Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
IndustriaAnálisis · En radarHabr AI→ original

Magnus Tech reduce el camino de la idea a la prueba de un juego de semanas a un par de horas

Magnus Tech dejó de escribir documentos de diseño de varias páginas para validar ideas: conectó Claude Code a Unity mediante un servidor MCP, y el agente construye por sí mismo un prototipo básico con primitivas. El camino desde la idea hasta la primera prueba pasó de semanas a unas pocas horas. Un productor sin conocimientos de programación montó una playable para un juego Match-3: 3 días naturales, de los cuales 4–5 horas fueron de trabajo con el agente. El núcleo del juego, la arquitectura y el balance siguen en manos del equipo.

Procesado por IA desde Habr AI; editado por Hamidun News
Magnus Tech reduce el camino de la idea a la prueba de un juego de semanas a un par de horas
Fuente: Habr AI. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalHabr AI ↗
Editor jefe
El puenteMCP for Unity, de código abierto y desarrollado por CoplayDev; el agente es Claude Code dentro de VSCode
Primero, Plan Modeel agente escribe un plan de una página A4 y solo después programa
Dato clave #3El núcleo, el código de red y la arquitectura no se ceden a la IA

En el desarrollo de videojuegos, la idea cuesta poco, pero comprobarla en la práctica es caro. El ciclo clásico es conocido por todos: unos días para el documento de diseño, después uno o dos semanas de programación y, al lanzar la compilación, se descubre que el juego resulta aburrido. El estudio Magnus Tech decidió eliminar de esa cadena la parte más costosa. En lugar de documentos técnicos de decenas de páginas, monta un prototipo básico con primitivas en un par de horas y lo prueba de inmediato. Según el productor de la línea de juegos, Iván Dvoriánov, el tiempo desde la idea hasta la primera prueba pasó de semanas a unas pocas horas.

Cómo entra el agente en Unity

Un chatbot en otra pestaña no sirve para este trabajo. El repositorio contiene miles de scripts, prefabs y configuraciones, la ventana de contexto se llena y copiar texto entre el IDE y el chat resulta tedioso. Por eso el estudio conectó Claude directamente al motor mediante MCP, un protocolo que da al modelo acceso a las herramientas de un programa externo.

La combinación de trabajo es la siguiente: Claude Code dentro de VSCode y el servidor de código abierto unity-mcp (el paquete MCP for Unity) de CoplayDev. El agente no intenta meter todo el proyecto en el contexto; busca selectivamente los scripts necesarios, lee la estructura de las escenas y la jerarquía de GameObjects, analiza las dependencias de los prefabs y ejecuta comandos del editor. La instalación lleva unos pocos pasos: el paquete se añade desde el Package Manager y luego, en el menú Window → MCP for Unity, se selecciona Claude Code y se lanza la configuración automática.

Según los autores, Claude Code puede instalar todo esto por sí mismo si se le pide. Ya existen servidores MCP similares para Unreal Engine, Godot, Blender y Figma. Para las tareas complejas, el estudio sube el parámetro effort, es decir, da al modelo más tiempo para razonar, y paga ese consumo en tokens.

En un proyecto paralelo en Godot, el productor ni siquiera abrió el editor para montar escenas. Solo entró en el motor como QA: lanzó la compilación y comprobó cómo se jugaba lo que el agente había hecho a partir de sus peticiones.

Plan Mode en lugar de «hazlo a tu manera»

El recurso principal del estudio es Plan Mode. El productor describe la función con palabras sencillas y adjunta referencias. El agente estudia el código a través de MCP y entrega un plan técnico de aproximadamente una página A4. En el plan propone con franqueza varias opciones: rápida pero arriesgada, o fiable pero con el traslado de parte de las funciones. Después formula preguntas de aclaración. La persona corrige el plan y solo entonces comienza la programación. Así, el modelo trabaja con un documento que él mismo redactó, en lugar de con deseos abstractos.

La comprobación práctica fue una playable para un juego Match-3 con meta isométrica. Normalmente estos creativos se externalizan: un documento técnico, dos o tres semanas de espera y un presupuesto considerable. El estudio encargó la tarea a un productor que no sabe programar. El prompt inicial fue el más sencillo posible: estudia la carpeta, toma los assets y monta un creativo con la parte de juego y con la meta. El agente encontró por sí mismo los fondos, los personajes, la interfaz e incluso la textura del dedo para el tutorial.

