1. 从“手动拖拽”到“脚本驱动”agent 接管 3D 建模的真实工作流先说结论agent 接管 3D 建模主流做法不是让 AI 去“看屏幕点鼠标”而是让 agent 通过 MCP 协议调用建模软件暴露出来的 API 或 Python 脚本接口把“理解需求 → 生成几何体 → 检查结果 → 修正”串成一条自动化管线。MCP 负责 agent 和工具之间的通信真正创建网格、设置材质、导出文件的还是 Blender、Fusion 这类软件自身的 API。为什么这条路更靠谱我试过用纯视觉方案让 agent 操作界面视角一变、弹窗一挡、对象没选中整条链路就断了。而 API 路线是确定性的你传一个bpy.ops.mesh.primitive_cube_add(size2)它就一定在场景原点生成一个边长 2 的立方体跟当前视角、鼠标位置完全无关。视觉只用来做“外观判断”比如渲染一张图让 agent 看比例对不对精确执行交给脚本。这套组合适合谁适合有 Python 基础、想把重复建模任务批量生成道具、参数化建筑构件、自动出渲染图交给程序跑的开发者。你不需要精通 Blender 的每个面板但要能读懂报错、会改脚本参数。下面我按“先接上、再跑通、最后排错”的顺序把可复制的配置和脚本给你。核心链路可以拆成四步agent 理解需求 → 通过 MCP 调用建模 API/脚本 → 获取场景数据和渲染截图 → 检查并修改。MCP 在这里的角色相当于给 agent 发了一张“工具菜单”菜单里写着“创建立方体”“设置材质”“导出 glb”这些能力agent 按需点单插件在软件内部执行。2. TaoToken 前置准备给 agent 接上模型能力与 MCP 工具链在写建模脚本之前得先让 agent 有“大脑”和“工具通道”。大脑是模型对话能力工具通道是 MCP。我用 TaoToken 来做这一层因为它同时提供模型 API 和 MCP 相关的接入文档省得在多个平台之间来回切。第一步拿到 API Key。打开 https://taotoken.net/api-keys 登录后创建一个 Key复制保存。这个 Key 后面要填进环境变量别直接硬编码在脚本里不然提交到 Git 就泄露了。第二步确认你要用的模型 ID。不同模型在“理解建模指令”和“生成脚本”上的表现不一样建议先用一个通用能力强的模型跑通流程再按需替换。模型列表可以在 https://taotoken.net/models 查看或者在模型对话页 https://taotoken.net/chat 里直接试一句“用 Blender Python 生成一个带材质的球体”看它给的代码能不能跑。第三步配置 MCP 服务。MCP 服务本质是一个本地进程它启动后监听一个端口agent 通过这个端口调用工具。Blender 侧的 MCP 通常是一个插件 一个 Python 服务脚本插件在 Blender 内部执行命令服务脚本负责和 agent 通信。你需要把 TaoToken 的 Base URL 和 Key 填进 MCP 服务的配置里让它能调用模型来解析指令。这里有个关键点MCP 是协议不是模型。很多人以为装了 MCP 就能自动建模其实 MCP 只负责“传话”真正干活的是 Blender 的bpy模块。所以配置分两层一层是 agent 侧的模型接入TaoToken一层是 Blender 侧的 MCP 插件和服务。如果你打算长期跑自动化建模任务比如每天批量生成几百个模型可以考虑 Coding Plan https://taotoken.net/coding-plan 它在持续调用场景下更划算。只是偶尔跑几个脚本的话按量用 API 就够了。环境变量建议这样设Linux/macOS 用exportWindows 用setexport TAOTOKEN_API_KEYsk-你的key export TAOTOKEN_BASE_URLhttps://taotoken.net/api设完之后用echo $TAOTOKEN_API_KEY确认一下有没有生效。这一步看着简单但后面 401 报错十有八九是这里没配对。3. 可复制配置MCP 服务骨架与 Blender 插件设置这一节给你两份可直接改的配置一份是 MCP 服务的 JSON 配置一份是 Blender 插件的启动脚本。路径和字段名我按常见约定写你按自己实际安装位置调整。先看 MCP 服务的配置。假设你用的是支持 MCP 的客户端比如 Claude Code 或 Cline配置文件通常放在用户目录下的.config或项目根目录。以mcp_settings.json为例{ mcpServers: { blender: { command: python, args: [/path/to/blender_mcp_server.py], env: { TAOTOKEN_API_KEY: sk-你的key, TAOTOKEN_BASE_URL: https://taotoken.net/api, BLENDER_HOST: 127.0.0.1, BLENDER_PORT: 9876 } } } }这份配置里command和args指向你的 MCP 服务脚本env里放 TaoToken 的接入信息和 Blender 的通信地址。注意BLENDER_PORT要和 Blender 插件里监听的端口一致不一致就连不上。再看 Blender 侧的插件启动脚本。