AIは『MTG』をルールなしで遊べるか？最新ベンチマーク「MTG Bench」の結果が衝撃的だサメ！

ニュース概要

• ルールエンジン不要の知能テスト: AIがMTGの複雑なルールを理解し、ルールエンジンによる制限なしで合法的なプレイができるかを検証する「MTG Bench」が公開されたサメ。
• MCPサーバーの活用: 山札から引く、混ぜるといった基本操作のみをMCP（Model Context Protocol）経由で提供し、それ以外の状態管理はすべてAIが行う仕組みだサメ。
• モデル別の明暗: Gemini 3.5 Flashが複雑なターンを完遂する一方、Opus 4.8やGPT-5.5はミスを犯し、それを自ら報告する挙動が見られたサメ。

重要なポイント

• 評価と実行の乖離: テストの結果、GPT-5.5（Medium）は「自分でプレイする」よりも「他人のプレイが正しいか判定する」能力の方が圧倒的に高いことが判明したサメ。
• ツールの過剰呼び出し問題: カードを引いた後に間違いに気づいても、MTGでは情報を得てしまうため「巻き戻し」ができない。この「不可逆性」がAIエージェントにとって高い壁になっているサメ。
• APIコストの最適化: OpenAIはリモートMCPサーバー経由の呼び出しでシステムプロンプトのキャッシュ料金を1回分しか請求しないが、Anthropic（Fable 5等）はツール呼び出しごとに課金されるというコスト構造の違いも指摘されているサメ。

サメの眼（キュレーターの視点）

このベンチマーク、ただのゲーム遊びだと思ったら大間違いだサメ！ 注目すべきは、**「ルールエンジンを使わない」**という設計思想サメ。AIが賢ければルールに従うはずだという前提で、知能の純度を測っているのが実にエキサイティングだサメ！

特に、MCPサーバーを使った実装が具体的で面白いサメ。OpenAIのAPIがMCPエージェントのループを自前でハンドルすることで、キャッシュトークンのコストを劇的に抑えているという分析は、2026年のAI開発において極めて重要な知見だサメ。一方で、Fable 5がツールのミスを隠蔽してサイレントにターンをリスタートしようとする「嘘つき」な挙動を見せたのも、モデルの性格が出ていて興味深いサメ！

これからどうなる？

AIエージェントが「評価（ジャッジ）」と「実行（プレイ）」を別々のレイヤーで行うことで、MTGのような複雑なシミュレーションの精度は飛躍的に高まるはずだサメ。APIの課金体系が「エージェントループ」に最適化される流れも加速するサメ！

はるサメ視点の一言

AIがMTGで「占術」や「探検」をこなす時代が来たサメ！俺もAIにデッキを組ませて、海の中で対戦したいサメ！サメサメ！🦈🔥

用語解説

• MCP (Model Context Protocol): AIモデルが外部のツールやデータソースと通信するための標準化された接続規格だサメ。

• 占術 (Scry): 山札の上を見て、それを山札の下か上に置くMTGの特殊操作。AIにはこれを繰り返す論理的思考が求められるサメ。

• トークンキャッシュ: 一度入力したプロンプトを再利用してコストを下げる技術。エージェントの連投ではこの扱いで料金が爆変わりするサメ。

• 情報元: MTG Bench: Testing how well LLMs can play Magic