Journal / 2026 / AI技术
Blender 的 MCP 插件:让 Claude 直接改 3D 场景
2026 年 11 月 12 日出现在 GitHub feed 的 hitkeeen/blender-ai-mcp-addon,自称给 Blender 加 AI 助手与 MCP 服务,让 Claude 等客户端查询并修改场景。我们没装过它,这篇拆分仓库说法与未验证部分,再给装插件、连客户端、改场景、量成功率的方案。

目录 · 2322 字 / 5 分钟
2026 年 11 月 12 日,GitHub feed 里出现 hitkeeen/blender-ai-mcp-addon。描述很短:给 Blender 的 AI 助手与 MCP 服务,提供可视化对话、场景工具、多 agent 工作流,支持 ChatGPT、Claude、Gemini、Ollama、OpenCode 等客户端,定位是 3D 领域的 copilot,底层走 bpy 的 Python 脚本。评分时的星标快照是两千一百五十颗。
我们没装它,也没在 Blender 里跑过一次。本文把「仓库自称」和「我们没验证」这两部分分开写,然后给一套可复现的试验方案:怎么装、怎么连、让它改什么、怎么记录成功与失败。成功率这种东西,只有自己跑出来的才算数。
它大概长什么样
从描述看,它是两部分:一个 Blender 插件,加一个 MCP 服务。MCP(Model Context Protocol)是一套让模型调用外部工具的协议;Blender 这一侧把场景状态和操作包装成工具,模型那一侧通过支持 MCP 的客户端连上来。
这个结构决定了它能干什么。模型本身看不见你的场景,它关于「现在有哪些对象、在什么位置、用了什么材质」的全部知识,都来自插件返回的上下文;它对场景的每一次修改,都要落成一次工具调用,最终执行的是 bpy 脚本。换句话说,插件不是在 Blender 里塞了一个模型,而是给模型开了一扇能读能写的窗。
仓库自称了什么
按 feed 描述(我们没有读仓库正文,也没有安装),能力分成三类:
- 视觉对话:在 Blender 的界面里聊天,把当前场景作为上下文。描述用的是 visual chat,具体是把视口截图交给模型,还是只传结构化的场景数据,从这句话判断不出来。
- 场景工具:查询与修改场景。粒度有多细、改材质和建模器是否都覆盖,描述没有展开。
- 多 agent 工作流:多个 agent 分工处理同一个工程。怎么分工、如何避免互相改写,描述里没有说法。
兼容性列表里列了 ChatGPT、Claude、Gemini、Ollama、OpenCode。这里要留意,「支持某个客户端」通常意味着那一边要能连 MCP 服务,而不是插件把模型直接装进 Blender。本地模型走 Ollama 和云端模型走 API,在延迟、上下文长度和费用上是两套完全不同的体验。
为什么这类东西值得试
Blender 的 bpy 是少数把「建模」和「脚本」接得很顺的 3D 环境:建对象、加修改器、批量重命名、导出资产,都能写成 Python。让模型写 bpy,难点从来不是语法,而是两件事:上下文,它不知道场景里现在有什么;验证,改完对不对、谁来判定。
MCP 插件正好补的是第一件。第二件仍然要人来做——这正是下面记录成功率的意义。没有验证环节的 AI 建模,产出的是「看起来改了」的场景。
上手:装插件、连服务
下面是通用流程。插件里具体的按钮名、文件位置、启动方式和端口,以仓库 README 为准,我们不替它背书这些细节。
- 先备份。用一份复制的 .blend 做第一次实验,别在正式工程上试。如果插件的工具包含执行脚本,等于把代码执行权交给模型,出错的代价是工程文件本身。
- 装插件。Blender 的插件安装入口在偏好设置里,从磁盘选择安装包,启用后重启让面板出现。安装包是 zip 还是别的格式,看仓库的发布说明。
- 启动服务。插件面板里通常有一个启动与停止的开关,外加监听地址。确认它只在你需要的网络范围内可达;默认不应该对公网开放,否则等于把一个能改场景的接口挂到了外面。
- 连客户端。在 MCP 客户端的配置里加一条 server 记录,指向插件给出的地址或本地命令。连上之后先只做只读调用,确认能列出对象、拿到场景摘要,再让它改东西。
- 选模型。先用你最熟的那个,固定版本,测完一轮之前不要换。
改场景:从只读到多步
分三个阶段,每个阶段单独记一次通过率:
- 只读。让它报告对象数、每个对象的类型与位置、材质槽、修改器栈。拿大纲视图人工核对。这一步考的是上下文质量,答错说明工具返回的信息不够。
- 单步修改。例如「把这个立方体沿 Z 轴上移两个单位」。判定标准是位置数值正确,且没有别的对象被顺手动到。
- 多步任务。例如「给选中的三个对象各加一个倒角修改器,倒角宽度一致,然后打包成一个集合」。这类最容易暴露上下文过期:前一步改了选择集,后一步还按旧状态操作。
成功率怎么记
成功率不是模型的能力分,是你这条工作流的可靠度。定义要写在开测之前:
- 分母是你发出的指令条数,分子是一次通过、无需人工修正的条数。
- 失败要分类:工具选错、参数错、改错对象、脚本抛异常、上下文过期、直接拒绝执行。分开记,才知道该改 prompt、该补工具描述,还是该换模型。
- 至少跑两轮,第二轮换不同复杂度的场景和不同风格的指令。只跑一轮的百分比没有稳定性可言。
- 时间也要记。一条指令从发出到确认,包含你人工核对的时间。省下来的键盘操作如果换来更长的核对,这笔账要算进去。
风险与边界
- 代码执行。让模型生成并执行 bpy 脚本,等于在 Blender 进程里跑任意代码。插件有没有确认步骤、沙箱或白名单,我们没验证。
- 并发写。多 agent 同时改一个 .blend,怎么合并、谁赢,描述里没有说法。真实工程里这往往是最先撞上的问题。
- 超大场景。上下文窗口有限,几万个对象的场景不可能整份塞进去。工具必须做筛选,筛选逻辑的好坏直接决定成败,而这一点只有实测才知道。
- 版本漂移。插件跟着 Blender 与 MCP 协议一起演进,命令和配置会变。锁定版本再测,否则前后两轮的数据没法比。
我们核实了什么
- 仓库地址、描述原文、发布时间的元数据,以及评分时的星标快照。
- 没有安装,没有连接任何 MCP 客户端,没有跑过任何成功率。
- README、issue、release 的内容不在我们的核对范围内;文中「仓库自称」的部分全部来自 feed 描述的原句。
- 因此本文不含任何实测数字,也不替读者下「好不好用」的结论。
参考来源
本文基于以下公开报道整理。
- hitkeeen/blender-ai-mcp-addon — GitHub(2026-11-12)
- Model Context Protocol — 官方文档(协议说明)
本文由 AI 辅助整理,事实来自 GitHub feed 的仓库描述与元数据;我们未安装或运行该插件,功能清单属仓库自称,成功率需读者自行测量。
所属主题
Topics智能体 AI Agents
技术与工具 Tech & Tools