Blender 自带 Python 环境你可以在“脚本”工作区新建一个文本粘贴下面这段然后点“运行脚本”import bpy import socket import json import threading HOST 127.0.0.1 PORT 9876 def handle_command(cmd): 执行 agent 传来的建模命令 action cmd.get(action) params cmd.get(params, {}) if action add_cube: bpy.ops.mesh.primitive_cube_add(sizeparams.get(size, 2)) return {status: ok, object: bpy.context.active_object.name} elif action add_sphere: bpy.ops.mesh.primitive_uv_sphere_add(radiusparams.get(radius, 1)) return {status: ok, object: bpy.context.active_object.name} elif action set_material: obj bpy.data.objects.get(params.get(name)) if obj: mat bpy.data.materials.new(nameAgentMat) mat.diffuse_color params.get(color, [1, 0, 0, 1]) obj.data.materials.append(mat) return {status: ok} return {status: error, msg: object not found} elif action export: bpy.ops.export_scene.gltf(filepathparams.get(path, /tmp/model.glb)) return {status: ok, path: params.get(path)} return {status: error, msg: unknown action} def start_server(): s socket.socket(socket.AF_INET, socket.SOCK_STREAM) s.setsockopt(socket.SOL_SOCKET, socket.SO_REUSEADDR, 1) s.bind((HOST, PORT)) s.listen(5) print(fMCP bridge listening on {HOST}:{PORT}) while True: conn, addr s.accept() data conn.recv(4096).decode(utf-8) try: cmd json.loads(data) result handle_command(cmd) except Exception as e: result {status: error, msg: str(e)} conn.send(json.dumps(result).encode(utf-8)) conn.close() threading.Thread(targetstart_server, daemonTrue).start()这段脚本做了三件事监听本地端口、解析 JSON 命令、调用bpy执行建模。handle_command里我写了四个动作加立方体、加球体、设材质、导出 glb。你可以按需扩展比如加add_cylinder、boolean_union这些。跑起来之后Blender 的系统控制台会打印MCP bridge listening on 127.0.0.1:9876。看到这行说明插件侧就绪了。如果你用的是 Claude Code 这类工具它的 MCP 配置可能放在~/.claude/settings.json或项目里的.mcp.json字段名略有差异但核心就是command、args、env三件套。Base URL、Key、Model ID 这三样一定要写全缺一个就连不上模型。4. 验证请求用 Python 脚本让 agent 自动建一个带材质的模型配置就绪后写一个 Python 脚本模拟 agent 发指令给 MCP 服务再让 MCP 服务转给 Blender。这个脚本可以独立跑用来验证整条链路通不通。import socket import json import os HOST 127.0.0.1 PORT 9876 def send_command(action, paramsNone): 向 Blender MCP 服务发送建模命令 cmd {action: action, params: params or {}} s socket.socket(socket.AF_INET, socket.SOCK_STREAM) s.connect((HOST, PORT)) s.send(json.dumps(cmd).encode(utf-8)) resp s.recv(4096).decode(utf-8) s.close() return json.loads(resp) if __name__ __main__: # 1. 创建立方体 r1 send_command(add_cube, {size: 3}) print(add_cube:, r1) # 2. 创建球体 r2 send_command(add_sphere, {radius: 1.5}) print(add_sphere:, r2) # 3. 给立方体设材质 if r1.get(status) ok: r3 send_command(set_material, { name: r1[object], color: [0.2, 0.6, 1.0, 1.0] }) print(set_material:, r3) # 4. 