Pro učitele

Tato stránka popisuje pedagogickou stranu projektu Cell agents jako jednorázovou školní ukázku. Cell agents je otevřený vzdělávací projekt, ve kterém spolu v multiplayerové hře hrají lidé, skriptovaní boti a LLM agenti. Celý projekt je volně upravitelný a rozšiřitelný podle konkrétních výukových potřeb.

Nejde o to, aby studenti během hodiny AI programovali, ale aby ve stejném světě naráz viděli tři druhy hráčů a dokázali je od sebe odlišit podle toho, jak se pohybují.

Cílová skupina a formát

Školní ukázka pro studenty ve věku 12 až 15 let. Prezentační slot trvá 15 až 20 minut, počítáno s cca 25 účastníky, každý na svém notebooku nebo mobilu s připojením k internetu. Studenti se do hry připojují jako lidští hráči. Učitel pouští na projektor skriptované boty a LLM agenta. Projekt zůstává k dispozici jako veřejný repozitář, takže si studenti mohou hrát dál doma, upravovat kód a prohlubovat porozumění. Nasazené herní prostředí dál běží na cellagents.dev.

Hlavní myšlenka

Projekt forkuje open source hru agar.io-clone, klon populární prohlížečové hry agar.io, ve které se buňka pohybuje po mapě, sbírá jídlo, dělí se a požírá menší hráče. Vyhrává ten, kdo přežije a vyroste nejvíc.

Hra je zvolená tak, aby byla veřejně známá, zvládla ukázku pro velkou skupinu a aby existovala otevřená verze, s níž mohou studenti dál experimentovat bez licenčních starostí. Známost hry je záměrná: studenti nemusejí přemýšlet, jak hra funguje, a mohou se soustředit jenom na to, jak se v témže světě chovají různé druhy hráčů, přičemž původní hra je kdykoli po ruce pro srovnání.

Co hodina záměrně neučí

Je dobré říct nahlas, co je mimo rozsah, aby očekávání seděla.

Co si studenti odnesou

Základní mentální model

Skoro cokoli, co existuje ve světě softwaru, se dá napojit na umělou inteligenci a nechat model, aby to řídil. agar.io o AI nic neví. Nebylo pro AI napsáno. Přesto ho můžeme ovládat jazykovým modelem, aniž bychom jeho kód výrazně měnili, a stejně snadno na něj můžeme napojit skriptovaného ne-AI bota, nebo si prostě sednout a hrát sami. Serveru je to jedno; vidí jen hráče. Totéž platí pro emailové klienty, kalendáře, editory, platební systémy, roboty: pro cokoli, co má rozhraní.

Tenhle vhled přežije déle než jakákoli konkrétní technologie, co si student zapamatuje.

Dílčí koncepty, kterých se studenti dotknou

  1. Tři druhy hráčů, jedna hra. Lidé, deterministicky skriptovaní boti a LLM agent sdílejí tutéž mapu ve stejnou chvíli. Herní server je všechny vidí jako běžné klienty se jménem. Vedle sebe na projektoru je styl každého z nich rozeznatelný: lidé váhají, boti jsou předvídatelní, LLM reaguje na nové situace, ale viditelně jiným tempem.
  2. LLM je agent, ne chatbot. Model neodpovídá, nýbrž ve smyčce rozhoduje a jedná. Vybere, co udělá, udělá to a sleduje, co se stalo.
  3. Skriptovaní boti jsou laťka. Bez AI naši boti stále hrají, podle ručně vyladěných pravidel. Vidět je v akci dělá jasnějším, co vlastně LLM přidává a kde naopak klopýtá.
  4. Nástroje jako jazyk mezi AI a světem. Model nemá ruce. Má seznam funkcí, které může zavolat. To, co může ovlivnit, je přesně to, co mu nabídneme.
  5. MCP (Model Context Protocol) jako průmyslový standard. Studenti vidí, že existuje otevřený protokol, kterým se modely napojují na nástroje, a že stejný protokol používají reálné produkty jako Claude Desktop, Cursor, Zed. To, co tu stavíme, není hračka ani imitace. Je to tentýž mechanismus.
  6. Harness jako prostředí, ve kterém model žije. Model sám o sobě je jen funkce. Teprve zabalený do smyčky, paměti a nástrojů vzniká něco, co se chová jako agent. Ve třídě studenti vidí jeden konkrétní harness na projektoru; doma si mohou pustit svůj.
  7. Latence není abstraktní. V běžném chatu si čekání nevšimnete. Když ale přežití buňky závisí na odpovědi, čas reakce se stává hmatatelným strategickým rozhodnutím, obzvlášť vedle skriptovaného bota, který reaguje každý tick.
  8. Hranice důvěry mezi klientem a serverem. Některé hodnoty si klient počítá sám a serveru je jen hlásí. Server se musí rozhodnout, jestli klientovi věří. Studenti si uvědomí, že nepoctivý klient může serveru lhát a že je to obecný problém, ne zvláštnost naší hry.

Trvalá hodnota

  1. Odvaha napojit AI na existující systémy. Pochopení, že je to překvapivě přímočará věc, otevírá dveře k vlastním pokusům.
  2. Slovník. Pojmy jako nástroj, agent, harness, MCP, bot, hranice důvěry přestávají být cizí. Student je potkává v médiích, dokumentaci, tutoriálech a ví, kam je zařadit.
  3. Cit pro to, co AI přidává a co ne. Když viděli skriptovaného bota a LLM sdílet jednu mapu, mají studenti konkrétní intuici, kde si model zaslouží svůj chléb a kde je prostý kód rychlejší, levnější a spolehlivější.
  4. Zážitek, že programovat AI je dostupné. Celý projekt má jasné README v každém repozitáři, komentáře v jednoduché angličtině a návody na spuštění i úklid doma. Student s minimální zkušeností má šanci většině porozumět.

Průběh hodiny

Před hodinou

Učitel se už dřív zmínil o tom, co je jazykový model, nebo mají studenti sami zkušenost s ChatGPT a podobnými nástroji.

Prvních 5 minut: úvod

Učitel ukáže hru na projektoru a pojmenuje tři hráče, kteří si tohle kolo rozdělí:

Zdůrazní dva body:

Prostředních 10 minut: zápas

Studenti otevřou odkaz, zadají jméno a připojí se. Skriptovaní boti už ve hře jsou. LLM agent je puštěn na projektoru tak, aby byl viditelný jeho log volání nástrojů.

Během zápasu učitel komentuje tři vrstvy toho, co se děje:

Rané fáze jsou volné: po smrti hráč respawnuje menší. Pak nastává sudden death, kde další smrt je definitivní. Z plné místnosti nakonec zbyde jediný přeživší, nebo zápas ukončí časový limit. Kdo vyhraje (člověk, bot nebo LLM) je méně důležité než to, že se každý z nich ukázal v akci.

Posledních 5 minut: debrief

Učitel zvýrazní klíčové body:

Praktické podmínky

Rozšíření, pokud zbude čas nebo jako domácí úkol