最近在推特上刷到一条视频，特别火爆，彻底把我看呆了。

请看视频效果——

Prompt: 在 blender 中创建一个龙站在一堆金币旁边的场景。确保照明活泼有趣，整体效果精致。使用适当的材质，使最终渲染效果达到 Dribbble 平台发布的水准。

Prompt: 在我的 blender 场景中，创建一个充满活力的沙滩。

需要满足下列条件:

天空采用 HDRi 级别的图像

2）有精致的沙滩地面

要有岩石和灌木丛

4）其它的必要的物体

有人在 Claude 里用一句话，然后 Blender 就真的自动生成了一个超酷的 3D 模型。

我也非常好奇！要知道之前搞 3D 建模都是一群专业的人干的事儿，纹理、材质、世界空间环境这些专业词汇，一般人都没听过，更别说做出来了。

正好就是借助最近重新又火起来的一个概念——MCP 实现的。

说实话，Manus 火了之后，虽然聊 MCP，聊 AI Agent 的文章和视频不少，但大多停在“概念很牛”的层面，具体怎么动手操作，几乎没人讲清楚。

所以，我决定深度复刻一下：如何让你的 Claude 连接 Blender，实现一句话生成 3D 场景的魔法。

不过在开干之前，咱们得先搞清楚几个主角：MCP、Claude、Blender 到底是啥，它们之间啥关系？别急，我简单聊聊，3 分钟让你心里有数。

MCP、Claude、Blender 是个啥？

MCP（Model Context Protocol）: 这玩意儿是 Anthropic 搞出来的一个开源协议，它能让 AI（比如 Claude）和外部工具（比如 Blender）顺畅聊天。
Claude: 不用我多说了吧，聪明得要命，能理解你的话，还能推理。不过光靠它自己，只能聊聊天、写写东西，想干点实际的活儿（比如建 3D 模型），得靠 MCP 帮忙接上工具。
Blender: 是一个免费开源的 3D 建模神器，从小白到大神都爱用。它功能强大，但操作门槛不低，手动建个龙可能得花半天时间。现在有了 AI 加持，事情就完全不一样了。

它们仨的关系是啥？

简单来说，Claude 是“大脑”，负责听懂你想要啥（比如“飞翔的龙”）；MCP 是“桥梁”，把 Claude 的指令翻译成 Blender 能懂的语言；Blender 是“手脚”，接到指令后开工建模。三者缺一不可

上面的视频，就是这仨配合的结果：Claude 一句话，MCP 传话，Blender 直接出活儿。

好了，背景知识铺垫够了，接下来就是重头戏——咱们动手把这套流程跑起来。

手把手教你用 MCP 连接 Claude3.7 与 Blender

首先，电脑上先安装 Claude Desktop 和 Blender 两个应用，地址我放在这儿了：

Blender:

https://www.blender.org/

Claude Desktop:

https://claude.ai/download

MCP 是今天的主角，它的核心是个通信系统，靠几个重要组件搭起来。

MCP 主机：我们这里采用 Claude for Desktop，是 Claude 提供的桌面 APP。

这个项目要求 Claude 的大模型实时与本地程序进行交互。该功能目前只在 Claude for Desktop APP 中提供。

MCP 主机的核心要求是支持 MCP 协议并能发起与服务器的连接，例如 Claude for Desktop、Cursor 以及最新版的 Cherry Studio 都可作为 MCP 主机，具体支持程度视版本而定

还有软件开发里两个非常常见的概念，客户端和服务端：

MCP 客户端（mcp-client） ：这个是 Claude 的“传声筒”，装在 Claude 这边，专门把 AI 的指令（比如“建个龙”）打包发给服务端。
MCP 服务器（mcp-server）： 这是工具端的“接线员”，跑在 Blender 这边，负责接收 MCP 主机的指令，翻译成 Blender 能执行的操作（比如画个龙的翅膀），然后把结果传回去。

外部工具/远程服务: 这里就是 Blender 啦，或者其他你想接的工具（像浏览器、Gmail 啥的）。它们通过 mcp-server 接入系统，干具体的活儿。

整体架构如下：

MCP 主机我们这里采用 Claude for Desktop，blender 作为一个外部工具，MCP 这个桥梁怎么实现？

这个时候就体现开源项目的好处啦，因为已经有人帮你实现了，这里使用到了 blender-mcp 这个开源项目，地址如下:

github 项目地址：

https://github.com/ahujasid/blender-mcp/

第一步：准备环境

你得先装好这些东西：

Blender 和 Claude 桌面版: 上面提到了。
Python 3.10+: Blender 自带 Python，但得确保版本够新。
uv 包管理器: 这个用来跑 MCP 服务器。

