Aura, 게임 자동 플레이테스트 AI 에이전트 'Autopilot' 오픈소스 공개

게임 개발 과정에서 가장 지치고 소모적인 단계를 꼽자면 단연 수작업 플레이테스트입니다. 충돌 판정 오류나 퀘스트 중단 같은 버그 하나를 잡기 위해 같은 스테이지를 수십 번씩 반복 플레이하는 일은 시간도 오래 걸리고 사람의 집중력에도 한계가 있습니다.

개발팀 Aura가 게임을 직접 플레이하며 학습하고 버그를 찾아내는 실시간 자동 플레이테스트 시스템 'Autopilot'을 Apache 2.0 라이선스 기반 오픈소스로 공개했습니다.

플러그인 설치 후 프롬프트 한 줄이면 테스트 시작

Autopilot은 Windows 및 macOS 환경에서 주요 게임 엔진 플러그인 형태로 동작합니다. 언리얼 엔진 5(5.4부터 5.8까지 지원하며 Windows 소스 빌드 대응), 유니티 6(v6000.0 이상), 고도 4(v4.7 이상)를 폭넓게 지원합니다.

기존처럼 복잡한 테스트 스크립트를 일일이 짤 필요 없이 자연어 프롬프트로 목표를 지시할 수 있습니다. 지시 유형은 크게 네 가지로 나뉩니다. 특정 스테이지의 조합 시스템을 파헤치는 '탐색', 현재 레벨 전체를 돌며 이상 현상을 찾는 '테스트', 도끼로 나무를 쳤을 때 흔들리는지 확인하는 '검증', 체력을 20% 이상 남기고 보스를 잡으라는 식의 '목표 달성'입니다.

엔진 에디터에서 주황색 컨트롤러 아이콘을 눌러 직접 실행할 수도 있고, MCP 프로토콜을 통해 Claude Code나 Codex에 연동할 수도 있습니다. 터미널에서 연결 명령어만 실행해 두면 코딩 어시스턴트 창에서 바로 게임 테스트를 지시할 수 있는 구조입니다.

소스 코드를 직접 읽고, 플레이할수록 실력이 는다

명령을 받으면 Autopilot은 에디터 내 실행(PIE) 창을 띄우고 본격적인 테스트에 들어갑니다. 흥미로운 점은 LLM 코딩 에이전트가 프로젝트 소스 코드를 직접 읽고 게임 환경을 분석한 뒤, 의사결정 모델이 게임을 조작할 수 있도록 맞춤형 하네스 코드를 직접 작성한다는 것입니다.

실제 조작은 의사결정 모델이 실시간으로 판단을 내려 수행합니다. 처음 몇 번의 플레이는 다소 어색할 수 있지만, 플레이가 누적되면서 프로젝트 메모리가 쌓입니다. 처음 연동할 때 10분간의 자율 탐색을 실행해 기초 데이터를 채울 수도 있습니다. 회차를 거듭할수록 회피 타이밍이 빨라지고, 더 좋은 장비를 찾아 착용하며, 조준 실력이 눈에 띄게 정교해집니다.

테스트가 끝나면 게임 창이 자동으로 닫히고, 맵 뚫림 현상이나 진행 중단 지점 등을 정리한 결과 보고서가 생성됩니다. Aura 계정 연동 외에 자체 API 키(BYOK)를 사용할 수 있으며, MCP를 통해 사용할 경우 LLM 비용은 사용자의 기존 Claude나 ChatGPT 구독에서 소진됩니다.

왜 중요한가

인디 게임 개발자나 소규모 스튜디오라면 당장 프로젝트에 도입해 볼 가치가 충분합니다. 전담 QA 인력을 둘 여유가 없는 소규모 팀에서 개발자가 직접 반복 플레이를 하다 보면 익숙함 때문에 버그를 놓치기 쉽습니다. 코드를 이해하는 AI가 밤새 수십 번씩 보스전을 치르고 레벨을 헤집으며 문제를 보고해 준다면 개발 효율은 비약적으로 올라갑니다.

업계 전반으로 봐도 기존의 규칙 기반 자동화 스크립트와는 차원이 다른 접근입니다. 레벨 디자인이나 수치가 조금만 바뀌어도 깨지던 기존 테스트 도구와 달리, 소스 코드를 읽어 맥락을 파악하고 강화된 결정 모델로 적응하는 구조는 게임 QA의 패러다임을 바꿀 가능성이 높습니다.

다만 명확한 한계도 존재합니다. 수치 밸런스 붕괴나 논리적 오류, 충돌 버그를 잡아내는 능력은 탁월하지만, '조작감이 찰진지'나 '게임이 진짜로 재미있는지' 같은 정성적 평가는 AI의 영역이 아닙니다. 지루한 검증 노동은 AI에게 넘기고, 최종적인 플레이 감각의 조율은 여전히 개발자의 몫으로 남을 것으로 보입니다.