Автор rehan-remade опубликовал на GitHub open-source-фреймворк universal-modder под лицензией MIT, который позволяет любому ИИ-агенту для кодинга модифицировать почти любую однопользовательскую PC-игру. Репозиторий на Python создан 30 сентября 2026 года и за первые сутки собрал около 914 звёзд. Проект объединяет скиллы в формате Agent Skills, CLI-утилиту um, MCP-сервер fal и общую базу знаний, пополнение которой агенты делают сами через PR.
Что произошло
Автор rehan-remade опубликовал на GitHub open-source-фреймворк universal-modder под лицензией MIT на Python; репозиторий создан 30 сентября 2026 года и за первые сутки набрал около 914 звёзд. Проект состоит из набора скиллов в формате Agent Skills, CLI-утилиты um, MCP-сервера fal и общей базы знаний, и рассчитан на любой ИИ-агент для кодинга: Claude Code, Codex, Cursor, Gemini CLI, GitHub Copilot и любого агента, читающего AGENTS.md. Во время работы агент проходит один и тот же цикл: ищет заметки в базе знаний, определяет движок игры по одному из 12 готовых сценариев (Unity, Unreal, Godot, Source, .NET/XNA, Minecraft, Genie/AoE2, Bethesda, RE Engine, native C++ и другие), читает реальный код игры через ILSpy, Cpp2IL, Ghidra или IDA по MCP, генерирует спрайты, 3D-модели и звук через fal (GPT Image 2, Nano Banana 2, FLUX, Trellis 2, ElevenLabs), тестирует мод в запущенной игре и записывает демо-видео. Завершив сессию, агент оформляет полевую заметку и открывает PR в общий индекс базы знаний.
Контекст
Проект не вводит новую модель или метод обучения — это оркестрация уже существующих компонентов: формат Agent Skills, протокол MCP, декомпиляторы ILSpy, Cpp2IL, Ghidra и IDA, а также генеративные сервисы fal. На этом фоне выделяются два элемента с исследовательской ценностью. Первый — живая запущенная игра как исполнимая среда проверки: результат оценивается не синтетическими тестами, а работой прямо внутри приложения, что закрепляется записанным демо-видео. Второй — межагентная память опыта: каждая завершённая сессия оставляет полевую заметку и PR в общую базу знаний, поэтому наблюдения одного запуска становятся достоянием всех будущих запусков любого агента. В демо-примерах фигурируют Terraria, Stardew Valley и Age of Empires II: Definitive Edition.
Почему это важно для индустрии
Для индустрии ценен не моддинг сам по себе, а воспроизводимый шаблон: агент плюс скиллы плюс MCP плюс проверка в живой среде плюс коллективная база знаний. Тот же цикл — разведка, определение структуры системы, чтение кода, генерация ассетов, тест в реальном приложении — переносится на автоматизацию любой закрытой проприетарной системы, у которой нет и не будет API. Механика PR в общую базу знаний — редкий для агентных проектов способ конвертировать разовые сессии в накапливаемый актив, который могут использовать все команды. Для modding-сообществ это готовый каркас, снижающий планку входа: длительный ручной реверс-инжиниринг сменяется запуском агента с одного промпта. При этом предсказуемость результата распределена неравномерно: managed-стеки вроде .NET/XNA и Unity детерминированнее благодаря декомпиляции через ILSpy и Cpp2IL, тогда как native C++ через Ghidra и IDA — наименее надёжная зона, и именно там обещание «любая игра» подтверждается хуже всего.
Почему это важно для пользователей
Попробовать можно сразу: в Claude Code плагин ставится одной командой /plugin install universal-modder@universal-modder; сверх этого требуется Python 3.10+, ffmpeg и желательно ключ fal, поскольку генерация изображений, 3D-моделей и звука идёт через fal и является платной. Ставить эксперименты авторы предлагают над своими купленными играми — в демо показаны Terraria, Stardew Valley и Age of Empires II: Definitive Edition. Правила безопасности встроены в сам фреймворк: он работает только с однопользовательскими купленными играми, отказывается вмешиваться в игры с античитом и писать читы для мультиплеера, делает бэкап сохранений и запрашивает разрешение перед вводом с клавиатуры. Реальная цена попытки складывается из токенов агент-сессии и платной fal-генерации, а успешный исход на конкретной игре заранее не гарантирован.
Что пока неизвестно / ограничения
Методологии оценки у проекта нет: в источниках отсутствуют success rate по движкам, отчёты о неудачных запусках и подсчёт расходов в деньгах и токенах. Доказательная база — три курируемых демо, то есть витрина, а не выборка, что типично для capability-заявлений. Формулировки вроде «порог снижен до одного промпта» следует читать осторожно: промпт запускает процесс, но не гарантирует его результат, а функциональность подтверждается материалами самого репозитория и демо, а не независимой репродукцией. Возможные форки на другие закрытые домены, оформление моддинга игр в формальный агентный бенчмарк и накопление статистики по движениям через базу знаний — спекуляции, а не установленные факты. Юридическая сторона реверс-инжиниринга купленных игр, включая оговорки EULA и DRM, в подтверждённых источниках не раскрыта.
Источники
- GitHub — rehan-remade/universal-modder: Skills, tools and a shared knowledge base that let any AI coding agent mod almost any PC game
- Hacker News discussion: Universal Modder: Let Any AI Coding Agent Mod Almost Any PC Game
- universal-modder: knowledge base index (field notes from actual mods)
Автор
Look at AI, редакция