Game Agent 0.2.0 发布(Creator 3.8 中的 AI 智能体)

Game Agent 上架 Cocos 商城:让 AI 真正进入 Creator 工作流

Game Agent 是一款面向 Cocos Creator 的游戏开发智能体插件。

它的核心目标不是“多写代码”,而是让 AI 真正参与到游戏开发流程中,从想法到可运行结果。


为什么需要 Game Agent?

传统 AI 工具主要解决两件事:

  • 写代码
  • 回答问题

但游戏开发远不止这些,还包括:

  • 场景搭建
  • 节点组织
  • 组件配置
  • 资源读写
  • 运行验证

这些都发生在编辑器内部,而不是代码层。

:point_right: Game Agent 的定位,就是补齐这段“断层”。


与官方 Pink 的关系与区别

用一句话概括:

Creator 3.8 + Game Agent = Pink

Pink 本质上是官方将 Creator 3.8 编辑器与 AI Agent进行整合,而 Game Agent 则是将 AI 能力以插件形式集成到 Creator 3.8 中。


核心能力概览

Game Agent 已具备完整的工具链能力:

  • 多模型接入(支持不同模型供应商)
  • Web 搜索 / 命令行 / 临时脚本
  • 资产读写与项目结构理解
  • 编辑器操作(节点创建、属性调整)
  • 自动生成符合 Cocos 规范的脚本

不仅能“生成”,还能“执行”。


两个关键优势

:white_check_mark: 强感知能力

Game Agent 能理解当前项目状态:

  • 读取项目结构
  • 感知已有资源
  • 分析场景与节点关系

这意味着它不是“盲写代码”,而是基于上下文做决策。

:point_right: 更接近真实开发过程,而不是单次问答。


:white_check_mark: 实时上下文压缩

长流程开发中,AI 常见问题是:

  • 上下文膨胀
  • 信息噪声增加
  • 推理质量下降

Game Agent 提供:

  • 上下文统计
  • 多级压缩策略(轻量 / 中度 / 深度)

效果:

  • 降低 Token 消耗
  • 保留关键语义
  • 提升长任务稳定性

:point_right: 这是支撑“持续开发”的关键能力。


面向真实开发流程的设计

为了适配复杂任务,插件还提供:

  • 多会话管理
  • 探讨模式 / 工作模式
  • 工具审批机制(关键操作需确认)
  • 技能与多智能体配置

这些设计让 AI 不只是工具,而是逐步具备“协作能力”。


当前进展

在实际演示中,Game Agent 已可以:

  • 基于素材搭建完整场景
  • 自动生成逻辑脚本
  • 运行并修复问题

例如:生成马里奥风格开始界面,并完成基础交互。

实际效果演示:arrow_down:



总结

Game Agent 的方向很明确:

从“辅助写代码” → “参与完整开发流程”

同时也可以理解为:

Creator 3.8 + Game Agent = Pink

重点不在单点能力,而在:

  • 强感知
  • 可执行
  • 可持续

插件已上架 Cocos 商城,欢迎体验:

https://store.cocos.com/app/detail/9114

3赞

会考虑出2.x吗

不考虑哈,维护成本太高了

@zwj865738120 能通过界面效果图,界面碎图自动拼出一个界面的预制吗?

可以的,用带视觉的模型就行。智能体具备编辑场景/预制体、看图能力。具体效果可能取决于模型能力以及提示词。

为啥搜索不到?

Game Agent

点连接进去哈,商城搜索有问题,一字不差的搜都排在第二页

拼场景特别费token嘛?

有没有人 用一下 感觉怎么样

你这个马里奥的素材怎么来的

支持 openrouter 的 key 配置么

支持一下生图的模型吧。
可以接

  • openai 的生图端点
  • Gemini 的生图端点
  • confyui 的端点
  • openrouter 的端点

就满足大部分(包括生图中转站和本地生图)需求了。

目前来看算比较费的,我用deep seek v4 flash一天下来几块钱到十几块钱左右。体感来讲,比纯写代码费一些。token消耗方便我也做了大量优化,例如上下文压缩、工具结果截断分页等等。后面还会继续优化token消耗,在产出效果与token消耗中间取一个平衡点,极致的省token反而会导致产出质量下降。

加企鹅群自取

最新版本已经支持了哈

生图除了接入模型,还得得做系统提示词等一些列配套工作。生图功能有规划,但暂时还没时间做。

提示词倒是简单,让你的主agent plan 一下就可以,有很多skill了。

不过如果正规化,确实要做一个 plan -----> generate —> evaluate 的循环,让主agent 去生成提示词,然后对结果进行判定是否合适。

拼图原理是啥,ai能准确识别每个散图对应大图的位置并输出对应位置json么,好像还没有这么牛逼吧

还是说有python写的牛逼的识别工具给ai调用?

靠的是大模型视觉能力,视觉能力差的效果就不好。