第二步：安装 BlenderMCP 插件

将 blender-mcp 项目下载到本地。

这个项目的核心功能有两个：

server.py 文件：创建一个针对 blender 的 MCP 服务器， 通过 src/blender_mcp/server.py 文件实现。
addon.py 文件：为 blender 创建一个与 MCP 服务器沟通的插件，用于执行 MCP 服务器发来的指令， 通过 addon.py 文件实现。

简单提及一下——

server.py 的功能是将 Blender 的资源暴露出来，并提供标准的接口供外部调用。

打开 server.py， 可以看到文件内部如下：

里面定义了很多具体的函数，用于在 Blender 中执行“创建物体”，“删除物体”等操作。在这个文件内，就是 create_object，modify_object 等函数。

接着，我们要在 blender 中安装这个插件，具体照着下面的视频走。

这一步就是把插件装进 Blender 里面。

打开 Blender，挑刚下的addon.py，勾上“Blender MCP”启用。

然后就可以启动连接了！

（等待下面启动）

第三步：配置 Claude 的 MCP 客户端

一个 MCP 主机，可以同时有多个 MCP 客户端，每个客户端连接一个外部工具和服务。

打开 Claude 桌面版，点击左上角的三个“横杠”， 进“File> Settings > Developer > Edit Config ”，找到 claude_desktop_config.json，加上下面的内容：

具体操作直接看下面的视频。

按照上面的步骤操作后，重启 Claude Desktop，可以看到在对话框右下角有个“榔头”图标，点击后会展示 Claude Desktop 目前已经发现的 Blender API 函数。

如果你也能像视频中一样，看到 blender-mcp 里的 create_object 等函数说明，则说明 MCP 主机已经配置好了。

MCP 工作流程

用户向 Claude 发送请求：例如"创建一个有红色屋顶的小木屋，周围有树木和一条小溪"
Claude选择合适的服务器：分析请求，并且判断出 BlenderMCP 服务器可以完成任务。
MCP主机生成并处理指令：主机将指令路由到 BlenderMCP
MCP 服务器将指令转换为 Blender 命令：服务器调用 Blender 的 Python API
Blender 执行建模操作：创建 3D 模型、设置材质、添加环境元素等
结果返回给用户：执行完成后，渲染图像或模型文件通过相同的路径返回给用户

启动 MCP 服务器

在 Blender 的 3D 视图侧栏（按 N 键调出来），找“BlenderMCP”选项卡，点击红框中按钮“Start MCP Server”：

这时候插件会开个本地套接字服务器，等着 MCP 传话。

这个时候，你就可以在 Claude 里输入 prompt 随便测试了，比如：

给我生成一个低多边形(low poly)的小飞机。

成了！

一些要说明的问题

当需要执行生成的代码时，Claude Desktop 会弹出对话框让你手动确定。点击“Allow for This Chat”允许执行。
MCP 目前还处于早期阶段，从上面的步骤可以看出 MCP 的配置还较为繁琐。
当在 Claude Desktop 里装有多个 MCP 客户端配置文件时，Claude 会通过你的提问，利用大模型的能力，选择最适合 MCP 服务器。比如当你问有关邮件的内容，它就会自动选择邮件的 server。

到这里，我们就完成了 BlenderMCP 这个项目的实际运行过程。希望通过实际运行，可以让大家对 MCP 有一个初步的认识。

目前，已经有了很多公开的 MCP 服务器，提供各种各样的服务，可以在 mcp.so 网站上查看。

最后，简单聊聊 MCP 和 AI Agent。

大模型本身是一个封闭的系统，它没有办法回答你今天是星期几，也没办法操控外部工具。

MCP 为大模型提供了一个“即插即用”的框架，提供与外部数据源和工具的标准化连接能力，让 AI 能够动态访问实时数据、调用工具（如浏览器、数据库等）。

MCP 的核心价值在于打破 AI 的“数据孤岛”。

AI Agent 是大势所趋。

2025 年被认为是 AI 智能体的“爆发年”，从 OpenAI 的 Operator 到 Manus，市场对能够自主完成复杂任务的 AI 需求激增。

当前 AI 智能体开发面临“碎片化”问题：每个智能体都需要为特定任务或工具开发专用接口，效率低下。MCP 提出了一种潜在的通用的解法。

尽管 Manus 并未明确使用 MCP（据开发者称，Manus 开发时 MCP 尚未发布，采用了类似 CodeAct 的思路），两者在目标上高度契合——

都是为了让 AI 从单纯的对话工具，进化成能够主动操作和解决实际问题的智能体。

MCP 不是 Manus 这样的产品，它是要用开源社区攒出来“技术地基”，就像当年 TCP/IP 默默撑起整个互联网。

开源协议的牛逼之处就在于——你越多人白嫖它，它越值钱。