近期，Manus帶火的MCP（Model Context Protocol）協(xié)議引發(fā)了廣泛關注。通過MCP，AI工具如Claude能夠與專業(yè)軟件（如Blender）無縫對接，實現(xiàn)自動化操作，例如將2D圖片轉換為3D模型，甚至在幾分鐘內搭建互動網(wǎng)頁。這種技術不僅極大地提高了工作效率，還為AI在更多領域的應用打開了新的大門。本文將深入探討MCP的工作原理、實際應用案例以及它對未來AI發(fā)展的潛在影響。

一句話提示，Claude自動化打開Blender將2D圖片轉為3D建模。

整個過程行云流水。

而且還能只用一次提示詞，再基于這個場景搭建可以互動的網(wǎng)頁。

背后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(xié)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，并且會告知人類。

怪不得有人看了直呼：人類已經(jīng)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(yè)工具上。

比如有人已經(jīng)實現(xiàn)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交互并控制Blender。

基于BlenderMCP還能完成許多事。

比如創(chuàng)建一個由龍守衛(wèi)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），最后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、紋理以及巖石、植被等來建模海灘。

Poly Haven是一個免費開源的3D資源網(wǎng)站，可以看到Claude能夠直接自己去下載使用資源。

其余可以嘗試的能力還有：

• “把這輛車涂成紅色并帶有金屬質感”
• “創(chuàng)建一個球體并將其置于立方體上方”
• “把燈光設置成攝影棚的效果”
• “將相機對準場景，并使其呈等距視角”

作者在項目頁中介紹，BlenderMCP能實現(xiàn)的能力包括創(chuàng)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(zhí)行。

這個系統(tǒng)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(chuàng)建一個接受和執(zhí)行命令的服務器。后者就是用來實現(xiàn)MCP。

具體安裝辦法，作者已經(jīng)完全開源到GitHub上。

除了將MCP接入到Blender，網(wǎng)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后變得更加自動化。

有人在Cursor上使用MCP協(xié)議同時接入了Slack和GitHub，完成了一次新功能開發(fā)。

配置好插件并完成認證后，Cursor通過MCP自動讀取了Slack中的需求文檔，然后從GitHub中拉取代碼，并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(qū)，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，按照教程配置好之后就可以在Claude客戶端里直接找論文了。

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(xié)議，是Anthropic提出的，現(xiàn)在Anthropic把它比喻成AI應用的Type-C接口。

并且Anthropic已經(jīng)打算牽頭把MCP協(xié)議推動成行業(yè)開放標準。

實現(xiàn)大模型應用與外部數(shù)據(jù)源和工具之間的無縫集成，幫助AI獲得所需的上下文數(shù)據(jù)，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(shù)據(jù)隔離。

它就像AI系統(tǒng)與數(shù)據(jù)源之間的一座橋梁，允許開發(fā)者在數(shù)據(jù)源和AI工具之間建立雙向連接。

MCP采用客戶端-服務器架構，多個服務可以連接到任何兼容的客戶端?？蛻舳丝梢允荂laude Desktop、IDE或其他AI工具，服務器則充當適配器，暴露數(shù)據(jù)源。

其優(yōu)勢在于，以后不管是訪問本地資源（數(shù)據(jù)庫、文件、服務），還是訪問遠程資源（如Slack、GitHub API），都能用同一個協(xié)議。

而且支持的數(shù)據(jù)形式非常多樣，包括文件內容、數(shù)據(jù)庫記錄、API響應、實時系統(tǒng)數(shù)據(jù)、屏幕截圖和圖像、日志文件等，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(jù)服務來源，MCP主要采用通信機制，本地通信時采用標準輸入輸出，遠程通信則通過SSE進行。

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

看上去MCP能夠調用的服務多而復雜，但實際上開發(fā)過程非常簡單。

發(fā)布時官方公告就明示，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(huán)。

強大的調用能力、方便的開發(fā)流程，又背靠Anthropic，并且也獲得了開源社區(qū)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(tài)度or悲觀態(tài)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(xiàn)了一些分歧。

CEO覺得，MCP降低了Agent接入工具的門檻。

創(chuàng)始工程師則認為，具體到工程層面，還會產生很多定制化需求，很多情況MCP不能完全發(fā)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(xiàn)嗎？

歡迎評論區(qū)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/