最近我把一套“AI自动搭3D场景”的流程完整跑通了就是用 Antigravity 这类带 Agent 能力的 AI 编程环境配合 Blender MCP把自然语言直接变成真实的物流仓储三维模型。不是简单生成几个立方体而是能当数字孪生底座用的场景——有货架、货位、托盘、AGV 路径、坐标系和层级设计后面可以直接接库存数据做联动展示。这篇是系列的上篇核心目标是先把“静态场景”这条链路打通环境怎么配、MCP 怎么连、仓储模型怎么批量生成、遇到问题怎么排查。下篇再聊数据接入和前端展示。如果你正在做 3D 可视化、智慧仓储大屏、数字孪生项目或者单纯想看看“用嘴建模”到底靠不靠谱这篇都值得花十分钟读完。1. 整体方案为什么选择 Antigravity Blender MCP 做数字孪生1.1 传统仓储三维场景建设的痛点我做前端数字孪生网站和智慧园区可视化项目时发现一个很残酷的事实项目一大半时间不是在写业务代码而是在和三维场景死磕。尤其是仓储项目货架、托盘、库位动辄几百上千个如果靠人工在 Blender 里一个一个摆光是调整坐标就能耗掉两三天。就算用脚本批量生成每次改布局参数也得重新跑一遍流程代码的调试成本并不低。更麻烦的是仓储业务的迭代很频繁。仓库方案一变货架排数、通道宽度、库位数量全要跟着改。人工建模的方式意味着每改一次就得把场景里的对象重新对一遍位置。这种重复劳动让人非常烦躁所以我一直在找“需求描述直接驱动建模”的路径。数字孪生一般分三层物理实体层、虚拟模型层、数据连接层。仓储这个场景里物理层是真实货架和 AGV虚拟层是我们在 Blender 里建的 3D 模型数据层是 WMS 库存、AGV 调度信息。上篇先解决虚拟模型层也就是先把物理世界的“骨架”在 Blender 里还原出来数据层之后接。1.2 Antigravity 和 Blender MCP 各自扮演什么角色这套组合里Antigravity 是“大脑”。它本身是个 AI 编程环境支持多文件编辑、终端命令执行、Agent 循环操作能理解我们的口语需求自动拆解任务并生成代码。我只需要告诉它“建一排货架8 列 4 层每层高度 1.2 米”它会自己决定用循环还是复制对象然后通过 MCP 把指令发给 Blender。Blender MCP 是“手”。MCP 的全称是 Model Context Protocol简单理解就是一个标准化的工具协议。Blender 这边跑一个 MCP 服务端插件负责接收 AI 传来的指令再转成 Blender 自身的 Python APIbpy去操作场景。AI 说自己做了什么、场景里现在有哪些物体也通过这个通道返回给我们。这个组合最有意思的地方是把“对话”变成了“实操”。传统方式里AI 充其量帮你生成一段脚本你再手动复制到 Blender 控制台运行。现在有了 Blender MCPAI 可以直接在 Blender 里执行建对象、调材质、切视角、读取场景树全部实时完成。你不用再两头跑了。1.3 技术选型的几个关键考虑为什么选 Blender 而不是 Unity 或者 Three.js因为 Blender 做静态场景建模的效率最高原生支持 Python 脚本而且 MCP 生态比游戏引擎那边成熟很多。我最终要把模型导出成 glTF 给前端用Blender 对 glTF 的支持非常完善材质、坐标、层级都能保留。上篇先把“静态模型”做扎实下篇再讲导出和 Web 渲染不上不下的中间状态反而不好。为什么用 MCP 而不是直接让 AI 写脚本再手动执行因为 MCP 天然形成反馈闭环。AI 执行完一个操作能立刻返回场景数据然后根据结果决定下一步。比如生成货架后它能读取当前场景物体数量判断是否重复生成。这种实时反馈是纯脚本模式给不了的。需要说明的是Antigravity 只是一个 AI 编程环境的选项之一市面其他支持 MCP 客户端的 AI IDE 也能做类似的事情。我选它的原因主要是 Agent 执行链路比较完整对话、改代码、跑命令都在一个界面里完成对三维建模这种“边看边改”的工作流更顺手。