夜雨聆风让 AI 操作 Blender，真正起作用的部分不在聊天框里。中间需要一层桥。它把 LLM 能理解的工具描述，转换成 Blender 能执行的 Python API 或数据操作，再把软件状态传回模型。MCP 解决的是这层通信标准，具体能做什么，仍由每个软件的适配器和 API 决定。
3 层
模型、桥、软件。
2 类
官方与社区项目。
0 信任
默认安全假设。
此前 Blender MCP 草稿里的案例，展示了桥接后的可见结果。普通开发者还应该继续追问：它通过什么接口工作？能读取哪些状态？能修改哪些对象？失败后有没有办法检查和回滚？
图注：此前 Blender MCP 示例中的城市场景截图。它可以说明桥接后的可见结果，但不能单独证明模型理解了真实城市数据或完成了专业级建模。
先把“桥”拆成三层。
第一层是 LLM 客户端。它负责理解用户意图、选择工具、生成参数或代码。Claude、ChatGPT、本地模型和其他客户端，都可以实现 MCP 客户端能力。它们因此有机会接入同一类 MCP Server。
第二层是 MCP Server。它向模型公布工具名称、参数结构和返回格式。工具可以是“读取当前场景”“列出对象”或“执行一段 Blender Python”。模型并不直接打开 Blender 的内存，也不需要知道网络端口的细节。它通过协议发起一次工具调用，Server 再负责转发。
第三层是软件适配器。适配器可能是 Blender 插件，也可能是本地 socket 服务、HTTP 接口或厂商提供的 Python/C++ API。适配器把 MCP 调用变成软件内部动作，再把对象、材质、文件、错误和截图等状态返回给模型。
用户意图 → LLM 客户端 → MCP Server → Blender 插件/API → 场景状态。
返回路径：场景状态、执行结果和错误会回到模型。
模型据此形成下一轮判断。
Blender 官方项目到底提供了什么。
Blender Lab 的官方 MCP Server 页面明确写出，Blender 当前没有内置 LLM 连接功能。用户需要手动准备 Blender 5.1 或更新版本、一个 add-on、一个 LLM Client 和一个 MCP Server。这里的“官方”指 Blender 维护的实验性项目，不等于 Blender 已经把 AI 助手做成了软件内置功能。
官方示例展示了场景分析、数据块重命名、对象关系查询、面数排查和 Geometry Nodes 文档生成。它的价值集中在“理解现有场景”和“执行可描述的批处理”。例如，模型可以分析镜头视角下的面数异常，再指出某些远处高面数对象可能适合简化。
官方页面同时给出安全警告。该 MCP Server 会在 Blender 中执行 LLM 生成的代码，默认没有保护数据删除或远程发送的内置防护。官方建议在虚拟机或不含敏感信息的系统中使用。
安全边界。
只要桥接层允许执行任意 Python，模型就可能触达文件、网络、场景数据和 Blender 的全部 Python API。保存副本、隔离环境、限制权限、检查脚本和设置回滚点，属于基本操作，不是高级用户才需要的优化。
官方项目和社区插件，要分开看。
此前草稿主要参考的 `ahujasid/blender-mcp` 是社区项目，不是 Blender Foundation 的产品。
社区项目采用“Blender addon + MCP Server”结构。
它可以操作对象和材质，也可以检查场景与执行 Python。
项目还支持 Poly Haven、Sketchfab、Hunyuan3D 等扩展路线。使用者需要自己核对代码、权限和遥测设置。
Blender Extensions 审核页上还有一个叫 `blend-ai` 的第三方项目。页面列出了大量工具、视觉反馈和代码沙箱等设计，但审核记录显示它当时因为 AI 集成和 `exec` 等问题尚未被平台接受。它不能被写成“Blender 官方插件”，也不能因为出现在 Blender Extensions 页面就自动获得官方背书。
MCP 的通用性，究竟通用在哪里。
MCP 的通用性主要发生在通信层。客户端不必为每个软件重新发明一套“模型如何调用工具”的协议，Server 也可以按照标准格式描述工具、资源和提示。于是，支持 MCP 的客户端有机会复用不同软件的连接器。
软件能力不会因为接入 MCP 就自动通用。Blender 的对象、材质、修改器和 Geometry Nodes，是 Blender 的概念；Archicad 的墙、楼板、属性、视图、楼层和元素 GUID，是 Archicad 的概念。桥只负责把调用送到正确的地方，不能替软件设计跨产品的语义模型。
一句话判断。
MCP 让“怎么接”更通用；适配器决定“能做什么”；软件 API 决定“做得有多深”；模型和验证器决定“结果是否可靠”。
普通开发者如何桥接 Archicad。
Archicad 已经提供一条适合自动化的路线。
Graphisoft 文档说明，Archicad 24 及以上版本支持官方 `archicad` Python 包。
这个包可以连接正在运行的 Archicad 实例。
底层通信使用 HTTP 和 JSON。Python 包负责建立连接，并隐藏部分通信细节。
面向 Archicad 的 LLM 桥可以按同样结构搭建。LLM Client 负责选择工具，MCP Server 把“查询选中元素”“读取属性”“创建符合条件的墙”描述给模型。Python 适配器再把调用转换成 Archicad JSON Interface 请求。超出 Automation API 的能力，可以再考虑 C++ Add-On API、Grasshopper 或其他官方扩展路线。
实际项目里，最有价值的第一批工具通常不是“让模型随便改模型”，而是查询、筛选、报告和小范围可回滚修改。例如：列出当前视图中不符合命名规则的元素，检查门窗属性，生成楼层面积汇总，或者在用户确认后批量修改一组元素。
大型软件的限制，要提前算进去。
●API 覆盖有限：软件里能通过 GUI 完成的动作，不一定有公开 API。没有 API 的功能，只能走 GUI 自动化，稳定性和可维护性都会下降。
●状态复杂：大型软件有当前视图、工作环境、选择集、锁定状态、事务和后台计算。模型如果拿不到这些上下文，很容易对错误对象执行正确命令。
●数据语义难：LLM 可以生成“创建一面墙”的调用，却未必知道墙的复合结构、属性映射、楼层关系、单位和项目标准。领域规则需要通过 schema、提示、校验器和示例补进去。
●错误可累积：一次错误的对象选择，可能让后续十次操作都建立在错误状态上。桥接器需要返回结构化结果、保存变更前状态、允许撤销，并在关键操作前暂停等待确认。
●版本和平台绑定：插件、Python 包、API 版本、操作系统、软件许可证和客户端启动环境都可能影响连接。GUI 启动的客户端还可能找不到终端里的 `uvx` 或虚拟环境。
适合先做：只读查询、批量报告、命名检查、属性核验、可视化分析、带预览的局部修改。
不要直接放权：删除文件、覆盖项目、修改全局属性、批量迁移、发送外部数据和没有回滚路径的生产操作。
LLM 桥接软件的价值，是把复杂软件里重复、可描述、可验证的工作抽出来，交给模型负责意图理解和工具编排。它不能替代软件 API，也不能替代领域判断。对 Blender、Archicad 或其他大型软件，稳妥路线都相同。先选一个窄任务，定义输入和输出，暴露少量工具。
保留状态读取，加入验证和回滚。完成这些步骤后，再逐步扩大权限。
SOURCES。
Blender Lab：MCP Server，官方实验性项目。
Graphisoft：Archicad Python Connection 与 JSON Interface 文档。
ahujasid/blender-mcp：社区开源项目 README。
Blender Extensions：blend-ai 审核页。