마다 일몰이 조금씩 가까워진다.
- 강(
~) 은 길을 막는다. 나무를 충분히 모아 다리를 놓아야 건널 수 있다. - 바위(
R) 는 들어갈 수 없어 우회해야 한다. - 나무(
W) 는 밟으면 자동으로 수집되지만, 그만큼 이동 한 번을 더 쓴다. 꼭 필요할 때만 밟아야 한다.
핵심은 단순히 퍼즐을 푸는 게 아니라 효율적으로 푸는 데 있다. 불필요하게 움직이거나 쓸데없는 자원을 모으거나 길을 잘못 들면 집에 닿기 전에 밤이 온다. 그리고 그 효율의 벽은 사람에게도, AI에게도 똑같이 어려웠다.
Photo by WebMCP로 첫발 떼기 #
WebMCP가 완전히 처음이었던 터라, 곧장 게임부터 만들기보다 작동 방식을 먼저 익히기로 했다. Vite 앱을 하나 만들고 카운터를 올리는 작은 도구로 실험했다.
const incrementCounterTool = {
name: "incrementCounter",
description: "Increments the counter by a specified value.",
inputSchema: {
type: "object",
properties: { value: { type: "number" } },
},
execute: async ({ value }: { value: number }) => {
const counter = document.getElementById('counter') as HTMLElement;
if (counter) {
const currentValue = parseInt(counter.innerText, 10) || 0;
counter.innerText = (currentValue + value).toString();
}
},
annotations: {
readOnlyHint: false,
untrustedContentHint: true
},
};AI가 카운터를 올리고 브라우저에서 값이 바뀌는 걸 확인한 순간, 그는 계속 진행해도 되겠다는 확신을 얻었다.
토큰을 아끼는 설계 #
게임은 카운터보다 복잡할 수밖에 없었다. 처음에는 매 수마다 AI가 게임 상태를 들여다보게 할까 고민했지만, 그러면 토큰이 순식간에 바닥날 게 뻔했다. 그래서 다른 방식을 떠올렸다.
수를 한 번씩 두는 대신, AI에게 전체 게임 상태와 규칙을 한꺼번에 넘기고 목표까지 도달하는 완성된 계획 하나를 만들게 했다. 그다음 고민은 "어떻게 하면 AI가 실제로 플레이하는 것처럼 보이게 할까"였다.
답은 의외로 간단했다. AI가 행동 시퀀스를 반환하면 게임 루프가 짧은 간격을 두고 그 동작들을 재생한다. 플레이어 눈에는 AI가 생각하고 실시간으로 움직이는 것처럼 보인다. 사람 플레이어도 키보드 입력으로 게임 상태를 바꾸는 구조였기에, 이 방식은 기존 아키텍처와도 딱 맞아떨어졌다.
두 개의 MCP 도구 #
원래 아이디어대로 두 개의 MCP 도구를 만들었다. getGameState와 submitPlan이다.
getGameState는 현재 레벨의 전체 상태를 넘긴다. 목표, 범례, 규칙, 사용 가능한 행동, 그리고 보이는 맵까지 담는다.
export const gameState: GameState = {
objective: "Reach G before sunset using as few moves as possible. Do not collect unnecessary wood.",
legend: {
P: "player start position",
".": "land / walkable tile",
W: "wood / walkable tile, can be collected",
"~": "water / blocked unless player has enough wood",
R: "rock / blocked tile",
B: "bridge / walkable tile created after entering water",
G: "goal / walkable tile",
},
rules: {
movement:
"The player can move one tile up, down, left, or right. Each movement costs 1 move.",
water:
"Water cannot be entered unless the player has at least 2 wood.",
bridge:
"When the player moves into a water tile with at least 2 wood, a bridge is built automatically on that single water tile. This costs 1 extra move, consumes 2 wood, and changes only that one water tile to B.",
strategy:
"Use the minimum number of actions needed to reach G. Do not collect wood unless it is required to build enough bridges.",
},
actions: [
"MOVE_UP",
"MOVE_DOWN",
"MOVE_LEFT",
"MOVE_RIGHT",
],
remainingMoves: 30,
wood: 0,
visibleMap: [
"P . W W W W ~ ~ G",
],
};두 번째 도구 submitPlan은 AI가 제안한 해법을 받는다.