2. 环境准备把 AI 和 Blender “连起来”的三步配置2.1 需要准备的工具清单我先列一份基础清单方便你在动手前对照检查。Antigravity 环境确认能正常创建项目、运行 Python 脚本这是 AI 这边的基础能力。Blender 4.2 或更高版本LTS 版本更稳妥别用太老的版本部分 MCP 插件依赖新版 API。Blender MCP 插件网上有开源实现注意挑支持 Blender 4.x 的版本。Python 环境变量不需要额外安装Blender 自带 Python 解释器bpy 只能在 Blender 环境里执行外部 Python 装了也用不了。这里有个容易误会的地方MCP 服务器不一定非要跑在独立进程里。我用的方案是让 Blender 以插件形式启动一个本地服务AI 通过 MCP 协议访问它。整个过程只在本机进行不用部署到远端。2.2 安装并启动 Blender MCP 服务端步骤一打开 Blender进入“编辑 → 偏好设置 → 插件”点击“安装”选择下载好的 blender-mcp 插件压缩包。安装完成后勾选启用。步骤二在 Blender 的 3D 视图右侧找到一个名为 “MCP Server” 的面板不同版本菜单位置可能不同搜索关键词更高效点击“启动服务”。正常启动后控制台会输出一行日志类似“Server started on port 9876”。端口号要记住后面配置要用。步骤三也是我最容易漏掉的一步把 Blender 窗口保持在当前所在的工作区。某些插件需要依赖 Blender 的 UI 上下文才能执行部分命令如果切到后台或最小化AI 调用时可能报错。平时“窗口不要最小化”是基本操作纪律。2.3 在 Antigravity 中配置 MCP 客户端打开 Antigravity 的项目设置找到 MCP 配置入口。一般支持两种连接方式stdio 或 HTTP。从 Blender MCP 的实际使用体验来看用 HTTP 连接更直观直接填http://127.0.0.1:9876/mcp就能建立连接。配置好以后保存重启一下对话会话让配置生效。配好之后先做个连通性测试。可以直接对 AI 说“帮我创建一个测试立方体边长 1 米放在原点。”如果 Blade 场景里立刻出现了立方体并且 AI 回复了操作成功说明链路没问题。如果没有任何变化大概率是插件没启动、端口填错、或者会话没刷新按照这个顺序排查。提示连接的本质是一条本机 WebSocket 链路AI 把“创建对象、设置位置、切换材质”等操作编码成 JSON 消息发给 Blender 插件插件解码后调用 bpy 执行。理解这条链路后很多莫名其妙的报错都能归类到“连接断了”或“执行失败”两类。3. 场景建模实操从空场景到完整仓储3.1 先规划一个适合演示的小型仓储节点正式动手前先把场景参数定下来。我这次的演示规模不大但结构完整场地 20 米长、12 米宽、6 米高中间留一条 4 米宽的中央通道两侧各布置一排货架货架背靠背摆放。每排货架 8 列、4 层、每列 2 个库位这样总共能生成 128 个基础库位足够演示批量逻辑。托盘采用标准尺寸 1.2 米×1 米货架层高 1.2 米底部离地 0.2 米方便叉车和 AGV 存取。AGV 小车尺寸简化为 1 米×0.8 米×0.5 米。这些参数尽量贴近真实物流设备的数据方便以后接业务数据时“对得上号”。为什么先做规划因为数字孪生的核心是“映射真实世界”尺寸不对后面对接坐标数据和设备信息就会非常混乱。我先在草稿纸上把俯视图画出标好坐标系X 轴沿场地长度方向Y 轴沿宽度方向Z 轴垂直向上原点定在场地中心。Blender 默认也是 X-Y 平面为地面正好匹配。3.2 用自然语言生成地面、墙体和立柱规划完成后我直接在 Antigravity 的对话窗口里输入“在 Blender 中创建一个 20×12 米的地面厚度 0.1 米使用灰白色材质名字叫 Floor。