world-of-claudecraft-mcp

一个 MCP server 适配器，让 LLM agent（如 OpenClaw）完全接管并自己玩 World of ClaudeCraft。

它把游戏官方的 headless 环境（headless/env_server.ts，NDJSON over stdio）包成一组 MCP 工具。LLM 当 policy：读状态 → 决策 → 执行动作，循环往复，直到一局结束。

• 游戏内核（Sim）是官方同一个，无需重写任何游戏逻辑。

• 观测向量（数值）被解码成 LLM 能读懂的文字：血量/蓝量/等级/朝向、当前目标、 5 个最近怪物、可交互物、任务进度、每个技能的就绪/冷却。

• 动作是命名枚举（来自游戏的 ACTIONS 列表），LLM 直接选名字，不用猜整数。

1. 前置：构建游戏的 headless 环境

这个 MCP server 本身只是个"翻译层"，它要 spawn 游戏编译出的 env_server.cjs。 所以先在**你的机器（Mac 推荐）**上把游戏的环境构建出来：

git clone https://github.com/levy-street/world-of-claudecraft
cd world-of-claudecraft
npm install
npm run build:env          # 产出 dist-env/env_server.cjs
node dist-env/env_server.cjs --bench   # 可选：跑个吞吐基准验证能起来

Related MCP server: agent-skill-loader

2. 构建这个 MCP server

cd world-of-claudecraft-mcp
npm install
npm run build              # 产出 dist/index.js

3. 接进 OpenClaw 的 MCP 配置

把下面这段加进 OpenClaw 的 MCP servers 配置（路径改成你机器上的绝对路径）：

{
  "mcpServers": {
    "world-of-claudecraft": {
      "command": "node",
      "args": ["/ABS/PATH/TO/world-of-claudecraft-mcp/dist/index.js"],
      "env": {
        "WOC_ENV_SERVER": "/ABS/PATH/TO/world-of-claudecraft/dist-env/env_server.cjs"
      }
    }
  }
}

也可以设环境变量 WOC_ENV_SERVER 指向 env_server.cjs，不写进配置。

4. 让 OpenClaw「自己玩」

LLM 就是玩家。给它这套系统提示词 / 操作规程，它就会自主循环：

你是 World of ClaudeCraft（类魔兽世界经典版的 MMO）的玩家。用 wow_* 工具自主游玩， 不要等人类一步步指令，自己读状态、自己决策、自己执行。

循环：

1. 调用 wow_reset 开新的一局（可选 seed 以复现）。

2. 反复执行：调用 wow_state 读当前局面 → 决定接下来 1~10 个动作 → 用 wow_play([...]) 一次性执行这批动作。

3. 当某次返回 terminated=true 或 truncated=true 时，这一局结束， 调用 wow_reset 开下一局，或调用 wow_close 收工。

生存本能： HP 低（看 HP%）就 eat_drink；附近有敌对怪物就 target_nearest 然后 attack；技能就绪（ability_N 在 ready 列表里）且合适就放； 有可交互物（corpse/object/quest）就 interact 去拾取/接任务/交任务。

目标优先级： 活着 > 完成/交付任务（升级拿 XP）> 击杀练级。 forward/turn_left/turn_right/strafe_* 用来走位接近或拉开距离。

动作速查（来自 wow_list_actions）

5. 成本与收敛提醒

• 默认每个 env step = 5 个 sim tick（约每秒 4 次决策）。每次 wow_step 都是一次 LLM 调用。 一局最长 8000 步 → 最多 8000 次调用，单局成本不低。 务必用 wow_play([...]) 批量执行（一次 LLM 调用推进多步），而不是一步步 wow_step。

• 想更省：可在 wow_reset 的 config 里调大 frameSkip（每步推进更多 tick，决策更稀疏）， 或调小 maxSteps。

• 环境是确定性的：同 seed + 同动作序列 = 完全可复现，方便调试 agent 行为。

6. 文件结构

world-of-claudecraft-mcp/
├── src/
│   ├── index.ts        # MCP server：暴露 wow_* 工具
│   ├── env_client.ts   # spawn env_server.cjs 的 NDJSON stdio 客户端
│   └── obs_decode.ts   # 把数值观测向量解码成 LLM 可读文字（依据 src/sim/obs.ts）
├── package.json
├── tsconfig.json
├── openclaw-mcp-config.json   # 直接抄进 OpenClaw MCP 配置
└── README.md

7. 本地冒烟测试（无需构建完整游戏）

想先验证适配器本身（客户端往返 + 观测解码）不依赖完整游戏，可用仓库里的 mock：

npm run build
WOC_ENV_SERVER="$(pwd)/mock_env.cjs" node test_run.mjs

它会打印解码后的可读状态，确认动作/目标/怪物/任务都被正确还原。

已知限制 / 可增强

• 技能在观测里是 ability_1..N（按学会顺序的槽位），没有映射成真实法术名 （如 "Heroic Strike"）。想让 LLM 知道每个槽位是什么技能，可额外读 src/sim/content 的职业技能表做一层名字映射。

• 仅接了 headless 离线环境（和真实 Sim 同源，但是单人对练，不是线上服）。 想上 worldofclaudecraft.com 和真人同场，需要另写 WS/REST 客户端（并注意反 bot / ToS）。