2026-06-01 回顧
今日やったこと
今日は Godot プロジェクトを直接実行してマップ生成結果を確認し、その過程で AI コーディングツールが実際のゲーム開発作業にどれだけ追従できるかを再テストした。
また、個人の秘密リポジトリにウェブリサーチ MCP を別途カスタムした。デフォルトの web-search-mcp をそのまま使うのではなく、私が求める検索フローと出力に合わせて調整しようとした試みだった。デザイン、Godot、最新ドキュメントのように常に変化する情報を扱うときは、検索ツールがほぼ必須だと感じた。
テストしたツール
Qwen Code、Codex、OpenCode をすべてテストした。
結論から言うと、どれも期待通りに安定してはいなかった。Qwen Code は繰り返し同じ回答が頻繁に出た。同じ計画を立て、同じファイルを探し、失敗したパスを再び信じるフローが繰り返された。ドキュメント通りに設定しチューニングしなければ、どのモデルを付けてもこの繰り返し問題は簡単に改善されないようだ。
Codex と OpenCode は Qwen Code よりツール呼び出し自体は改善された部分があったが、Godot の作業コンテキストを深く理解できなかったり、画像解析がうまくできなかったりした。回答が途中で途切れたり、自ら計画を立てようとして計画をうまく立てられず、サブエージェントを呼び出したが「リサーチ」と称してファイルシステムを参照するという奇妙なフローもあった。
Qwen Code でなければ web-search MCP 連携がうまくいかない感じもあり、途方に暮れた。逆に Qwen Code は MCP を使っても繰り返しと状態解釈の問題が残った。
モデル実験
他のモデルは Godot の最新バージョンより過去バージョンのコードパターンを提案する傾向があり、Godot 専用に近いモデルを探すうちに Hugging Face の bekoozkan/godot-gemma-4-e4b-it-GGUF モデルを試した。
Godot を少しでも理解してくれることを期待したが、実際には限界が大きかった。モデルパラメータが小さすぎて、長い文脈をうまく理解できなかった。
特に画像確認が重要な作業ではフラストレーションが大きかった。マップが変に見えるか、どこが不自然か、実際の画面を見て判断しなければならないのに、モデルは画像を安定して解釈できなかった。ゲーム開発ではコードが正しいだけで終わらず、画面が自然かどうかが重要だが、この点で AI ツールはかなり揺らいだ。
Godot 作業で感じた問題
Godot はモデルが思った以上に知らない領域だった。最新の文法、シーン構造、エディタの動作、リソースパス、実行結果の確認がすべて結びついているのに、複数のモデルはコードの一部だけ見て過去の知識で答えるケースが多かった。
今日実際に行った作業は結局 Godot を動かしてマップが変に見える問題を確認する程度だった。しかしその周辺でツール設定、MCP 接続、モデル交換、サンドボックス問題、画像解析問題にずっと触れ続けた。実際のゲームよりもツールを扱う時間の方が長くなった。
残った感情
正直この分野は自分に合わないと思った。
AI ツールを上手く組み立てれば開発が楽になると期待したが、実際にはツールが状態を失ったり、繰り返したり、ファイルを間違えて探したり、画像を見れなかったり、古いコードだけを提案したりすることをずっと確認しなければならなかった。作りたいのはゲームなのに、ツールの限界をデバッグし続けていた。
それでも得られたものはある。ウェブリサーチ MCP は必要で、Qwen Code はドキュメント通りに強くチューニングすべきで、Godot 作業は必ず実際の実行画面検証と合わせて行うべきだ。LLM に計画と実行をすべて任せるより、人やスクリプトが検証ループを担い、LLM は草案と補助判断に使う方が現実的だ。
明日からは結局自分でファインチューニングしなければならないと思う。一般モデルや公開されている Godot 特化モデルをそのまま貼り付けるだけでは、欲しい Godot バージョン、作業フロー、画面検証フローを十分に追従できなかった。必要な例と失敗ケースを自分で集め、作業スタイルに合ったデータセットを作る方向に進むべきだと思う。
次に残す基準
- Godot 作業は実行画面の確認がなければ完了とみなさない。
- 画像ベースの判断が必要な作業はモデルの回答だけを信じない。
- 明日からは Godot 作業パターンと失敗ケースを集めて直接ファインチューニングする準備をする。
- Qwen Code は繰り返し防止設定と MCP 設定を先に終えてから使用する。
- Codex、OpenCode は Godot コンテキストと画像解析が弱いという前提で扱う。
- モデルが計画を立てられずツール呼び出しだけを繰り返す場合は即座に中止する。
- ウェブリサーチは引き続き必要だが、検索結果をコード作業に結びつける判断は別途検証する。