在地面四个角生成 4 根立柱高度 6 米截面 0.4×0.4 米材质浅灰色名字带 Column 前缀。”这里要注意的是描述时要给足关键参数否则 AI 会按自己的想象自由发挥。比如只说了“创建地面”它可能给你建一个默认 2×2 米的平面而不是场地尺寸。我给参数的原则是长宽高、位置、材质三要素都要有。Antigravity 收到请求后会调用 MCP 里对应的工具比如create_object或run_code在 Blender 里执行创建操作。我盯着 Blender 视口能看到地面和立柱依次出现。AI 还会返回每一步的执行日志里面记录了它调用的工具名称和参数这些日志是很有价值的“操作轨迹”。这个阶段很容易出现一个问题AI 建出来的物体不在地面上而是悬浮或者半埋在地下。原因通常是 AI 没搞清楚“底面中心”和“几何中心”的差异。Blender 默认新创建的立方体中心在几何中心如果地面厚度是 0.1 米AI 直接把 Z 坐标设为 0地面就会有一半埋在地下。遇到这种情况直接在对话里补一句“地面的顶面放在 Z0整体向下偏移 0.05”就能修正。3.3 批量生成货架、货位和托盘地面和立柱做完接下来是重头戏货架和货位。我给的提示词是“创建 2 排货架背靠背放置。每排 8 列、4 层每列 2 个库位。货架总高 5 米层高 1.2 米底部离地 0.2 米。货架立柱用金属灰材质横梁用深灰色。每排货架间距 1.5 米两排之间间隔 0.5 米。库位编号规则用 R01-A-01 这种格式命名。”AI 执行时会拆分成几个阶段先计算整体尺寸然后用循环生成立柱和横梁再按坐标放置库位标识最后命名。我特意要求了“库位编号命名”这样后期对接 WMS 数据时可以直接根据库位编号在场景里找到对应模型。批量生成以后我让 AI 用“读取场景信息”相关工具检查一下物体数量理论上是 2 排 × 8 列 × 4 层 × 2 个库位再加上货架本身的立柱横梁。如果数量对不上大概率是循环逻辑有问题或者命名重复导致覆盖。托盘生成更简单。我给的标准提示词是“在每一个库位上生成一个托盘模型尺寸 1.2×1×0.15 米木质材质放在层板表面。”AI 会遍历已有库位的空物体在每个位置生成一个托盘模型。这里如果直接生成 128 个实体托盘文件会变得很沉重。所以我让 AI 先用“空物体”作为每个库位的定位器再把托盘作为实例关联到这些空物体上。场景逻辑清晰渲染也不卡。3.4 添加 AGV 小车、路径动线与监控视角货架和托盘完成后场景已经像一个仓储雏形了。接下来我加了三个“点睛”元素AGV 小车、路径曲线、监控视角。AGV 小车我让 AI 创建了一个组合模型底部平台用长方体四角加圆柱体作为轮子顶部加一个发光指示灯。灯用自发光材质方便在渲染时一眼看到 AGV 位置。小车本身放在一条路径的起点处后续做动画时可以直接让它在路径上运动。路径我用曲线来做而不是一堆立方体拼接。提示词是“在中央通道画一条橙色曲线路径从场地入口到场地深处路径宽度 0.2 米贴在地面上。”AI 通过 MCP 创建了一条贝塞尔曲线并设置了曲线倒角深度。这一步看起来很直观但背后涉及曲线参数设置如果 AI 不熟悉 Blender 曲线 API经常需要二次修正。最后我请 AI 在场景中添加一台相机和一个日光灯并切换到一个能总览全局的视角然后渲染一张预览图。这样我就能快速检查空间布局是否合理、货架遮挡关系是否正常不需要在视口里手忙脚乱地转视角。4. 底层原理与关键脚本解析MCP 是怎么驱动 Blender 的4.1 MCP 工具调用链路拆解很多人把 MCP 想得很神秘其实它就是一个“工具调用”的标准格式。AI 不直接操作 Blender而是按照 MCP 协议发起一次工具调用请求请求里包含工具名和参数。Blender 插件收到请求后把参数翻译成 bpy 代码并执行再把结果返回给 AI。这条链路的完整过程是我先在对话里发一句自然语言Antigravity 在内部把这句话转化为一个或多个工具调用。比如“创建货架”可能对应一个叫run_code的工具参数是一段 Python 代码也可能对应更细粒度的create_box、set_material工具。