Manus帶火的MCP，讓Claude一句話自動化3D建模，網友：真·AI+應用_風聞

明敏 克雷西 發自 凹非寺

量子位 | 公眾號 QbitAI

一句話提示，Claude自動化打開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。

該開源項目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自動化做感應映射。

“Blender/Cursor都可MCP”

簡單理解，BlenderMCP就是將Blender連接到Claude，允許Claude直接和Blender交互並控制Blender。

基於BlenderMCP還能完成許多事。

比如創建一個由龍守衞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.

這個過程裏，指令遵循效果不錯。

特意強調了low poly（低多邊形），最後搭建的成果裏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” 

“創建一個球體並將其置於立方體上方” 

“把燈光設置成攝影棚的效果” 

“將相機對準場景，並使其呈等距視角”

作者在項目頁中介紹，BlenderMCP能實現的能力包括創建、修改和刪除3D對象；使用、修改材料和顏色；場景檢查以及代碼執行。

這個系統主要由兩部分組成，Blender Addon和MCP Server。

前者是一個Blender插件，可以在Blender中創建一個接受和執行命令的服務器。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編程軟件，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。

配置好插件並完成認證後，Cursor通過MCP自動讀取了Slack中的需求文檔，然後從GitHub中拉取代碼，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中可以通過鏈接直接配置。

還有GitHub、谷歌搜索、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社區，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客户端裏直接找論文了。

有意思的是，大模型也是可以被“MCP服務化”的，比如讓服務器通過OpenAI兼容API調用其他模型。

甚至是把DeepSeek-R1接入到Claude當中也不是問題。

MCP為啥真強大？

MCP是一種通信協議，是Anthropic提出的，現在Anthropic把它比喻成AI應用的Type-C接口。

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數據源和工具之間的無縫集成，幫助AI獲得所需的上下文數據，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着的一個相同的痛點——數據隔離。

它就像AI系統與數據源之間的一座橋樑，允許開發者在數據源和AI工具之間建立雙向連接。

MCP採用客户端-服務器架構，多個服務可以連接到任何兼容的客户端。客户端可以是Claude Desktop、IDE或其他AI工具，服務器則充當適配器，暴露數據源。

其優勢在於，以後不管是訪問本地資源（數據庫、文件、服務），還是訪問遠程資源（如Slack、GitHub API），都能用同一個協議。

而且支持的數據形式非常多樣，包括文件內容、數據庫記錄、API響應、即時系統數據、屏幕截圖和圖像、日誌文件等，幾乎覆蓋了所有類型。

MCP服務器還內置了安全機制，允許服務器自己控制資源，不用把API密鑰交給大模型。

根據服務來源，MCP主要採用通信機制，本地通信時採用標準輸入輸出，遠程通信則通過SSE進行。

這兩種通信方式中的消息，都採用了JSON格式進行消息傳輸，使得MCP通信過程能夠標準化，並帶來了可擴展性。

看上去MCP能夠調用的服務多而複雜，但實際上開發過程非常簡單。

發佈時官方公告就明示，當時最新的Claude 3.5 Sonnet自己就非常擅長架設MCP服務器，直接完成閉環。

強大的調用能力、方便的開發流程，又背靠Anthropic，並且也獲得了開源社區的關注，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

參考鏈接：

[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/