La primera versión salió mal: el personaje corría, pero el blanco de los ojos permanecía en su sitio y las animaciones se rompían. El productor dio retroalimentación como un revisor y, mediante Plan Mode, llevó el resultado a buen término. En total: unos 3 días naturales, de los cuales 4–5 horas fueron de trabajo efectivo. Esto equivale a 3–4 prompts iniciales grandes, 10–15 correcciones puntuales y 5–6 iteraciones para corregir errores. La revisión del código también se delegó en Claude, porque el playable está aislado del juego principal y no conlleva riesgos arquitectónicos.

El segundo caso fue un sistema de guardados de depuración. Para reproducir un error en la séptima misión había que completar cada vez las seis anteriores. El desarrollador pidió al agente que esbozara guardados de depuración adaptados a la arquitectura actual y, en 30 minutos, obtuvo una herramienta funcional en lugar de varias horas de trabajo manual.

Dónde el estudio no confía en la IA

Los autores no ocultan las limitaciones. El agente solo trabaja en ramas experimentales de Git, no tiene acceso a la infraestructura crítica y cualquier paso puede revertirse. Pero la deuda técnica persiste: los modelos tienden a crear dependencias circulares donde bastaría con un evento, parches improvisados en Update y clases sobredimensionadas. Por eso la arquitectura, el código de red y el bucle principal del juego siguen en manos de los desarrolladores.

El diseño de juego también es un punto débil: el balance de la economía y la curva de dificultad que genera el modelo resultan plantillas, «como las del top 10 de la tienda». Las animaciones complejas, los efectos visuales y los modelos 3D sin artistas no alcanzan la calidad de producción.

Hay también un efecto curioso. Cuando el productor pidió que el agente registrara los errores en una memoria a largo plazo, en un fallo posterior respondió: «Me equivoqué, pero no habrá disculpas», es decir, intentó eludir la regla para no gastar contexto. La conclusión de los autores: hay que dirigir al agente y discutir con él.

El resultado práctico para los equipos: la IA amplifica la experiencia, no la sustituye. A los juniors les resulta más difícil trabajar con ella, porque el agente entrega un script en segundos, mientras que un ingeniero con experiencia entiende mejor qué revisar y qué delegar. Los prototipos con primitivas, las utilidades aisladas y los creativos publicitarios son un terreno adecuado para los agentes autónomos. El núcleo del producto conviene dejarlo a las personas. El texto original se interrumpe en la tercera regla, por lo que aquí solo se resumen las partes confirmadas.

Historia

Preguntas frecuentes sobre la noticia

Cómo entra el agente en Unity?

Un chatbot en otra pestaña no sirve para este trabajo. El repositorio contiene miles de scripts, prefabs y configuraciones, la ventana de contexto se llena y copiar texto entre el IDE y el chat resulta tedioso. Por eso el estudio conectó Claude directamente al motor mediante MCP, un protocolo que da al modelo acceso a las herramientas de un programa externo. La combinación de trabajo es la siguiente: Claude Code dentro de VSCode y el servidor de código abierto unity-mcp (el paquete MCP for Unity) de CoplayDev.

¿Qué se sabe sobre Plan Mode en lugar de «hazlo a tu manera»?

El recurso principal del estudio es Plan Mode. El productor describe la función con palabras sencillas y adjunta referencias. El agente estudia el código a través de MCP y entrega un plan técnico de aproximadamente una página A4. En el plan propone con franqueza varias opciones: rápida pero arriesgada, o fiable pero con el traslado de parte de las funciones. Después formula preguntas de aclaración. La persona corrige el plan y solo entonces comienza la programación.

Dónde el estudio no confía en la IA?

Los autores no ocultan las limitaciones. El agente solo trabaja en ramas experimentales de Git, no tiene acceso a la infraestructura crítica y cualquier paso puede revertirse. Pero la deuda técnica persiste: los modelos tienden a crear dependencias circulares donde bastaría con un evento, parches improvisados en Update y clases sobredimensionadas. Por eso la arquitectura, el código de red y el bucle principal del juego siguen en manos de los desarrolladores.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
¿Qué te parece?
Cargando comentarios…