MIMIC-Py: 대규모 언어 모델을 활용한, 성격 기반 자동 게임 테스트를 위한 확장 가능한 도구

MIMIC-Py: An Extensible Tool for Personality-Driven Automated Game Testing with Large Language Models

현대의 비디오 게임은 복잡하고 비결정적인 시스템으로, 대규모로 자동 테스트하기 어렵습니다. 기존 연구에서 성격 기반의 대규모 언어 모델(LLM) 에이전트가 행동 다양성과 테스트 커버리지를 향상시킬 수 있음이 입증되었지만, 현재의 도구들은 대부분 연구용 프로토타입이며, 게임 간 재사용성이 부족합니다. 본 논문에서는 MIMIC-Py라는 파이썬 기반의 자동 게임 테스트 도구를 소개합니다. MIMIC-Py는 성격 기반 LLM 에이전트를 재사용 가능하고 확장 가능한 프레임워크로 변환합니다. MIMIC-Py는 성격 특성을 구성 가능한 입력으로 노출하고, 계획, 실행, 메모리를 게임별 로직과 분리하는 모듈식 아키텍처를 채택합니다. 또한, 다양한 상호 작용 메커니즘을 지원하여, 에이전트가 노출된 API 또는 합성 코드를 통해 게임과 상호 작용할 수 있습니다. 본 논문에서는 MIMIC-Py의 설계 방식을 설명하고, 최소한의 엔지니어링 노력으로 새로운 게임 환경에 적용할 수 있으며, 연구용 프로토타입과 실질적인 자동 게임 테스트 사이의 간극을 해소할 수 있음을 보여줍니다. 소스 코드와 데모 비디오는 프로젝트 웹페이지에서 확인할 수 있습니다: https://mimic-persona.github.io/MIMIC-Py-Home-Page/.

Modern video games are complex, non-deterministic systems that are difficult to test automatically at scale. Although prior work shows that personality-driven Large Language Model (LLM) agents can improve behavioural diversity and test coverage, existing tools largely remain research prototypes and lack cross-game reusability. This tool paper presents MIMIC-Py, a Python-based automated game-testing tool that transforms personality-driven LLM agents into a reusable and extensible framework. MIMIC-Py exposes personality traits as configurable inputs and adopts a modular architecture that decouples planning, execution, and memory from game-specific logic. It supports multiple interaction mechanisms, enabling agents to interact with games via exposed APIs or synthesized code. We describe the design of MIMIC-Py and show how it enables deployment to new game environments with minimal engineering effort, bridging the gap between research prototypes and practical automated game testing. The source code and a demo video are available on our project webpage: https://mimic-persona.github.io/MIMIC-Py-Home-Page/.