插件执行完后返回场景物体的名称、类型、位置等信息AI 再根据这些信息进行下一步操作。这个机制的好处是AI 可以实现“先检查、后执行、再验证”的循环。比如它先读取场景里现有的物体列表发现名字冲突就改个名字再创建。这种循环能力让 AI 更像是真正的建模助手而不是一个简单的脚本生成器。4.2 货架生成的核心脚本结构我先让 AI 调用 MCP 在 Blender 中运行一段 Python 脚本来生成货架然后把这段脚本沉淀成可复用的模块。核心思路是用函数封装单个货架的生成逻辑再用循环批量布局。import bpy def create_shelf(name_prefix, location, width1.5, depth1.0, height5.0, levels4): # 创建货架主体立柱 for i in range(2): x_offset -width / 2 if i 0 else width / 2 bpy.ops.mesh.primitive_cube_add( size1, location(location[0] x_offset, location[1], location[2] height / 2) ) obj bpy.context.object obj.name f{name_prefix}_Column_{i 1} obj.scale (0.05, 0.05, height) # 创建层板 for level in range(levels): z 0.2 level * 1.2 bpy.ops.mesh.primitive_cube_add( size1, location(location[0], location[1], z) ) obj bpy.context.object obj.name f{name_prefix}_Level_{level} obj.scale (width, depth, 0.04) return [f{name_prefix}_Column_1, f{name_prefix}_Level_0] # 批量生成两排货架 for row in range(2): base_x -10 row * 10 for col in range(8): create_shelf( name_prefixfR{row:02d}_C{col:02d}, location(base_x, col * 1.8 - 7, 0) )这段脚本本身并不复杂但它体现了 MCP 的独特价值脚本不是人工写好了再手动执行而是 AI 根据我的中文描述现场生成、现场执行。如果结果不对我直接在对话里提出修改意见AI 会调整脚本重新跑不用我打开文本编辑器改来改去。需要注意两个容易踩坑的细节第一Blender 中物体的 scale 和 dimensions 是两个概念用scale拉伸时物体的“尺寸属性”并不会变后续绑定碰撞或测量时容易出错第二循环里创建对象时要及时重命名否则默认名字全是Cube、Cube.001后面根本分不清谁是谁。4.3 结果验证用场景信息反向检查生成完成后我建议用 MCP 的场景读取能力做一次“体检”。可以让 AI 读取整个场景的物体清单按集合分组统计数量检查是否符合预期。比如我预期货架立柱数量为 2 排 × 8 列 × 2 根 32 根层板数量为 2 × 8 × 4 64 块托盘数量为 128 个。如果数字对不上说明生成逻辑有问题需要回溯修正。这种“生成-检查-修正”的闭环是传统脚本方式很难做到的。传统脚本跑完以后你只能自己在 Blender 里手动看而 MCP 能让 AI 把检查结果直接反馈在对话里像是给场景加了一个“自动质检员”。5. 避坑清单我实测中遇到的高频问题与解法5.1 常见问题速查表我把实际操作中遇到的高频问题整理成一张表方便你快速对照。