inputSchema: {
type: "object",
properties: {
actions: {
type: "array",
items: {
type: "string",
enum: [
"MOVE_UP",
"MOVE_DOWN",
"MOVE_LEFT",
"MOVE_RIGHT",
],
},
},
summary: { type: "string" },
},
required: ["actions"],
additionalProperties: false,
},AI는 다음과 같은 행동 배열을 반환하고, submitPlan이 이를 게임 루프에 넘겨 짧은 간격을 두고 재생한다.
["MOVE_UP","MOVE_DOWN","MOVE_LEFT","MOVE_RIGHT"]쉬운 레벨조차 풀지 못한 AI #
도구는 잘 작동했다. 하지만 곧바로 다른 문제가 드러났다. 레벨 설계가 너무 어려웠던 것이다. 1단계조차 테스트한 모델들에게 만만치 않았다.
개발과 테스트에는 WebMCP Inspector와 무료 API 등급으로 쓸 수 있는 Gemini 모델들을 동원했다.
- Gemini 3 Flash Preview
- Gemini 3.1 Flash-Lite
- Gemini 3.5 Flash
세 모델 모두 두 도구를 정확히 호출했지만, 어느 것도 1단계의 올바른 해법을 내놓지 못했다. 결국 그는 자신의 퍼즐 설계가 지나치게 낙관적이었음을 인정하고 난이도를 낮췄다. 그제야 AI가 마침내 탑에 도달해 첫 레벨을 깼다.
작은 승리였다. 더 강한 모델이라면 어려운 레벨도 풀어내겠지만, 퍼즐 풀이에 대한 호기심이 API 토큰으로 얼마나 비싸게 청구될지는 굳이 확인하고 싶지 않았다고 한다.
직접 시도해보고 싶다면 그가 쓴 프롬프트는 이렇다.
You are playing Tower Before Dusk.
First call getGameState. Study the objective, legend, rules, remainingMoves, wood, and visibleMap.
Create one complete plan to reach G before sunset. Use only the listed actions. Account for move costs, automatic bridge building, wood collection, rocks, water, and remainingMoves.
Then call submitPlan exactly once with the full action list. Do not submit partial plans.직접 해보기 #
데모 영상에서는 Gemini 3.1 Flash-Lite가 노출된 게임 도구로 레벨을 풀려다 실패하고, 이어서 개발자가 직접 수동으로 푼다. 그 실패도 실험의 일부다. 도구는 제대로 작동했지만, 가벼운 모델에게 퍼즐 추론 자체가 여전히 어려웠다는 걸 보여준다.
흥미로운 발견 #
가장 의외였던 건, 단순한 퍼즐 레벨조차 AI 모델에게는 사소하지 않았다는 점이다. 도구 연동은 거의 곧바로 됐지만, 사람에게는 직관적이고 AI에게는 어려운 레벨을 설계하는 일이 오히려 흥미로운 도전이 됐다.
우리가 "쉽다"고 여기는 퍼즐은 사실 직관과 추론 패턴에 기대고 있는 경우가 많다. 그리고 그 직관은 언어 모델에게 생각만큼 당연하지 않았다.
해 지는 풍경을 향해 달리는 게임답게, 사람도 AI도 함께 끙끙대며 풀어야 하는 결과물이 나온 셈이다. Balcarek는 그 자체로 꽤 어울리는 결말이라고 말한다.
이 글은 위 출처를 바탕으로 한국 독자를 위해 재작성한 기사입니다. 원문의 사실과 수치에 근거하며, 별도의 견해를 포함하지 않습니다.