Mauns帶火的MCP,讓Claude一句話自動化3D建模,網民:真·AI+應用
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)——複刻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掂的建模工作,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,這種方案可以複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.

這個過程里,指令遵循效果不錯。
特意強調了low poly(低多邊形),最後搭建的成果里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,網民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、Google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為什麼真強大?
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著的一個相同的痛點——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採用客戶端-服務器架構,多個服務可以連接到任何兼容的客戶端。客戶端可以是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、實時系統數據、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/
本文來自微信公眾號「量子位」(ID:QbitAI),作者:關注前沿科技,36氪經授權發佈。