手把手教你用MCP連線Claude3.7與Blender,一句話生成3D場景

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:
  1. 天空採用 HDRi 級別的影像
    2)有精緻的沙灘地面
  2. 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_objectmodify_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

  1. 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"
  2. 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。
  3. MCP主機生成並處理指令:主機將指令路由到 BlenderMCP
  4. MCP 伺服器將指令轉換為 Blender 命令:伺服器呼叫 Blender 的 Python API
  5. Blender 執行建模操作:建立 3D 模型、設定材質、新增環境元素等
  6. 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

  1. 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。
  2. 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。
  3. 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。

相關文章