Eén ontwikkelaar bouwt een multiplayergame met AI-agents

TL;DR

• Wat: Een ontwikkelaar bouwt een volledige multiplayer WW2-tankgame met behulp van meerdere AI-agents die parallel samenwerken.
• Waarom relevant: Het laat zien dat één persoon met AI-agents software kan bouwen die eerder een heel team vereiste — en dat geldt niet alleen voor games.
• Wat je ermee kunt: Verken of jouw bedrijf repetitieve ontwikkel- of testprocessen kan opdelen in taken die AI-agents parallel uitvoeren.

Ik stuitte op een bericht van @RoundtableSpace over een ontwikkelaar die met Claude Code — Anthropics programmeertool — een complete multiplayer WW2-tankgame in elkaar zet. Niet als hobbyprojectje in een weekend, maar als een doorlopend project met geautomatiseerde tests, meerdere AI-agents en feedback van echte spelers. Wat mij hier opvalt is niet zozeer de game zelf, maar de manier waarop die gebouwd wordt.

Wat er gebouwd wordt

Volgens het bericht gaat het om een browsergame met elf historische WW2-tanks, vijf kaarten en een systeem waarbij je per ronde je tank kunt upgraden. Lege plekken in een wedstrijd worden automatisch opgevuld door bots. Het is een multiplayer shooter die je direct in je browser kunt spelen, zonder iets te installeren.

De ontwikkelaar deelde een trailer en meldde dat feedback van Reddit — waar gebruikers kritiek hadden op de graphics — ertoe leidde dat het visuele aspect flink werd verbeterd. Ik vind dat op zich al een interessant detail: een soloproject dat reageert op community-feedback alsof er een team achter zit.

Dit project staat niet op zichzelf. Er zijn inmiddels meerdere browsergames gebouwd met AI-agents, waaronder het grotere Claude of Tanks — een vergelijkbaar tankspel met meer dan tweehonderd voertuigen en 33 kaarten, eveneens gebouwd met een multi-agent Claude-pipeline. Het lijkt erop dat AI-gebouwde games een eigen subcultuur aan het worden zijn.

Hoe de AI-pipeline werkt

Dit is het deel dat mij het meest fascineert, en waar ik denk dat het voor ondernemers interessant wordt.

De ontwikkelaar gebruikt een gelaagd systeem van AI-agents:

De orkestrator

Een Opus-model — het krachtigste model van Anthropic — fungeert als planner. Het bepaalt welke wijzigingen er nodig zijn en verdeelt het werk.

De bouwers

Sonnet-agents — snellere, goedkopere modellen — voeren de taken parallel uit. Dus terwijl de ene agent aan een nieuwe kaart werkt, bouwt een andere agent aan een tankeigenschap. Vergelijk het met een projectleider die taken uitzet bij meerdere freelancers, alleen zijn die freelancers hier AI-modellen die tegelijk werken.

De adviseur

Fable — een ander Anthropic-model — functioneert als adviseur die meekijkt en input geeft. Een soort interne reviewer, maar dan geautomatiseerd.

Wat mij hier opvalt: dit is geen enkel AI-model dat alles doet. Het is een bewuste verdeling van rollen, waarbij elk model wordt ingezet voor waar het goed in is. Dat is precies het patroon dat je steeds vaker ziet in professionele AI-toepassingen: niet één superintelligent systeem, maar een team van gespecialiseerde agents.

Kwaliteitscontrole zonder menselijk team

Misschien nog opvallender dan de bouw zelf is hoe de kwaliteit bewaakt wordt. Elke wijziging die samengevoegd wordt in de codebase moet door geautomatiseerde tests:

• Headless probes — tests die de game draaien zonder scherm om te checken of alles technisch werkt
• Volledige wedstrijden — de game speelt complete potjes tegen zichzelf om te controleren of de gameplay klopt
• Browserchecks — tests die verifiëren dat alles correct in de browser draait

Daarnaast draait er een MCP-server — een protocol waarmee AI-agents met externe tools communiceren — die live bugmeldingen en matchstatistieken van echte spelers doorgeeft aan de agents. De agents krijgen dus niet alleen instructies van de ontwikkelaar, maar ook directe feedback uit het veld.

Stel je dat eens voor in een andere context. Stel dat je als ondernemer een webshop hebt en je klantenservicedata, foutmeldingen en gebruikersgedrag automatisch worden doorgegeven aan AI-agents die verbeteringen doorvoeren en testen — zonder dat jij elke stap hoeft te coördineren. Dat is in wezen wat hier gebeurt, alleen dan voor een game.

Wat dit betekent voor het MKB

Ik wil eerlijk zijn: de meeste MKB-ondernemers gaan geen games bouwen met AI-agents. Maar het onderliggende patroon is relevant.

Volgens Gartner zal tegen eind 2026 zo'n veertig procent van alle bedrijfssoftware een vorm van AI-agents bevatten, tegenover nog geen vijf procent in 2025. Dat is een behoorlijke verschuiving in kort tijdsbestek.

Wat dit gameproject illustreert, is hoe zo'n agent-werkwijze er concreet uitziet:

1. Eén persoon als regisseur — de ontwikkelaar bepaalt de richting, de agents voeren uit
2. Parallelle uitvoering — meerdere taken tegelijk, niet sequentieel
3. Geautomatiseerde kwaliteitscontrole — geen handmatig testen, maar geautomatiseerde checks bij elke wijziging
4. Live feedback — data van gebruikers voedt direct terug in het ontwikkelproces

Dat zijn principes die je kunt toepassen op softwaredevelopment, maar ook op contentproductie, data-analyse of klantenservice. De kosten voor dit soort oplossingen in het MKB liggen volgens recente schattingen tussen de 500 en 2.000 euro per maand voor platformoplossingen, en tot 10.000 euro opstart voor maatwerk. Niet goedkoop, maar ook niet onbereikbaar.

Kritische kanttekening

Ik wil wel een nuance plaatsen. Het feit dat iemand een werkende game kan bouwen met AI-agents zegt niet automatisch dat de kwaliteit vergelijkbaar is met wat een professioneel gamestudio levert. De graphics moesten worden verbeterd na Reddit-kritiek — dat is geen schande, maar het laat zien dat AI-agents niet vanzelf tot een gepolijst eindproduct komen. Er is nog steeds een mens nodig die richting geeft, feedback verwerkt en beslist wat goed genoeg is.

Ook kon ik niet alle technische claims uit het bericht onafhankelijk verifiëren. De beschrijving van de Opus-Sonnet-Fable-pipeline komt uit de tweet zelf. Het bredere patroon van multi-agent development met Claude Code wordt wel bevestigd door meerdere bronnen, waaronder documentatie van Anthropic zelf.

Een team van agents in plaats van een team van mensen

Voor mij is dit vooral een concreet voorbeeld van een trend die ik al langer volg: de verschuiving van AI als hulpmiddel naar AI als teamlid. Niet één chatbot die je vragen beantwoordt, maar meerdere gespecialiseerde agents die samenwerken aan een gedeeld doel — met geautomatiseerde kwaliteitscontrole en live data als input.

Dat een enkele ontwikkelaar hiermee een speelbare multiplayergame kan bouwen, vind ik eerlijk gezegd opmerkelijk. Niet omdat de game perfect is, maar omdat het laat zien hoeveel uitvoeringscapaciteit je als individu kunt toevoegen met de juiste opzet. Ik denk dat dit het soort voorbeeld is waar we over twee jaar op terugkijken en zeggen: daar begon het kantelpunt zichtbaar te worden.