Blender接入MCP:让AI助手帮你写bpy脚本

做三维场景的人大多有过这种体验：真正花时间的不是创意，而是重复的建模、改材质、调灯光。今天聊的 GitHub 项目 anujasid/blender-ai-mcp-addon，想解决的就是这件事——把 AI 助手和 Blender 接起来，用自然语言描述需求，由模型生成并执行 bpy 脚本。这篇适合三维美术、技术美术，以及想了解 MCP 的开发者阅读，读完你能判断它值不值得放进自己的流程。

一、先说清 MCP：给模型接上操作软件的手

MCP（Model Context Protocol）是一套开放协议，作用是把「模型」和「外部工具」之间的调用方式标准化。可以把它理解成统一的插座：模型不必认识每家软件的具体接口，只要对方提供符合协议的服务器，就能读取信息、调用功能。

对 Blender 这类软件，意义很直接——模型不再只是给建议，而是能真正去查场景、动对象、跑脚本。这也是它和普通对话框的本质区别。

二、这个插件具体做了什么

按项目描述，它由两部分组成：一个 Blender 侧的 AI 插件，一个 MCP 服务器。能力覆盖三块——可视化对话、场景操作工具、多智能体工作流。

可视化对话：在 Blender 界面里直接提问，不用来回切窗口复制粘贴。

场景工具：把常用操作封装成模型可调用的能力，比如读取对象信息、修改参数、批量处理。

多智能体工作流：让不同角色分工，一个拆解需求，一个写脚本，一个检查结果。这个方向目前更像设计思路，实际效果取决于模型与配置。

模型侧它列出了 OpenAI、ChatGPT、Claude、Gemini、Ollama、OpenCode。既有云端 API，也有本地部署选项，对数据敏感的团队这点比较关键。

三、bpy 脚本：从「聊」到「跑」的关键一环

Blender 的 Python 接口 bpy 几乎能操作软件里的一切。AI 助手真正有价值的地方，不是给你一段泛泛的建议，而是把「把这排物体沿 X 轴均匀排开」这类意图，翻译成可执行的 bpy 代码。

但这一步也是风险点：脚本会真实改动文件。建议养成三个习惯——先保存、先小范围试、先看代码再执行。举个假设案例：让它批量重命名两百个对象，先在副本文件上跑一遍，确认命名规则无误，再上正式工程。

好工具不是替你做决定，而是把你从重复操作里换出来，去做真正需要判断的那部分。

四、现实一点：适合谁，不适合谁

项目当前星标约 640，属于早期探索型工具，不是成熟商业产品，接口和文档都可能变动。

适合：想尝鲜 MCP 的开发者、愿意读代码排错的技术美术、做内部效率实验的小团队。

不太适合：需要稳定交付的生产管线、完全不想碰命令行和配置的使用者。遇到问题多半要自己翻 issue 和日志。

另外，涉及公司资产的三维工程，接云端模型前先确认数据合规要求；本地模型是更稳的选择。

五、上手路径建议

第一步，在测试工程里跑通「读取场景信息」这类只读操作，确认连接与权限正常。

第二步，再试单步修改，最后才放开批量脚本。

第三步，把常用提示词固化成模板，减少来回沟通的成本。

第四步，记录每次生成的脚本，慢慢攒成团队内部的小型脚本库。

写在最后

AI 进三维工作流这件事，短期看是省下写脚本的时间，长期看是把「描述需求」变成一种新的生产能力。MCP 这类协议的价值，也正在于让这种连接逐渐标准化、可复用。

如果你也在用 Blender 做管线，建议这周挑一个重复度最高的操作，用这个插件试着自动化一次。成本不高，得到的判断很值。

关注「国明软件」，回复【工具】领取研发与办公效率工具清单。觉得有用，欢迎点赞、在看，转发给做三维和做 AI 应用的同事。

互动一下：你最希望 AI 帮你接手 Blender 里的哪一步重复操作？评论区聊聊。

搜一搜关键词：Blender MCP、bpy 脚本、AI 助手、MCP 服务器。项目细节请以 GitHub 仓库最新说明为准。