[Devlog] #0 야구 단장 게임 개발 배경

나의 야구 매니징 게임 역사는 야구츠쿠DS, 프야매, 야구9단, 퍼펙트나인, OOTP로 이어진다. 내가 만드는 (야구)게임에 대한 소망은 언젠가부터 있었는데, 이를 실현할 능력은 부족했다. 세디터로 스타 유즈맵을 만들던 시절, 유니티와 파이썬을 배웠던 학부시절등을 거치며 내 역량의 한계만을 절감했었는데, 세상이 많이 좋아져서 바이브코딩만으로도 MD5 배틀 시뮬레이터를 만드는 수준까지 왔다.

LLM이 많이 좋아지긴했지만, 구글 AI스튜디오나 GPTs로 만든 커스텀 LLM에는 아직 한계가 많다. 그렇지만 여러번 시행착오를 거치면서 그 수준을 체감해 보는 과정은 제법 의미가 있을 것 같다.

브롱스쿨님의 프로야구 단장이 되어보자! 게시글(1.1버전)을 보고, 프롬프트 엔지니어링을 잘 하면 컨텍스트 소실을 최소화하며 게임을 즐길 수 있을 것이라는 생각이 들었다. 나의 프롬프트가 반영된 1.2버전이 업데이트됐고, 이후로도 개선이 이뤄지고있다.
터미널 기반의 TUI게임 로그는 장르를 대표하는 게임이 되었는데, 이런 류의 게임을 통칭하는 장르명이 게임명에서 파생될지도 모르겠다.

하지만 선수에 대한 평가등은 LLM이 기존에 알고있던 지식에 기반하거나, 추가 검색에만 의존해야한다는 단점이 있다. (당장 작년의 평범한 야구팬에게 폰세나 안현민에 대해 물어본다고 생각해보자) 그렇다고 텍스트로 다 넣기엔 소화가능한지가 의문스럽다.

GPTs는 커스텀할 때 지식에다 파일을 20개까지 올릴 수 있는데, 이 영역을 활용한다면 훨씬 효과적인 사용 가능할 것 같다는 생각이 들었다. 지침은 8,000자로 제한된다. 대화 스타터가있기때문에, 처음 사용자의 게임 시작은 좀 더 수월해질 것 같다.

권장 모델

권장 모델은 기본적으로 Thinking모델을 사용하게 할 테지만, 단순한 응답에는 Instant모델이 선택적으로 사용되면 좋을 것 같다.

---

개발 방향성

현실의 복잡성은 가능한 한 내려놓고, 게임적 타협을 이룰 필요가 있어보인다. 핵심은 LLM의 'Context Window'를 낭비하지 않으면서도 깊이감을 주는 것이다. 복잡한 규정이나 너무 큰 2군 명단은 LLM에게 과부하만 줄 뿐이다. 대신, 로스터 하드캡(Hard Cap)이나 간소화된 드래프트 같은 규칙을 통해, 연산 리소스는 줄이되 유저가 느끼는 전략적 압박감은 유지하는 방향으로 튜닝하고자 한다.

앞으로의 포스팅에서는 GPTs의 지식(Knowledge) 파일 기능을 활용해 실제 KBO를 얼마나 효과적으로 학습시킬 수 있는지, 그리고 Thinking 모델이 '단장'으로서 얼마나 합리적인(혹은 엉뚱한) 판단을 내리는지 기록해보려 한다.

우리는 이미 훌륭한 그래픽의 야구 게임을 많이 가지고 있다. 하지만 '상상력'이 개입할 틈이 있는 텍스트 게임만의 맛은 여전히 대체 불가능하다. 텍스트 한 줄로 100마일 광속구를 던지는 투수를 상상하게 만드는 공책게임의 힘, 그 힘을 LLM에서 끌어내 보자.