TinyTroupeで人狼ゲームやってみた！

Microsoft製 マルチエージェントシミュレーションライブラリであるTinyTroupeを使用して人狼ゲームのシミュレーションをおこなってみました。その時の知見を共有します。

Transcript

1. 1 / 7 TinyTroupeで 人狼ゲームをやってみた AIマルチエージェントの理想と現実 上田茂雄 / @ueponx
2. ueponx 上田 茂雄 / Ueda Shigeo @ueponx 上田茂雄 uepon日々の備忘録 所属 中京テレビ放送 ICT推進部 名城大学 非常勤講師 愛知大学 非常勤講師 京都精華大学 非常勤講師 名古屋工業大学 修士（社会工学）2026年3月修了 コミュニティ • IBM Champion 8年連続受賞（2026含む） • Nagoazu運営 Azure User Group Nagoya • SeeedJP UG運営 IoT / Maker Community Skills & Interests IBM Champion Node-RED IoT / Raspberry Pi AI / LLM RAG / GraphRAG ナレッジグラフ RDF / Neo4j MCP / AI Agent 放送システム watsonx Azure ローカルLLM
3. 2 / 7 TinyTroupeとは Microsoft製 マルチエージェントシミュレーションライブラリ LLMでペルソナを持つエージェント（TinyPerson）を作成し、 仮想環境（TinyWorld）内でエージェント同士を対話させるPythonライブラリ GitHub ★ 7,000+ MITライセンス v0.6.0（2025年） 対応 LLM OpenAI / Azure（推奨） Ollama（実験的） 想定用途 顧客インタビュー フォーカスグループ 広告評価 ✦ 本来は「善意の対話者」同士の自由な対話をシミュレーションするツール
4. 3 / 7 AI × 人狼ゲームの背景 人狼知能プロジェクト（AIWolf） • 2013年から続くAI研究のグランドチャ レンジ • 不完全情報 × コミュニケーションゲーム • 将棋・囲碁とは異なるAI課題 • 「推定＋思考」と「コミュニケーション」の 両方が必要 実験について TinyTroupeの仕組み 各エージェントは別々のAPIコールで動作 → 内部状態は分離されている ただし 非対称性をゲームとして機能させるには プロンプトや設定の十分な設計が必要 要素 完全情報ゲーム（将棋等） 人狼ゲーム 情報構造 全情報公開 非対称（役職を秘匿） コミュニケーション 不要（手を指すのみ） 自然言語での議論が必須 求められる能力 探索・評価 推理・欺瞞・説得
5. 4 / 7 ローカルLLMへの切り替え デフォルト構成 OpenAI API Azure OpenAI （クラウド型LLM） 壁にぶつかる 従量課金コスト レート制限（TPM） 429エラー頻発 ローカルに変更 Ollama + gpt-oss:20b WSL2 + RTX 4090 → → 技術的なポイント • TinyTroupe v0.6.0のOllamaクライアントにバグ → OpenAI互換モード（/v1）で回避 • WSL2からWindows側Ollamaへの接続: ip route でホストIP取得 + OLLAMA_HOST=0.0.0.0 • 環境切り替えスクリプト: source ollama_activate_env.sh でconfig.ini自動生成 • RTX 4090版: WSL2上にOllamaをインストール、ローカルGPUで直接推論（レート制限なし）
6. 5 / 7 盛大に失敗した結果 ゲーム文脈が崩壊 「人狼」を哲学的な「人間とは何か」と解釈。 風や雨について詩的に語り始める。 投票が完全に破綻 宮崎駿・宮本武蔵・山田太郎に投票。 ゲーム参加者の名前を挙げられない。 同調・オウム返しの連鎖 全員「観察しましょう」で合意し続ける。 対立・疑惑・反論が一切発生しない。 役職行動の欠如 人狼が嘘をつかない。占い師が占わない。 3人の発言を入れ替えても違和感なし。 3回の試行すべてで人狼ゲームとして成立する議論は実現できなかった
7. 6 / 7 構造的な課題 情報の非対称性を活かす設計の不足 各エージェントは別々のAPIコールで動作し、内部状態は分離されている。しかし、その非対称性をゲームとして機能 させるには、プロンプトや設定の十分な設計が必要。デフォルトの仕組みだけでは不十分だった。 ハルシネーション＋同調 他エージェントの発言に引きずられ 全員が同じ方向に流れる。 対立構造が生まれない。 トークン消費が膨大 1エージェント1回: 5,000〜7,000トークン 3人最小構成の1日分: 約54,000トークン 5人3日間: 約462,000トークン レート制限の壁 → ローカルGPU必須の領域 バックエンド レート制限 評価 Ollama Cloud（Free） 日次上限あり / 429頻発 マルチエージェントには不向き OpenAI API（Tier 1） 200K TPM 3人が限界、5人は困難 ローカルGPU（RTX 4090） 制限なし TinyTroupeに最適
8. 7 / 7 まとめ・学び 01 人狼ゲームには 十分な設計が必要 各エージェントの内部状態は 分離されているが、非対称性を 活かすにはプロンプトの作り込み が不可欠。 02 マルチエージェント = トークン爆発 エージェント数 × ターン数 × トークン数でコストが乗算的に 増加。ローカルGPUが必須。 03 TinyTroupeの 得意・不得意 協調的な自由対話には最適。 対立・欺瞞・ルール進行の ゲームには設計が合わない。 今後について • 独立エージェント間の対戦構造で真の駆け引きを実現 • ハイブリッドアプローチの検討 … ルールベース（戦略判断）＋ LLM（自然言語生成）の組み合わせ