最近在推特上刷到一條影片,特別火爆,徹底把我看呆了。
請看影片效果——
Prompt: 在 blender 中建立一個龍站在一堆金幣旁邊的場景。確保照明活潑有趣,整體效果精緻。使用適當的材質,使最終渲染效果達到 Dribbble 平臺釋出的水準。
Prompt: 在我的 blender 場景中,建立一個充滿活力的沙灘。需要滿足下列條件:
天空採用 HDRi 級別的影像2)有精緻的沙灘地面 要有岩石和灌木叢4)其它的必要的物體
有人在 Claude 裡用一句話,然後 Blender 就真的自動生成了一個超酷的 3D 模型。
我也非常好奇!要知道之前搞 3D 建模都是一群專業的人乾的事兒,紋理、材質、世界空間環境這些專業詞彙,一般人都沒聽過,更別說做出來了。
正好就是藉助最近重新又火起來的一個概念——MCP 實現的。
說實話,Manus 火了之後,雖然聊 MCP,聊 AI Agent 的文章和影片不少,但大多停在“概念很牛”的層面,具體怎麼動手操作,幾乎沒人講清楚。
所以,我決定深度復刻一下:如何讓你的 Claude 連線 Blender,實現一句話生成 3D 場景的魔法。
不過在開幹之前,咱們得先搞清楚幾個主角:MCP、Claude、Blender 到底是啥,它們之間啥關係?別急,我簡單聊聊,3 分鐘讓你心裡有數。
MCP、Claude、Blender 是個啥?
-
MCP(Model Context Protocol): 這玩意兒是 Anthropic 搞出來的一個開源協議,它能讓 AI(比如 Claude)和外部工具(比如 Blender)順暢聊天。 -
Claude: 不用我多說了吧,聰明得要命,能理解你的話,還能推理。不過光靠它自己,只能聊聊天、寫寫東西,想幹點實際的活兒(比如建 3D 模型),得靠 MCP 幫忙接上工具。 -
Blender: 是一個免費開源的 3D 建模神器,從小白到大神都愛用。它功能強大,但操作門檻不低,手動建個龍可能得花半天時間。現在有了 AI 加持,事情就完全不一樣了。
它們仨的關係是啥?
簡單來說,Claude 是“大腦”,負責聽懂你想要啥(比如“飛翔的龍”);MCP 是“橋樑”,把 Claude 的指令翻譯成 Blender 能懂的語言;Blender 是“手腳”,接到指令後開工建模。三者缺一不可
上面的影片,就是這仨配合的結果:Claude 一句話,MCP 傳話,Blender 直接出活兒。
好了,背景知識鋪墊夠了,接下來就是重頭戲——咱們動手把這套流程跑起來。
手把手教你用 MCP 連線 Claude3.7 與 Blender
首先,電腦上先安裝 Claude Desktop 和 Blender 兩個應用,地址我放在這兒了:
Blender:https://www.blender.org/Claude Desktop:https://claude.ai/download
MCP 是今天的主角,它的核心是個通訊系統,靠幾個重要元件搭起來。
-
MCP 主機:我們這裡採用 Claude for Desktop,是 Claude 提供的桌面 APP。
這個專案要求 Claude 的大模型即時與本地程式進行互動。該功能目前只在 Claude for Desktop APP 中提供。
MCP 主機的核心要求是支援 MCP 協議並能發起與伺服器的連線,例如 Claude for Desktop、Cursor 以及最新版的 Cherry Studio 都可作為 MCP 主機,具體支援程度視版本而定
還有軟體開發裡兩個非常常見的概念,客戶端和服務端:
-
MCP 客戶端(mcp-client) :這個是 Claude 的“傳聲筒”,裝在 Claude 這邊,專門把 AI 的指令(比如“建個龍”)打包發給服務端。 -
MCP 伺服器(mcp-server): 這是工具端的“接線員”,跑在 Blender 這邊,負責接收 MCP 主機的指令,翻譯成 Blender 能執行的操作(比如畫個龍的翅膀),然後把結果傳回去。
外部工具/遠端服務: 這裡就是 Blender 啦,或者其他你想接的工具(像瀏覽器、Gmail 啥的)。它們透過 mcp-server 接入系統,幹具體的活兒。
整體架構如下:

MCP 主機我們這裡採用 Claude for Desktop,blender 作為一個外部工具,MCP 這個橋樑怎麼實現?
這個時候就體現開源專案的好處啦,因為已經有人幫你實現了,這裡使用到了 blender-mcp 這個開源專案,地址如下:
github 專案地址:https://github.com/ahujasid/blender-mcp/

第一步:準備環境
你得先裝好這些東西:
-
Blender 和 Claude 桌面版: 上面提到了。 -
Python 3.10+: Blender 自帶 Python,但得確保版本夠新。 -
uv 包管理器: 這個用來跑 MCP 伺服器。

