MTG、遊戲王都碰過 TCG AI，這裡的工具為什麼選 agent 不是強化學習

本站評估牌組、對戰時提供建議的那套知識庫，運作方式是一個讀卡面文字、給引用出處的 agent（見開源說明），不是一個訓練出來的強化學習模型。這不是隨手決定的。TCG 的 AI 研究其實已經有十幾年歷史，MTG 跟遊戲王都有真正做過的專案跟論文。這篇把那些找出來，說明「為什麼是 agent」這個選擇是怎麼推出來的。

MTG 那邊：一套規則引擎撐了十幾年，AI 研究才剛開始追上

MTG 最重要的基礎設施是 Forge：一套開源、非官方的 Java 規則引擎，社群開發超過十年，實作了遊戲絕大多數的規則與卡片互動，內建的 AI 對手是規則式（rule-based）寫死的邏輯，不是學出來的。它的存在很關鍵：任何後續的 MTG AI 實驗，都得先站在一套「能跑對局」的引擎上，而 Forge 是這十幾年來少數真正做到這件事的專案。

學術界的強化學習研究直到最近才追上來。2026 年一篇論文《Causal Reinforcement Learning for Complex Card Games: A Magic The Gathering Benchmark》指出，因果強化學習長期缺少合適的測試環境：

這篇論文用 MTG 搭出的測試環境，觀察空間有 3,077 維、動作空間是 478 個選項的遮罩離散空間，涵蓋五套競技標準賽制的原型。結論是遮罩 PPO 與論文自己提出的因果方法表現相近，都贏過隨機基準。但論文沒有拿真人玩家的水準做對照，範圍也只鎖在五套固定原型內。換句話說，這是一個關起門來的強化學習測試場，不是一個真的會打贏人類的 MTG AI。

遊戲王那邊：連強化學習都得先讓語言模型幫忙讀卡面

遊戲王這邊進度領先不少，關鍵是它有 ygopro-core：一套成熟的開源遊戲引擎，讓 ygo-agent ↗ 這個專案可以在上面蓋一個高效能的強化學習環境（ygoenv，架在 envpool 之上）。專案目標寫得很明白：

但有意思的地方在於，這個以強化學習為核心的專案，還是得靠語言模型處理卡面文字：

每一張卡的效果都是獨一無二的自然語言敘述，這件事逼得一個以強化學習為主體的專案，還是得繞去用語言模型幫忙理解卡面。這正是 TCG 跟圍棋、西洋棋這類「規則固定、狀態空間雖大但可枚舉」的遊戲最根本的差異。目前 ygo-agent 已發布約 1 億局等級訓練出的模型、2024 年 7 月在 Neos 上線人機對戰功能，但分散式訓練仍標記待辦、支援卡池有限，也還沒有 EDOPro、MCTS 或 BO3 賽制支援。

Riftbound 現在有的，跟 Forge、ygopro-core 不是同一種東西

Riftbound 確實有一個規模不小、真的有人在用的線上對戰工具：Rift Atlas（play.riftatlas.com）。但查證下來，它的技術性質跟 Forge、ygopro-core 不一樣：它是玩家手動操作、軟體提供共用畫面的虛擬桌面，不是自動判定規則、自動結算效果的引擎。頁面上的「Solo Play」寫的是玩家自己「control both sides of the game」，也就是自己打自己練牌，沒有 AI 對手；「Rewind」功能的說明是讓玩家在操作出錯後「instead of rebuilding the game by hand」復原，這個措辭本身就暗示規則判定是玩家自己在腦中執行，軟體不負責。「Auto-pay」也只處理資源支付這種例行小事，不是全套規則自動化。這類工具的定位更接近 Tabletop Simulator 或 Pixelborn，是給真人遠端對戰用的桌面，不是能讓程式自我對弈、產生訓練資料的引擎。

它的法律地位也有一塊模糊：Rift Atlas 的條款寫明是依 Riot 通用的「Legal Jibber Jabber」粉絲政策運作；但 Riot 官方開發者文件裡，對取得 API 金鑰核准的 app 在「Implementation of Riftbound cards」這節寫的是：

