MCP for Blender：用自然语言驱动 Blender 的 AI 插件

从"写代码建模"到"说话建模型"

想象这样一个场景：你对着一杯咖啡说"给我建一个和这杯子一样的3D模型，带上木桌、暖色调的下午阳光"。传统流程需要打开 Blender、手动创建几何体、调整材质、设置灯光、渲染输出——每一步都需要专业操作，即使是有经验的 3D 设计师，一个场景也可能耗费数小时。而 MCP for Blender 把这个过程变成了对 AI 说一句话。

MCP for Blender 是一个开源社区插件，它将 Blender 3D 创作软件接入 Model Context Protocol（MCP）协议生态，让任何支持 MCP 的 AI（Claude、GPT-4o、Cursor、Cline 等）都能直接控制 Blender：创建物体、调整材质、布置灯光、生成场景、导入资产，甚至直接执行 Blender Python 脚本。

这不是让 AI 帮你做一步，而是让 AI 完整接管你的 3D 工作流。

---

为什么这个项目值得关注

1. 填补了 AI 生成与 3D 创作之间的鸿沟

3D 内容创作一直是 AI 生成的难点。图像生成、视频生成已有 Midjourney、Sora 等成熟方案，但 3D 建模的专业门槛极高，AI 难以介入。MCP for Blender 另辟蹊径：不追求 AI 直接输出 3D 模型文件，而是让 AI 操控专业工具 Blender。这相当于 AI 不是自己画画，而是成为你的专业画师，替你使用 Photoshop。

项目支持 Tripo AI、Hyper3D Rodin、腾讯混元3D（Hunyuan3D） 等多个 AI 3D 生成服务，生成后的模型会自动导入 Blender 场景，并可以继续用自然语言调整。

2. MCP 协议生态的直接受益者

Model Context Protocol（模型上下文协议）是由 Anthropic 主导推出的开放协议，旨在标准化 AI 助手与外部工具的连接方式。随着 Claude Desktop、Codex、Cursor、VS Code、Cline、Windsurf 等主流 AI 编程工具纷纷宣布支持 MCP，MCP for Blender 天然获得了庞大的用户基础——用户无需学习任何新工具，只需在现有的 AI 编程环境中配置一个 MCP 端点即可。

3. 双向视觉反馈闭环

传统 AI 代码执行有一个核心问题：AI 不知道代码运行后发生了什么。MCP for Blender 解决了这个盲区——内置的 look 工具让 AI 能够实时截取 Blender 视口截图，包括多角度视图、线框模式、材质模式、X 光透视以及渲染图。这意味着 AI 能够"看到"自己的操作结果并自我修正。

这个设计非常关键：它让 AI 从"盲目执行"变成了"所见即所得"，这也是为什么用户反馈中 AI 的首次成功率远高于普通的代码执行场景。

---

技术架构：双组件协同

MCP for Blender 由两个核心组件构成，架构清晰：

组件一：Blender Addon（addon.py）

作为 Blender 插件运行，核心功能是一个 socket 服务器。它运行在 Blender 内部，监听来自 MCP 客户端的命令，并将命令路由到 Blender Python API（bpy）执行。Addon 提供了丰富的内置命令：

• get_scene_info：获取场景物体、材质、拓扑等详细信息
• get_viewport_screenshot：捕获当前视口截图（支持 GPU 离屏渲染，兼容无头模式）
• execute_code：在 Blender 中执行任意 Python 代码
• export_scene：导出场景为 GLB/FBX 格式
• 条件启用：Poly Haven 资产搜索/下载、Sketchfab 模型搜索/下载、Poly Pizza 低多边形模型、混元3D/Hyper3D Rodin AI 生成等

Addon 通过 bpy Python API 与 Blender 深度集成，版本 v1.8，支持 Blender 3.0+。

组件二：MCP Server（src/blender_mcp/server.py）

基于 FastMCP 框架（mcp >= 1.26.0）实现的 Python 服务器，通过 socket 与 Blender addon 通信。MCP Server 将 addon 的命令暴露为 MCP 协议工具，供 AI 客户端调用。其命令行入口为 mcp-for-blender（pyproject.toml 中定义）。

安装方式极简：

curl -LsSf https://www.mcp-for-blender.com/install.sh | sh

脚本自动检测 uv 是否安装、配置 MCP 客户端、启用 Blender addon，全程无需手动配置。

资产集成生态

资产源	功能	说明
Poly Haven	HDRIs、纹理、3D 模型	CC0 协议，免费商用
Sketchfab	3D 模型搜索与下载	支持带动画的模型
Poly Pizza	低多边形模型	适合游戏/动画场景
Tripo AI	AI 文本/图片生成 3D	需 API Key
Hyper3D Rodin	AI 3D 生成	Premium 服务
Hunyuan3D	腾讯混元3D 生成	免费额度

---

使用体验与上手门槛

安装配置（10-15分钟）

1. 安装 Blender（ blender.org 免费下载）
2. 一键安装脚本配置 MCP 客户端和 Blender addon
3. 重启 AI 客户端，添加 mcp-for-blender 端点
4. 在 Blender 侧边栏启用 MCP Server 连接

项目提供了针对 Claude Desktop、Claude Code、Codex、Cursor、VS Code、Cline、Windsurf、OpenCode、Antigravity 等所有主流 MCP 客户端的配置指引。

实际使用中的注意事项

AI 的能力上限取决于你的描述能力。 项目文档给出了大量示例 Prompt，"创建一个地牢场景，有龙守护一罐金子"——这类具象的描述 AI 处理得很好，但模糊需求（如"建一个好看的场景"）效果会大打折扣。

AI 生成 Blender Python 代码的局限。 Blender Python API（bpy）庞大且复杂，AI 偶尔会生成语法正确但语义错误的代码（如指定了错误的枚举值）。Addon 内置了 bpy API 查找和节点类型描述工具来辅助修正，但用户仍需有一定的 Blender 基础才能识别明显的逻辑错误。

数据隐私。 项目明确说明：遥测数据（Prompt、生成代码、视口截图、场景数据）从不强制收集，用户需主动同意才会上传。这一点的透明度值得肯定。

长期维护风险。 作者 Siddharth Ahuja 是个人维护者，项目 Star 增长迅猛但 contributor 仅数人。Blender API 变动、PyPI 包名历史变更（blender-mcp → mcp-for-blender）都增加了维护负担。

---

项目数据一览

指标	数值
GitHub Stars	30,454
Forks	2,730
主要语言	Python
License	MIT
当前版本	2.1.9
PyPI 周下载量	~10,000+
主要依赖	mcp >= 1.26.0, httpx >= 0.27.0
Python 版本要求	>= 3.10
打包工具	uv + setuptools
CI/CD	GitHub Actions

---

总结：谁应该用它

推荐使用：

• 3D 设计师和概念艺术家，快速生成场景参考和资产
• 游戏开发者，用自然语言快速搭建关卡原型
• AI 研究者，探索 AI 操控专业工具的能力边界
• Blender 学习者，通过观察 AI 的操作学习 Blender 技巧

谨慎使用：

• 需要高精度工业级模型的场景（AI 生成精度有限）
• 没有 Blender 基础的用户（难以识别和修正 AI 错误）
• 对数据隐私高度敏感的用户（即使默认关闭，配置过程中仍有接触）

MCP for Blender 展现了 AI 与专业工具深度协作的可行路径。随着 MCP 协议生态的持续扩展，这类"AI 操控专业工具"的插件可能会成为未来 3D 工作流的标配。