第二步:安裝 BlenderMCP 外掛
將 blender-mcp 專案下載到本地。
這個專案的核心功能有兩個:
-
server.py 檔案:建立一個針對 blender 的 MCP 伺服器, 透過 src/blender_mcp/server.py 檔案實現。 -
addon.py 檔案:為 blender 建立一個與 MCP 伺服器溝通的外掛,用於執行 MCP 伺服器發來的指令, 透過 addon.py 檔案實現。

簡單提及一下——
server.py 的功能是將 Blender 的資源暴露出來,並提供標準的介面供外部呼叫。
開啟 server.py, 可以看到檔案內部如下:

裡面定義了很多具體的函式,用於在 Blender 中執行“建立物體”,“刪除物體”等操作。在這個檔案內,就是 create_object,modify_object 等函式。
接著,我們要在 blender 中安裝這個外掛,具體照著下面的影片走。
這一步就是把外掛裝進 Blender 裡面。
開啟 Blender,挑剛下的addon.py,勾上“Blender MCP”啟用。
然後就可以啟動連線了!
(等待下面啟動)
第三步:配置 Claude 的 MCP 客戶端
一個 MCP 主機,可以同時有多個 MCP 客戶端,每個客戶端連線一個外部工具和服務。

開啟 Claude 桌面版,點選左上角的三個“橫槓”, 進“File> Settings > Developer > Edit Config ”,找到 claude_desktop_config.json,加上下面的內容:

具體操作直接看下面的影片。
按照上面的步驟操作後,重啟 Claude Desktop,可以看到在對話方塊右下角有個“榔頭”圖示,點選後會展示 Claude Desktop 目前已經發現的 Blender API 函式。
如果你也能像影片中一樣,看到 blender-mcp 裡的 create_object 等函式說明,則說明 MCP 主機已經配置好了。
MCP 工作流程
-
使用者向 Claude 傳送請求:例如"建立一個有紅色屋頂的小木屋,周圍有樹木和一條小溪" -
Claude選擇合適的伺服器:分析請求,並且判斷出 BlenderMCP 伺服器可以完成任務。 -
MCP主機生成並處理指令:主機將指令路由到 BlenderMCP -
MCP 伺服器將指令轉換為 Blender 命令:伺服器呼叫 Blender 的 Python API -
Blender 執行建模操作:建立 3D 模型、設定材質、新增環境元素等 -
結果返回給使用者:執行完成後,渲染影像或模型檔案透過相同的路徑返回給使用者
啟動 MCP 伺服器
在 Blender 的 3D 檢視側欄(按 N 鍵調出來),找“BlenderMCP”選項卡,點選紅框中按鈕“Start MCP Server”:

這時候外掛會開個本地套接字伺服器,等著 MCP 傳話。
這個時候,你就可以在 Claude 裡輸入 prompt 隨便測試了,比如:
給我生成一個低多邊形(low poly)的小飛機。

成了!
一些要說明的問題
-
當需要執行生成的程式碼時,Claude Desktop 會彈出對話方塊讓你手動確定。點選“Allow for This Chat”允許執行。 -
MCP 目前還處於早期階段,從上面的步驟可以看出 MCP 的配置還較為繁瑣。 -
當在 Claude Desktop 裡裝有多個 MCP 客戶端配置檔案時,Claude 會透過你的提問,利用大模型的能力,選擇最適合 MCP 伺服器。比如當你問有關郵件的內容,它就會自動選擇郵件的 server。
到這裡,我們就完成了 BlenderMCP 這個專案的實際執行過程。希望透過實際執行,可以讓大家對 MCP 有一個初步的認識。
目前,已經有了很多公開的 MCP 伺服器,提供各種各樣的服務,可以在 mcp.so 網站上檢視。

最後,簡單聊聊 MCP 和 AI Agent。
大模型本身是一個封閉的系統,它沒有辦法回答你今天是星期幾,也沒辦法操控外部工具。
MCP 為大模型提供了一個“即插即用”的框架,提供與外部資料來源和工具的標準化連線能力,讓 AI 能夠動態訪問即時資料、呼叫工具(如瀏覽器、資料庫等)。
MCP 的核心價值在於打破 AI 的“資料孤島”。
AI Agent 是大勢所趨。
2025 年被認為是 AI 智慧體的“爆發年”,從 OpenAI 的 Operator 到 Manus,市場對能夠自主完成複雜任務的 AI 需求激增。
當前 AI 智慧體開發面臨“碎片化”問題:每個智慧體都需要為特定任務或工具開發專用介面,效率低下。MCP 提出了一種潛在的通用的解法。

儘管 Manus 並未明確使用 MCP(據開發者稱,Manus 開發時 MCP 尚未釋出,採用了類似 CodeAct 的思路),兩者在目標上高度契合——
都是為了讓 AI 從單純的對話工具,進化成能夠主動操作和解決實際問題的智慧體。
MCP 不是 Manus 這樣的產品,它是要用開源社群攢出來“技術地基”,就像當年 TCP/IP 默默撐起整個網際網路。
開源協議的牛逼之處就在於——你越多人白嫖它,它越值錢。