這兩份政策具體怎麼互相適用，不是這篇能下定論的事。但至少可以說：Riftbound 這邊的線上工具，不管是虛擬桌面還是規則引擎，全部都站在跟 Forge、ygopro-core 當年一樣的「非官方粉絲專案」位置上，沒有一個是官方認證的基礎設施。

至於真正朝「確定性規則引擎」方向做的嘗試，查到的是 Mercantec-GHC/riftbound-tcg ↗：一個 React 前端＋ASP.NET Core 後端的專案，目標是可測試、可重現的規則引擎。專案自己標明狀態：

目前只做到「抽牌、打出簡單單位、移動到戰場、計分、判定勝負」這個第一里程碑，尚未支援完整的伺服器權威式多人對戰，沒有任何 AI 對手或訓練環境，0 star、0 fork。把 Rift Atlas（虛擬桌面，人在跑規則）跟這個原型（規則引擎，還沒跑起來）放在一起看，Riftbound 現在沒有一個等同 Forge 或 ygopro-core 的東西。那種要先花上數年、由社群一點一滴堆出來、而且真的能拿來讓程式自我對弈的規則引擎基礎設施，這款遊戲還沒有。

為什麼是 agent，不是等一個模擬器

MTG 跟遊戲王的 AI 研究都建立在一個前提上：先有一套能跑對局的引擎，才能訓練強化學習模型。Riftbound 還沒有這個前提，前面兩節查到的事實擺在那裡：Forge 花了十幾年，ygopro-core 背後是遊戲王規模大得多的社群，Riftbound 以現在的規模，短期內不太可能複製這個過程。

agent 形式（讀卡面文字、用工具查規則、給引用出處）不需要先蓋好一套模擬器才能開始有用，這是它現在被選中的直接原因。但誠實地說，這條路也不是沒有代價。2026 年一篇評測 LLM agent 打寶可夢集換式卡牌遊戲的論文《PTCG-Bench》給出的結論很中性：

「表現還可以，但沒辦法穩定自我進化，而且很吃工具怎麼搭」。這正是本站的 player2-agent 模式為什麼每一步都要真人確認才算數，不是自動下場打牌：現在這個階段，agent 能做的是把候選行動跟理由攤開來，決定權留給人，而不是假裝它已經解決了這個問題。

另一個支持這個選擇的參考點是 Voyager：2023 年那個在 Minecraft 裡用 LLM 做開放世界探索的知名專案。它明講了傳統強化學習在這類任務上的侷限：操作原始動作（primitive actions）在系統性探索、可解釋性與泛化能力上都吃力，而 LLM agent 能借助預訓練模型裡的世界知識，產生一致的行動規劃。Voyager 把「程式碼」當成它的動作空間，而不是底層操控指令，這跟 agent 用結構化的工具呼叫（查規則、查卡池、查禁卡表）當動作空間，是同一個方向的設計選擇。

野望：現在寫的東西，會不會是以後用得上的資料

以下是本站自己的判斷，不是已經公開的路線圖。ygo-agent 需要靠語言模型把卡面文字轉成強化學習模型看得懂的向量，這件事說明了一件事：就算以後 Riftbound 真的有了自己的 ygopro-core，卡面文字這一關還是繞不過去。現在這套知識庫在做的事，是把每一位傳奇的原型、勝利路線、規則互動用可查證的方式寫下來。這件事如果撐得夠久，很可能就是以後任何一個更自動化系統會需要的那批「先讀懂卡面在說什麼」的材料，不管那個系統最後長什麼樣子。

站上這個 skill 的介紹裡有一句話標得很清楚：目前不提供自動化規則執行或模擬器，更自動化的對戰形式（內部代號 P2-S）目前只是規劃中，還沒做出來。這篇要講的判斷是：現在這個階段，跳過模擬器直接讓 agent 讀卡面文字、真人確認每一步，才是這款遊戲現在的規模與成熟度撐得住的做法。