Manus帶火的MCP，讓Claude一句話自動化3D建模，網友：真·AI+應用
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工具上。
比如有人已經實現了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。
比如創建一個由龍守衛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能實現的能力包括創建、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行。
這個系統主要由兩部分組成，Blender Addon和MCP Server。
前者是一個Blender插件，可以在Blender中創建一個接受和執行命令的服務器。后者就是用來實現MCP。
具體安裝辦法，作者已經完全開源到GitHub上。
除了將MCP接入到Blender，網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協議同時接入了Slack和GitHub，完成了一次新功能開發。
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。
，時長01:33
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，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是一種通信協議，是Anthropic提出的，現在Anthropic把它比喻成AI應用的Type-C接口。
并且Anthropic已經打算牽頭把MCP協議推動成行業開放標準。
實現大模型應用與外部數據源和工具之間的無縫集成，幫助AI獲得所需的上下文數據，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——數據隔離。
它就像AI系統與數據源之間的一座橋梁，允許開發者在數據源和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。客戶端可以是Claude Desktop、IDE或其他AI工具，服務器則充當適配器，暴露數據源。
其優勢在于，以后不管是訪問本地資源（數據庫、文件、服務），還是訪問遠程資源（如Slack、GitHub API），都能用同一個協議。
而且支持的數據形式非常多樣，包括文件內容、數據庫記錄、API響應、實時系統數據、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，但實際上開發過程非常簡單。
發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。
強大的調用能力、方便的開發流程，又背靠Anthropic，并且也獲得了開源社區的關注，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？
持觀望態度or悲觀態度的人，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，也出現了一些分歧。
CEO覺得，MCP降低了Agent接入工具的門檻。
創始工程師則認為，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會是曇花一現嗎？
歡迎評論區留言討論~
GitHub地址：
