明敏 克雷西 發自 凹非寺
量子位 | 公眾號 QbitAI
一句話提示，Claude自動化開啟Blender將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，再基於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。
將這套協議和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，如今縮短到幾分鐘，還不用人插手。
該開源專案BlenderMCP，上線短短3天，GitHub標星已達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，並且會告知人類。
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自動化做感應對映。
“Blender/Cursor都可MCP”
簡單理解，BlenderMCP就是將Blender連線到Claude，允許Claude直接和Blender互動並控制Blender。
基於BlenderMCP還能完成許多事。
比如建立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。
Poly Haven是一個免費開源的3D資源網站，可以看到Claude能夠直接自己去下載使用資源。
其餘可以嘗試的能力還有：
-
“把這輛車塗成紅色並帶有金屬質感”
-
“建立一個球體並將其置於立方體上方”
-
“把燈光設定成攝影棚的效果”
-
“將相機對準場景，並使其呈等距視角”
作者在專案頁中介紹，BlenderMCP能實現的能力包括建立、修改和刪除3D物件；使用、修改材料和顏色；場景檢查以及程式碼執行。
這個系統主要由兩部分組成，Blender Addon和MCP Server。
前者是一個Blender外掛，可以在Blender中建立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。
除了將MCP接入到Blender，網友們還在嘗試用它升級各種工具。
甚至是AI程式設計軟體，也會因為使用MCP後變得更加自動化。
有人在Cursor上使用MCP協議同時接入了Slack和GitHub，完成了一次新功能開發。
配置好外掛並完成認證後，Cursor透過MCP自動讀取了Slack中的需求文件，然後從GitHub中拉取程式碼，並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中可以透過連結直接配置。
還有GitHub、谷歌搜尋、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社群，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，比如讓伺服器透過OpenAI相容API呼叫其他模型。
甚至是把DeepSeek-R1接入到Claude當中也不是問題。
MCP為啥真強大？
MCP是一種通訊協議，是Anthropic提出的，現在Anthropic把它比喻成AI應用的Type-C介面。
並且Anthropic已經打算牽頭把MCP協議推動成行業開放標準。
實現大模型應用與外部資料來源和工具之間的無縫整合，幫助AI獲得所需的上下文資料，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著的一個相同的痛點——資料隔離。
它就像AI系統與資料來源之間的一座橋樑，允許開發者在資料來源和AI工具之間建立雙向連線。
MCP採用客戶端-伺服器架構，多個服務可以連線到任何相容的客戶端。客戶端可以是Claude Desktop、IDE或其他AI工具，伺服器則充當介面卡，暴露資料來源。
其優勢在於，以後不管是訪問本地資源（資料庫、檔案、服務），還是訪問遠端資源（如Slack、GitHub API），都能用同一個協議。
而且支援的資料形式非常多樣，包括檔案內容、資料庫記錄、API響應、即時系統資料、螢幕截圖和影像、日誌檔案等，幾乎覆蓋了所有型別。
MCP伺服器還內建了安全機制，允許伺服器自己控制資源，不用把API金鑰交給大模型。
根據服務來源，MCP主要採用通訊機制，本地通訊時採用標準輸入輸出，遠端通訊則透過SSE進行。
這兩種通訊方式中的訊息，都採用了JSON格式進行訊息傳輸，使得MCP通訊過程能夠標準化，並帶來了可擴充套件性。
看上去MCP能夠呼叫的服務多而複雜，但實際上開發過程非常簡單。
釋出時官方公告就明示，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。
強大的呼叫能力、方便的開發流程，又背靠Anthropic，並且也獲得了開源社群的關注，MCP似乎有望像Anthropic設想的一樣，成為一種未來的AI標準。
但真能如此嗎？
持觀望態度or悲觀態度的人，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是未來標準，而更多人覺得還得再看看。
包括在LangChain內部，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，還會產生很多定製化需求，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會是曇花一現嗎？
歡迎評論區留言討論~
GitHub地址：
https://github.com/ahujasid/blender-mcp?tab=readme-ov-file
參考連結：
[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/
— 完 —
評選報名｜2025年值得關注的AIGC企業&產品
下一個AI“國產之光”將會是誰？
本次評選結果將於4月中國AIGC產業峰會上公佈，歡迎參與！
一鍵關注 👇 點亮星標
科技前沿進展每日見
一鍵三連「點贊」「轉發」「小心心」
歡迎在評論區留下你的想法！