Blender MCP 服务端 —— 工作方式与技术详解

是的,Blender 有 MCP 服务端。 Blender MCP 项目 提供了一个功能完整的 Model Context Protocol 服务端,把 Claude、Cursor、VSCode 这类 AI 客户端连接到 Blender 3D。本页讲的是它底层怎么运作——架构、socket 协议、每一个可用工具,以及如何按你的流程来配置。

MCP 服务端是什么?

Model Context Protocol(MCP) 是 Anthropic 提出的一个开放标准,让 AI 模型能够与外部工具和数据源交互。MCP 服务端对外暴露一组”工具”(函数),AI 客户端可以发现并调用它们。你可以把它理解成面向 AI 的标准化插件接口。

当 Claude(或 Cursor、VSCode 等)连接到一个 MCP 服务端时,它会:

1. 发现有哪些工具可用(例如 create_object、set_material)
2. 根据你的自然语言提示词,决定调用哪些工具
3. 向服务端发送结构化的指令
4. 接收结果,并据此继续对话

Blender MCP 只是众多 MCP 服务端中的一个——数据库、文件系统、网页抓取等都有各自的服务端。Blender MCP 特别的地方在于,它用一套基于 socket 的架构,把 AI 和 Blender 之间的鸿沟连了起来。

Blender MCP 的架构

整套系统由两个部分组成,它们通过 TCP socket 通信:

┌─────────────────┐     MCP Protocol      ┌─────────────────┐     TCP Socket      ┌─────────────────┐
│                 │    (stdio/SSE)         │                 │    (JSON over TCP)  │                 │
│   AI Client     │◄────────────────────►│   MCP Server    │◄──────────────────►│   Blender       │
│  (Claude,       │                       │  (server.py)    │                     │  (addon.py)     │
│   Cursor,       │  Tool discovery       │                 │  Commands &         │                 │
│   VSCode)       │  Tool execution       │  Translates     │  Responses          │  Socket server  │
│                 │  Result streaming      │  MCP ↔ Socket   │                     │  Python exec    │
└─────────────────┘                       └─────────────────┘                     └─────────────────┘

一次典型请求的数据流:

1. 用户在 Claude 里发出提示词:“做一个红色立方体”
2. Claude 分析这句话,决定调用 create_object 这个 MCP 工具
3. MCP 服务端(server.py)通过 stdio 收到这次工具调用
4. 它把指令序列化成 JSON,发送给 Blender 的 socket 服务
5. Blender 插件(addon.py)收到 JSON,在 Blender 里执行相应的 Python 代码
6. 执行结果(成功 / 失败、物体数据)通过 socket 返回
7. MCP 服务端把结果交还给 Claude
8. Claude 把结果反馈给用户

socket 服务(addon.py)

Blender 插件(addon.py)是一个标准的 Blender 附加组件,注册名为 “Interface: Blender MCP”。启用之后,它会:

• 在 localhost:9876(可配置)上开启一个 TCP socket 服务
• 监听来自 MCP 服务端的 JSON 指令
• 在 Blender 的 Python 环境中执行这些指令
• 以 JSON 格式返回结果

通信协议

指令和响应通过 TCP 使用一套简单的 JSON 协议:

指令格式:

{
  "type": "command_name",
  "params": {
    "key": "value"
  }
}

响应格式:

{
  "status": "success",
  "result": { ... }
}

环境变量

可以用环境变量来配置 socket 连接:

当 Blender 跑在另一台机器上时,这很有用:

export BLENDER_HOST='host.docker.internal'
export BLENDER_PORT=9876

MCP 协议服务端(server.py)

MCP 服务端(src/blender_mcp/server.py)是一个 Python 应用,以 blender-mcp 包的形式发布在 PyPI 上。它负责:

• 实现 MCP 协议(stdio 传输)
• 注册所有可供 AI 客户端发现的工具
• 把 MCP 的工具调用翻译成 Blender 的 socket 指令
• 管理与 Blender 插件之间连接的生命周期
• 通过 uvx blender-mcp 运行(由 AI 客户端自动管理)

你不需要手动启动这个服务端——Claude Desktop、Cursor 和其他兼容 MCP 的客户端会根据配置文件自动拉起它。

可用的 MCP 工具与指令

Blender MCP 服务端向 AI 客户端提供这些工具:

场景与物体

材质与视觉

素材集成

进阶

服务端配置选项

基础配置(Claude Desktop)

{
  "mcpServers": {
    "blender": {
      "command": "uvx",
      "args": ["blender-mcp"]
    }
  }
}

自定义主机 / 端口

{
  "mcpServers": {
    "blender": {
      "command": "uvx",
      "args": ["blender-mcp"],
      "env": {
        "BLENDER_HOST": "192.168.1.100",
        "BLENDER_PORT": "9876"
      }
    }
  }
}

关闭遥测

{
  "mcpServers": {
    "blender": {
      "command": "uvx",
      "args": ["blender-mcp"],
      "env": {
        "DISABLE_TELEMETRY": "true"
      }
    }
  }
}

Cursor 配置

{
  "mcpServers": {
    "blender": {
      "command": "uvx",
      "args": ["blender-mcp"]
    }
  }
}

各平台的具体配置写法,见我们的配置指南:

• Claude Desktop 配置
• Cursor 配置
• VSCode 配置

同时运行多个服务端

如果需要在不同的 AI 客户端之间切换,请先断开一个,再连另一个。Blender 插件的侧栏面板会显示当前的连接状态。

如果确实需要多个 AI 客户端同时工作,可以在不同端口上运行多个 Blender 实例:

• 实例 1:BLENDER_PORT=9876(默认)
• 实例 2:BLENDER_PORT=9877

每个实例都需要自己的 MCP 服务端配置,指向对应的端口。

性能与局限

表现不错的场景

• 简单物体的创建和调整
• 材质与灯光设置
• Poly Haven 素材下载
• 场景检查与反复迭代

已知的局限

• 复杂场景可能超时。 把大的请求拆成更小的、按顺序执行的提示词。
• Poly Haven 集成不太稳定。 Claude 有时会在素材搜索上卡住。
• 第一条指令可能失败。 已知的小毛病——第二条消息通常就正常了。
• 没有实时视图串流。 AI 依据的是场景数据和截图,而不是实时视频。
• 不支持 Blender 2.x。 需要 Blender 3.0 或更新的版本。

遥测

BlenderMCP 默认会收集匿名使用数据。你可以这样控制它:

• 在 Blender 里: Edit → Preferences → Add-ons → Blender MCP → 取消勾选遥测
• 通过环境变量: 设置 DISABLE_TELEMETRY=true

在同意的情况下,它会收集匿名化的提示词、代码片段和截图;不同意时,只收集工具名称、成功 / 失败状态和耗时。