现象可能原因处理方式AI 提示连接失败Blender 插件没启动或端口被占用回到 Blender 重新点击“启动服务”确认端口号AI 说执行成功但画面没变化会话没有刷新或连接到了错误的服务地址重启 Antigravity 对话会话检查 MCP 地址生成的物体全部堆在原点坐标计算在循环外或未使用累加偏移让 AI 把坐标系参数写到循环体内做一次全新生成批量生成场景卡顿单次循环创建了几百个实体对象改用空物体定位 集合实例化减少实体数量材质颜色渲染不对颜色空间或基础色节点设置异常检查 bsdf 节点的 base_color确认不是金属度太高不同批次生成的同名物体缺少命名冲突检测AI 生成前先读取场景列表自动加后缀或加时间戳地面半埋在地里没有区分底面与几何中心调整 Z 坐标让顶面贴合地面或者把物体原点改到底部5.2 我的几条实操心得先谈一个最容易被忽视的习惯命名规范。3D 场景里如果所有对象都叫CubeAI 后续修改时完全无法定位目标。我一开始不重视结果生成 AGV 小车时AI 找错了一个“立方体”在货架上改了半天。后来我强制要求 AI 在每次创建对象时都用“模块前缀编号”的命名格式比如R01_A_01_Pallet歧义立刻少了很多。第二善用“空物体定位”这个技巧。我不让 AI 把托盘直接堆在实体货架上而是先建一批空物体放在库位坐标再让托盘模型关联到这些空物体上。这样做的好处是以后调整托盘尺寸或者批量替换模型样式只需要改实例对象不用一个一个挪位置。第三阶段式保存 Blender 文件。AI 操作不像手工操作它有时候执行一个错误逻辑会批量生成一大堆不需要的物体。删除容易误删手动撤销又可能扯断前面的操作链路。所以我每完成一个阶段就让 AI 帮我保存一份文件比如warehouse_v1.blend、warehouse_v2.blend出问题直接回退到上一版。第四MCP 插件刚启动时尽量用“小步快跑”的方式验证先让它创建一个立方体成功后再创建一排货架最后才发出批量生成指令。这样即使出问题也能很快定位到是哪一步搞砸的。第五如果你用了不止一个 AI 编程环境注意 MCP 服务端同一时间只能被一个客户端连接。我试过在 Antigravity 和另一个 IDE 之间来回切换结果后连接的把前一个挤掉了Blender 里出现一堆重复生成的场景。解决办法是在一个会话进行中别开第二个 MCP 客户端。5.3 把这套流程复用到其他数字孪生场景这套流程不局限于仓储稍微抽象一下可以覆盖大部分“规则化”的三维场景。比如智慧园区里的建筑和道路按楼层和房间号批量生成办公室数据中心里的机柜和服务器的排列按机柜编号批量创建AGV 工厂里的设备和产线按工位编号生成工装夹具。核心方法是先把真实场景抽象成“对象坐标属性”的清单再把清单描述给 AI让 MCP 按规则执行。这个过程中命名、层级和参数化是三个最重要的词。命名解决定位问题层级解决管理问题参数化解决迭代问题。我个人的习惯是在正式生成前先做一次“骨架验证”让 AI 只生成空物体组成的占位符不生成具体模型。检查占位符的位置和数量是否正确确认后再把实体模型挂上去。这一步能省下大量反复修改材质和坐标的时间。另外一个很有用的技巧把常用提示词整理成一个“任务模板”下次直接复用。比如“生成标准货架”模板、 “生成托盘阵列”模板、 “生成 AGV 路径”模板模板里预设好尺寸参数和命名规则。遇到新项目只需要替换尺寸和数量能明显提升效率。这篇文章的内容就先写到这里。说实话Antigravity Blender MCP 这套组合最打动我的地方不是它能把建模门槛降低多少而是它把三维场景的构建方式从“手动劳动”变成“可对话的工程实践”。AI 不再只是写几个代码片段而是能直接操作当前正在使用的创作工具这对做数字孪生相关项目的人来说是个值得长期跟踪的方向。如果你也准备在 Blender 里跑一遍这套流程我的建议是先从一个小规模场景开始别一上来就生成几百个货架和几千个托盘。先跑通一个 1 排 × 4 列的货架确认命名、坐标、材质、导出整个链路没问题再逐步放大规模。基础打得牢后面接数据、做动画才能顺得起来。