Anthropic publicó el 6 de noviembre de 2026, en su sección de investigación, un trabajo titulado «Project Eve: Claude Plays MMORPGs». La premisa es que Claude juega a un MMORPG (massively multiplayer online role-playing game, juego de rol multijugador masivo en línea): mundos persistentes, en tiempo real y compartidos con miles de jugadores humanos. Cuando el enlace llegó a Hacker News sumaba 4 puntos y 0 comentarios, así que la comunidad apenas ha empezado a digerirlo. Project Eve importa a quien construye agentes con Claude por una razón: un MMORPG es probablemente el entorno más hostil en el que se puede poner a un agente fuera de un laboratorio. Hay horizontes de tarea larguísimos, información incompleta, otros actores impredecibles y consecuencias que no se pueden deshacer con un Ctrl+Z. En este artículo separamos lo que la fuente confirma de lo que todavía no sabemos, lo situamos junto a los experimentos anteriores de Anthropic con Claude como agente y proponemos cómo montar tu propio banco de pruebas.
¿Qué ha cambiado con Project Eve?
Lo verificable es concreto. Según el blog de investigación de Anthropic, el proyecto se llama Project Eve y su objeto es que Claude juegue a MMORPGs. Está publicado bajo la ruta /research/, no en la sección de producto, lo que indica que se trata de un experimento de investigación y no de una funcionalidad que vayas a encontrar mañana en la API.
El material disponible no permite confirmar qué juego concreto se usó, qué versión de Claude participó, cuántas horas jugó ni con qué métricas se evaluó el rendimiento. No vamos a rellenar esos huecos. Si planeas tomar decisiones técnicas a partir de Project Eve, lee el post original y busca esas cifras antes de citarlas.
Lo que sí podemos hacer es comparar con los precedentes conocidos. Anthropic ya había usado juegos como banco de pruebas con Claude Plays Pokémon, un experimento en el que Claude jugaba a un título para un solo jugador, por turnos y sin presión de tiempo. También publicó Project Vend, en el que Claude gestionaba una pequeña tienda real. El salto de Pokémon a un MMORPG añade tres dimensiones nuevas:
- Tiempo real: el mundo no espera a que el modelo termine de razonar.
- Multijugador: hay otros agentes, humanos, con objetivos propios.
- Persistencia: las acciones dejan huella en un mundo compartido.
Nuestra lectura: si Pokémon medía planificación a largo plazo en un entorno cerrado, un MMORPG obliga a medir algo más cercano a la producción real, que es actuar bajo latencia, incertidumbre y con terceros afectados por cada decisión.
Qué significa Project Eve para los builders de agentes con Claude
La mayoría de quienes leen este portal no van a desplegar un bot en un MMORPG, y conviene que no lo hagan: muchos juegos online prohíben expresamente la automatización en sus términos de servicio. El valor de Project Eve está en los problemas que expone, que son los mismos que aparecen en cualquier agente serio:
- Memoria en sesiones largas. Un agente que juega durante horas acumula más contexto del que cabe en la ventana. Hay que decidir qué se resume, qué se guarda en memoria externa y qué se descarta, igual que en un agente de soporte que lleva un caso durante semanas.
- Bucle percepción-acción. Leer el estado del mundo, decidir y ejecutar una herramienta es el mismo loop que describimos al analizar el stack real de un agente de código; cambia el entorno, no la arquitectura.
- Coste y latencia. Cada turno del bucle es una llamada a la API. En tiempo real, la frecuencia de decisiones dispara la factura: conviene combinar un modelo rápido para acciones reflejas y uno más capaz para planificar.
- Interacción con humanos. Un agente que chatea con desconocidos necesita guardrails claros sobre lo que puede decir y prometer.
Hay casos de uso legítimos que heredan estas lecciones: QA automatizado de videojuegos en entornos propios, NPCs con comportamiento más rico en servidores de prueba o simulaciones de usuarios para validar productos. Todo ello debe convivir con las políticas de uso: recuerda que Anthropic ya ha marcado límites cuando Claude bloquea el clonado de videojuegos y la ingeniería inversa, así que el terreno del gaming tiene reglas propias.
Análisis propio: el patrón de Anthropic es usar entornos lúdicos para estresar capacidades agénticas que luego aparecen en producto. Para un builder, la pregunta útil no es «¿juega bien Claude?», sino «¿qué mecanismos de memoria, recuperación de errores y control humano necesitó para aguantar?».
Cómo empezar: montar tu propio entorno de pruebas para agentes
No necesitas un MMORPG para replicar el espíritu de Project Eve. Un entorno de juego propio y controlado es una herramienta excelente para evaluar agentes antes de soltarlos en producción:
- Elige un entorno local que controles: un juego de texto, un simulador o un servidor privado de pruebas.
- Expón el estado como herramienta (tool use, la capacidad de Claude de invocar funciones que tú defines) y las acciones como otras herramientas.
- Limita los turnos y registra cada paso para poder auditar decisiones.
- Añade memoria externa cuando el historial supere tu presupuesto de tokens.
Un esqueleto mínimo en Python con el SDK oficial de Anthropic:
import anthropic, os
client = anthropic.Anthropic()
MODEL = os.environ["CLAUDE_MODEL"] # usa el id vigente en la documentación
tools = [
{"name": "ver_estado", "description": "Devuelve el estado actual del juego",
"input_schema": {"type": "object", "properties": {}}},
{"name": "actuar", "description": "Ejecuta una acción en el juego",
"input_schema": {"type": "object",
"properties": {"accion": {"type": "string"}}, "required": ["accion"]}}
]
mensajes = [{"role": "user", "content": "Objetivo: llega a la ciudad sin perder vida."}]
for turno in range(20): # límite duro de turnos
r = client.messages.create(model=MODEL, max_tokens=1024,
tools=tools, messages=mensajes)
mensajes.append({"role": "assistant", "content": r.content})
if r.stop_reason != "tool_use":
break
resultados = [ejecutar_herramienta(b) for b in r.content if b.type == "tool_use"]
mensajes.append({"role": "user", "content": resultados})La función ejecutar_herramienta conecta con tu entorno y devuelve bloques tool_result. Si quieres exponer ese entorno a varios clientes de forma estándar, MCP (Model Context Protocol), el protocolo abierto para conectar modelos con herramientas y datos, es el siguiente paso natural. Si este terreno te interesa, puedes aprender a orquestar agentes con herramientas y MCP antes de pasar a entornos más complejos. Y para ver muchos agentes a la vez, proyectos como una ciudad 3D para ver tus agentes muestran que la observabilidad también puede ser visual.
Conclusión: un banco de pruebas más exigente para agentes
Project Eve confirma una tendencia clara en la investigación de Anthropic: los juegos son laboratorios baratos para estresar a Claude como agente, y cada experimento sube la dificultad, de un juego por turnos a una tienda real y ahora a mundos multijugador persistentes. Lo que aún no sabemos son las cifras: juego, modelo y resultados. Nuestro insight es que el mayor aprendizaje no estará en la puntuación, sino en la infraestructura que rodea al modelo: memoria, límites, supervisión. Es lo mismo que separa una demo de un agente en producción. Si ya construyes con Claude, la acción de hoy es montar un entorno controlado y medir cómo se degrada tu agente en sesiones largas; experimentos como jugar con la IA fuera del código serio demuestran que también se aprende así. Seguiremos Project Eve y Claude en MMORPGs cuando haya más datos.
Comparte este artículo si te fue útil.
