今天小编分享的科学经验：Mauns带火的MCP，让Claude一句话自动化3D建模，网友：真·AI+应用，欢迎阅读。
一句话提示，Claude 自动化打开 Blender 将 2D 图片转为 3D 建模。
整个过程行云流水。
而且还能只用一次提示词，再基于这个场景搭建可以互动的网页。
背后关键还是最近大火的MCP（Model Context Protocol）——复刻 Manus 的重要诀窍。
将这套協定和 Blender 打通，即可获得如上效果。
让原本人工几小时才能搞定的建模工作，如今缩短到几分钟，还不用人插手。
该开源项目BlenderMCP，上线短短 3 天，GitHub 标星已达 3.8k。
而且它整出来的建模效果可信任，有人亲测表示，让它设计火星地形，Claude 可以自己处理错误和问题，并且会告知人类。
怪不得有人看了直呼：人类已经不太需要设计工具了，amazing！
AI+ 应用工具正在变强大。
值得一提的是，这种方案可以复刻到其他开源专业工具上。
比如有人已经实现了 MCP+QGIS（地理版 "PS"），用 Claude 自动化做感应映射。
"Blender/Cursor 都可 MCP"
简单理解，BlenderMCP 就是将 Blender 连接到 Claude，允许 Claude 直接和 Blender 互動并控制 Blender。
基于 BlenderMCP 还能完成许多事。
比如创建一个由龙守卫一罐黄金的地牢场景。
提示词：Create a low poly scene in a dungeon, with a dragon guarding a pot of gold.
这个过程里，指令遵循效果不错。
特意强调了 low poly（低多边形），最后搭建的成果里龙和罐子都是圆滚滚的。
还能去搭建逼真的海滩场景。
提示词：Create a beach vibe using HDRIs, textures, and models like rocks and vegetation from Poly Haven.
这条指令要求利用来自 Poly Haven 的 HDRIs、纹理以及岩石、植被等来建模海滩。
其余可以尝试的能力还有：
" 把这辆车涂成红色并带有金属质感 "
" 创建一个球体并将其置于立方体上方 "
" 把灯光設定成摄影棚的效果 "
" 将相机对准场景，并使其呈等距视角 "
作者在项目页中介绍，BlenderMCP 能实现的能力包括创建、修改和删除 3D 对象；使用、修改材料和颜色；场景检查以及代码执行。
这个系统主要由两部分组成，Blender Addon 和 MCP Server。
前者是一个 Blender 插件，可以在 Blender 中创建一个接受和执行命令的伺服器。后者就是用来实现 MCP。
具体安装办法，作者已经完全开源到 GitHub 上。
除了将 MCP 接入到 Blender，网友们还在尝试用它更新各种工具。
甚至是 AI 编程軟體，也会因为使用 MCP 后变得更加自动化。
有人在Cursor上使用 MCP 協定同时接入了 Slack 和 GitHub，完成了一次新功能开发。
配置好插件并完成认证后，Cursor 通过 MCP 自动读取了 Slack 中的需求文档，然后从 GitHub 中拉取代码，并自动完成新功能的编写和上传。
这套操作利用的是一个名为 Composio 的机构提供的 MCP 服务，在 Cursor 中可以通过链接直接配置。
还有 GitHub、谷歌搜索、邮箱、地图……都被 Composio 做成了 MCP 服务。
除了 Composio，还有 MCP 爱好者自行建立了 MCP 社区，提供了海量的开源 server 和 client 资源。
比如这个 MCP 服务，可以检索 arXiv 中的论文，按照教程配置好之后就可以在 Claude 客户端里直接找论文了。
有意思的是，大模型也是可以被 "MCP 服务化 " 的，比如让伺服器通过 OpenAI 兼容 API 调用其他模型。
甚至是把 DeepSeek-R1 接入到 Claude 当中也不是问题。
MCP 为啥真强大？
MCP 是一种通信協定，，现在 Anthropic 把它比喻成AI 应用的 Type-C 接口。
并且 Anthropic 已经打算牵头把 MCP 協定推动成行业开放标准。
实现大模型应用与外部数据源和工具之间的无缝集成，帮助 AI 获得所需的上下文数据，生成质量更高、与任务更相关的回答。
MCP 主要解决的是全球应用玩家们都面临着的一个相同的痛点——数据隔离。
它就像 AI 系统与数据源之间的一座桥梁，允许开发者在数据源和 AI 工具之间建立双向连接。
MCP 采用客户端 - 伺服器架构，多个服务可以连接到任何兼容的客户端。客户端可以是 Claude Desktop、IDE 或其他 AI 工具，伺服器则充当适配器，暴露数据源。
其优势在于，以后不管是访问本地资源（数据库、檔案、服务），还是访问远程资源（如 Slack、GitHub API），都能用同一个協定。
而且支持的数据形式非常多样，包括檔案内容、数据库记录、API 响应、实时系统数据、螢幕截图和影像、日志檔案等，几乎覆盖了所有类型。
MCP 伺服器还内置了安全机制，允许伺服器自己控制资源，不用把 API 密钥交给大模型。
根据服务来源，MCP 主要采用通信机制，本地通信时采用标准输入输出，远程通信则通过 SSE 进行。
这两种通信方式中的消息，都采用了 JSON 格式进行消息传输，使得 MCP 通信过程能够标准化，并带来了可扩展性。
看上去 MCP 能够调用的服务多而复杂，但实际上开发过程非常简单。
发布时官方公告就明示，当时最新的 Claude 3.5 Sonnet 自己就非常擅长架设 MCP 伺服器，直接完成闭环。
强大的调用能力、方便的开发流程，又背靠 Anthropic，并且也获得了开源社区的关注，MCP 似乎有望像 Anthropic 设想的一样，成为一种未来的 AI 标准。
但真能如此吗？
持观望态度 or 悲观态度的人，其实也不少。
最近知名开源大模型框架 LangChain 官方也在 X 上进行了一次投票。
40.8% 的人认为 MCP 是未来标准，而更多人觉得还得再看看。
包括在 LangChain 内部，也出现了一些分歧。
CEO 觉得，MCP 降低了 Agent 接入工具的门槛。
创始工程师则认为，具体到工程层面，还会产生很多定制化需求，很多情况 MCP 不能完全发挥作用。
MCP 要变成像 OpenAI 的 GPTs 那样，才能配得上它的热度，但实际上 GPTs 似乎也没有多受欢迎。
你觉得呢？MCP 会是昙花一现吗？
欢迎评论区留言讨论 ~
GitHub 地址：
https://github.com/ahujasid/blender-mcp?tab=readme-ov-file
参考链接：
[ 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/
