今天小編分享的科學經驗：Mauns帶火的MCP，讓Claude一句話自動化3D建模，網友：真·AI+應用，歡迎閱讀。
一句話提示，Claude 自動化打開 Blender 将 2D 圖片轉為 3D 建模。
整個過程行雲流水。
而且還能只用一次提示詞，再基于這個場景搭建可以互動的網頁。
背後關鍵還是最近大火的MCP（Model Context Protocol）——復刻 Manus 的重要訣竅。
将這套協定和 Blender 打通，即可獲得如上效果。
讓原本人工幾小時才能搞定的建模工作，如今縮短到幾分鍾，還不用人插手。
該開源項目BlenderMCP，上線短短 3 天，GitHub 标星已達 3.8k。
而且它整出來的建模效果可信任，有人親測表示，讓它設計火星地形，Claude 可以自己處理錯誤和問題，并且會告知人類。
怪不得有人看了直呼：人類已經不太需要設計工具了，amazing！
AI+ 應用工具正在變強大。
值得一提的是，這種方案可以復刻到其他開源專業工具上。
比如有人已經實現了 MCP+QGIS（地理版 "PS"），用 Claude 自動化做感應映射。
"Blender/Cursor 都可 MCP"
簡單理解，BlenderMCP 就是将 Blender 連接到 Claude，允許 Claude 直接和 Blender 互動并控制 Blender。
基于 BlenderMCP 還能完成許多事。
比如創建一個由龍守衛一罐黃金的地牢場景。
提示詞：Create a low poly scene in a dungeon, with a dragon guarding a pot of gold.
這個過程裡，指令遵循效果不錯。
特意強調了 low poly（低多邊形），最後搭建的成果裡龍和罐子都是圓滾滾的。
還能去搭建逼真的海灘場景。
提示詞：Create a beach vibe using HDRIs, textures, and models like rocks and vegetation from Poly Haven.
這條指令要求利用來自 Poly Haven 的 HDRIs、紋理以及岩石、植被等來建模海灘。
其餘可以嘗試的能力還有：
" 把這輛車塗成紅色并帶有金屬質感 "
" 創建一個球體并将其置于立方體上方 "
" 把燈光設定成攝影棚的效果 "
" 将相機對準場景，并使其呈等距視角 "
作者在項目頁中介紹，BlenderMCP 能實現的能力包括創建、修改和删除 3D 對象；使用、修改材料和顏色；場景檢查以及代碼執行。
這個系統主要由兩部分組成，Blender Addon 和 MCP Server。
前者是一個 Blender 插件，可以在 Blender 中創建一個接受和執行命令的伺服器。後者就是用來實現 MCP。
具體安裝辦法，作者已經完全開源到 GitHub 上。
除了将 MCP 接入到 Blender，網友們還在嘗試用它更新各種工具。
甚至是 AI 編程軟體，也會因為使用 MCP 後變得更加自動化。
有人在Cursor上使用 MCP 協定同時接入了 Slack 和 GitHub，完成了一次新功能開發。
配置好插件并完成認證後，Cursor 通過 MCP 自動讀取了 Slack 中的需求文檔，然後從 GitHub 中拉取代碼，并自動完成新功能的編寫和上傳。
這套操作利用的是一個名為 Composio 的機構提供的 MCP 服務，在 Cursor 中可以通過鏈接直接配置。
還有 GitHub、谷歌搜索、郵箱、地圖……都被 Composio 做成了 MCP 服務。
除了 Composio，還有 MCP 愛好者自行建立了 MCP 社區，提供了海量的開源 server 和 client 資源。
比如這個 MCP 服務，可以檢索 arXiv 中的論文，按照教程配置好之後就可以在 Claude 客戶端裡直接找論文了。
有意思的是，大模型也是可以被 "MCP 服務化 " 的，比如讓伺服器通過 OpenAI 兼容 API 調用其他模型。
甚至是把 DeepSeek-R1 接入到 Claude 當中也不是問題。
MCP 為啥真強大？
MCP 是一種通信協定，，現在 Anthropic 把它比喻成AI 應用的 Type-C 接口。
并且 Anthropic 已經打算牽頭把 MCP 協定推動成行業開放标準。
實現大模型應用與外部數據源和工具之間的無縫集成，幫助 AI 獲得所需的上下文數據，生成質量更高、與任務更相關的回答。
MCP 主要解決的是全球應用玩家們都面臨着的一個相同的痛點——數據隔離。
它就像 AI 系統與數據源之間的一座橋梁，允許開發者在數據源和 AI 工具之間建立雙向連接。
MCP 采用客戶端 - 伺服器架構，多個服務可以連接到任何兼容的客戶端。客戶端可以是 Claude Desktop、IDE 或其他 AI 工具，伺服器則充當适配器，暴露數據源。
其優勢在于，以後不管是訪問本地資源（數據庫、檔案、服務），還是訪問遠程資源（如 Slack、GitHub API），都能用同一個協定。
而且支持的數據形式非常多樣，包括檔案内容、數據庫記錄、API 響應、實時系統數據、螢幕截圖和影像、日志檔案等，幾乎覆蓋了所有類型。
MCP 伺服器還内置了安全機制，允許伺服器自己控制資源，不用把 API 密鑰交給大模型。
根據服務來源，MCP 主要采用通信機制，本地通信時采用标準輸入輸出，遠程通信則通過 SSE 進行。
這兩種通信方式中的消息，都采用了 JSON 格式進行消息傳輸，使得 MCP 通信過程能夠标準化，并帶來了可擴展性。
看上去 MCP 能夠調用的服務多而復雜，但實際上開發過程非常簡單。
發布時官方公告就明示，當時最新的 Claude 3.5 Sonnet 自己就非常擅長架設 MCP 伺服器，直接完成閉環。
強大的調用能力、方便的開發流程，又背靠 Anthropic，并且也獲得了開源社區的關注，MCP 似乎有望像 Anthropic 設想的一樣，成為一種未來的 AI 标準。
但真能如此嗎？
持觀望态度 or 悲觀态度的人，其實也不少。
最近知名開源大模型框架 LangChain 官方也在 X 上進行了一次投票。
40.8% 的人認為 MCP 是未來标準，而更多人覺得還得再看看。
包括在 LangChain 内部，也出現了一些分歧。
CEO 覺得，MCP 降低了 Agent 接入工具的門檻。
創始工程師則認為，具體到工程層面，還會產生很多定制化需求，很多情況 MCP 不能完全發揮作用。
MCP 要變成像 OpenAI 的 GPTs 那樣，才能配得上它的熱度，但實際上 GPTs 似乎也沒有多受歡迎。
你覺得呢？MCP 會是昙花一現嗎？
歡迎評論區留言讨論 ~
GitHub 地址：
https://github.com/ahujasid/blender-mcp?tab=readme-ov-file
參考鏈接：
[ 1 ] https://x.com/bilawalsidhu/status/1900240156826939560
[ 2 ] https://x.com/bilawalsidhu/status/1900632591516008599
[ 3 ] https://x.com/mattpocockuk/status/1898789901824590328
[ 4 ] https://x.com/KaranVaidya6/status/1898439847322525963
[ 5 ] https://blog.langchain.dev/mcp-fad-or-fixture/
