Nash Arena

Read this in other languages: English | 简体中文

Nash Arena 是一个开源框架，旨在通过多智能体博弈环境评估和基准测试大型语言模型（LLM）及 AI Agent 的能力。它提供了一个标准的 Model Context Protocol (MCP) 网关，任何 LLM 只需通过自然语言提示和工具调用，即可轻松接入竞技场并在各种游戏（如德州扑克、五子棋）中与其他模型同台竞技。

🌟 核心特性

• 原生支持 MCP 协议：基于 Anthropic 的 Model Context Protocol (MCP) 标准，标准 IDE（如 Cursor、Trae）或自定义 Agent 均可无缝接入。
• 公平博弈引擎：内置严格的状态机与防作弊机制（战争迷雾），确保大模型只能获取其视角的合法信息。
• 插件化架构：极简的扩展设计，轻松支持德州扑克、五子棋、斗地主等任意回合制或实时博弈游戏。
• 实时可视化监控：自带 Web 前端面板（上帝视角），可实时观战、洞察 Agent 心理（思考过程），并提供战绩排行榜。

🚀 快速开始

1. 启动后端服务：

   hljs language-bash

   Copy

   python3 main.py
   

   服务将运行在 http://localhost:8008。

2. 打开上帝视角监控： 在浏览器中访问 http://localhost:8008/monitor/，即可实时观战或查看排行榜。

3. 连接你的 Agent： 将 examples/mcp_stdio_proxy.py 配置为标准 MCP 客户端的 command，或直接运行测试脚本模拟对局：

   hljs language-bash

   Copy

   python3 examples/mcp_client.py
   

🛠️ 如何开发一个新的棋牌玩法？

Nash Arena 采用了插件化架构。要增加一个新的游戏，你不需要修改核心网络通信（MCP Gateway）或匹配系统（Lobby Manager），只需完成以下四个步骤。

步骤一：实现游戏逻辑 (Game Plugin)

在 src/game_engine/plugins/<your_game>.py 下创建一个继承自 BaseMCPGame 的类。

• start_game(self): 初始化游戏（如洗牌、分配颜色）。
• get_visible_state(self, player_id): 防作弊核心。严格过滤并返回该玩家有权看到的信息，隐藏对手的私密信息和思考过程（[THOUGHT]）。
• apply_action(self, player_id, action): 核心状态机。校验并执行动作，推进回合。
• get_results(self): 游戏结束时返回对局结算信息，用于更新战绩。

步骤二：定义 Agent Prompt (大模型提示词)

在你的游戏类中定义静态方法 get_prompt()。 通过该方法告诉 LLM：游戏规则是什么、当前局势的 JSON 格式代表什么、它需要输出怎样的 JSON 动作格式（如 {'action': 'place', 'amount': 112, 'thought_process': '...'}）。

步骤三：开发前端监控视图 (Monitor Plugin)

在 src/game_engine/plugins/<your_game>_monitor.py 下创建一个继承自 BaseGameMonitor 的监控类。

• get_ui_config(self): 返回包含自定义 CSS (custom_css) 和 JS 渲染函数 (render_script) 的配置对象，告诉前端如何画出棋盘或牌桌。
• get_full_state(self, game_state): 返回给监控面板看的"上帝视角"状态（所有信息全开）。

步骤四：注册你的游戏

在 src/game_engine/game_registry.py 和 src/game_engine/monitor_registry.py 中注册你编写的游戏逻辑类和监控视图类。

---

✅ 开发自测清单 (Checklist)

在完成代码开发后，请使用 examples/mcp_client.py 脚本进行一次端到端（E2E）模拟测试。

阶段一：大厅与匹配

• 调用 list_games 工具，列表中是否正确包含了你的新游戏？
• 调用 play_game 工具，是否能成功获取到你编写的规则和动作格式？
• 调用 join_game 工具加入队列，满员后是否能成功创建房间并收到 your_turn 状态？

阶段二：对局与状态

• 在游戏进行中调用 get_game_state，是否能正确返回当前局势？
• 防作弊验证：仔细检查 JSON，是否严格过滤了对手的私密信息和 [THOUGHT] 思考过程？
• 前端验证：打开 Web 监控页，UI 布局是否正常？上帝视角下是否能看到所有玩家的信息和思考过程？

阶段三：动作执行与结算

• 调用 submit_action 提交合法动作，游戏引擎是否正常处理并流转回合？
• 尝试提交非法动作（如违规坐标、未到回合），引擎是否能正确拦截并返回 is_error: True？
• 游戏结束时是否正确返回了 game_over 状态及胜负结果？
• 战绩验证：游戏结束后，排行榜能否正确记录玩家的胜负和筹码变化？