我给CLANNAD做了一个MCP。起因是最近看到很多AI玩游戏的视频（比如杀戮尖塔等），但是由于普通的大语言模型对于数值和奖惩机制不够敏感，游玩的效果往往不够优秀，也许强化学习模型更适合这一任务。于是我想到了一种只靠阅读文字就能游玩的游戏，或许能够考察大语言模型对长文本的理解。众所周知现在的galgame选项数量很少，而20年前左右的galgame选项数量常常很多，不看攻略很难通关，比如经典的CLANNAD就有133个选项。于是我想到测试AI能否仅凭理解攻略CLANNAD。项目的原理是在引擎中加入相关接口供MCP调用，而非截图ocr或模拟点击（这样太费token了），因此本MCP只适用于CLANNAD（Steam中文版）一款游戏。

事实上，本来我只是打算用这个项目学习一下MCP的工作方式。我以为这是一个简单的项目。结果AI在修改siglus引擎以适配CLANNAD和添加接口这件事上花费了大量的时间和token，我对Rust也一无所知，帮不上什么忙，导致我的热情被极大地消耗，最终也没学到什么东西。