导出 glb r4 send_command(export, {path: /tmp/agent_model.glb}) print(export:, r4)跑之前确认 Blender 已经打开并且插件脚本在运行。然后执行python test_mcp.py你会看到类似输出add_cube: {status: ok, object: Cube} add_sphere: {status: ok, object: Sphere} set_material: {status: ok} export: {status: ok, path: /tmp/agent_model.glb}这时候切回 Blender 界面场景里应该多了一个立方体和一个球体立方体带蓝色材质。这就是 agent 自动建模生效的直接证据——你没有点任何菜单物体就出现了。如果你想验证“agent 理解自然语言”这一层可以在模型对话页 https://taotoken.net/chat 输入“在 Blender 里生成一个红色圆柱体并导出”看模型返回的脚本能不能直接跑。能跑通说明模型侧和 MCP 侧都对了。再进一步你可以把上面的send_command封装成 MCP 工具让 agent 自己决定调哪个动作。比如 agent 收到“建一个桌子”它会先调add_cube做桌面再调四次add_cube做桌腿最后调export。这个过程不需要你写死顺序agent 根据工具描述自己编排。验证成功的标准有三个Blender 场景里出现预期物体、材质颜色正确、导出文件存在且能打开。三个都满足链路就算通了。5. 常见报错排查401、local proxy failed、reading choices、OAuth跑这条链路报错基本集中在四类。我把真实遇到过的现象和排查路径列出来你对照着看。401 Unauthorized最常见。原因通常是 API Key 没设对或者 Base URL 写错了。检查TAOTOKEN_API_KEY环境变量有没有生效TAOTOKEN_BASE_URL是不是https://taotoken.net/api注意结尾不要多加斜杠。如果是在 MCP 配置的env里写的确认 JSON 没有语法错误Key 没有多余空格。还有一种情况是 Key 被删了或过期了去 https://taotoken.net/api-keys 重新生成一个。local proxy failed这个报错一般出现在 MCP 客户端启动服务时连不上本地端口。先确认 Blender 插件脚本在跑控制台有没有打印监听日志。再看端口有没有被占用lsof -i :9876或netstat -ano | findstr 9876查一下。如果端口被别的进程占了改BLENDER_PORT和脚本里的PORT为其他值两边保持一致。另外有些客户端对command路径解析有问题把python换成绝对路径试试。reading choices 相关报错这类通常出现在模型返回内容解析阶段比如 agent 期望 JSON 但模型返回了带 markdown 的文本。解决办法是在系统提示里明确要求“只返回 JSON不要解释”。如果用的是支持结构化输出的模型开启response_format参数。还有一种情况是模型返回的choices为空检查请求体里model字段是不是写错了或者模型 ID 在当前账号下不可用。OAuth 报错如果你用的是 Claude Code 这类带 OAuth 登录的工具报错可能是 token 过期或权限不足。重新登录一次或者检查settings.json里的认证字段。有些工具把 OAuth 和 API Key 混用导致冲突建议统一用 API Key 方式接入配置更简单。排查顺序建议先看环境变量 → 再看 MCP 配置 JSON → 再看 Blender 插件日志 → 最后看模型返回。大部分问题在前两步就能定位。如果 Blender 插件日志里能看到命令进来了但执行失败那就是bpy脚本的问题比如对象名不存在、参数类型不对单独在 Blender 的 Python 控制台里跑一遍那段代码就能复现。6. 把管线跑顺从单次验证到批量自动建模单次验证通过后你可以把这条链路扩展成批量管线。思路是agent 读一个任务列表比如 CSV 里每行描述一个模型逐个生成脚本、调用 MCP、导出文件、记录结果。中间任何一步失败就截图当前场景让 agent 看渲染图判断问题再决定重试还是跳过。这里有个实用技巧每次建模前先清空场景避免物体堆叠。在插件脚本里加一个clear_scene动作elif action clear_scene: bpy.ops.object.select_all(actionSELECT) bpy.ops.object.delete() return {status: ok}批量任务里导出路径按任务 ID 命名方便追溯。渲染截图可以用bpy.ops.render.render(write_stillTrue)把图存下来给 agent 做视觉检查。视觉检查只用来判断“看起来对不对”比如比例是否失调、颜色是否错误精确的尺寸和位置还是靠脚本参数控制。长期跑的话建议把 MCP 服务做成常驻进程用systemd或supervisor管理崩了自动重启。Blender 也可以开后台模式blender --background --python plugin.py不占图形界面适合服务器环境。如果你要接的是 Cline 或 Claude Code 这类编码 agent把 MCP 配置写进它们的设置文件Base URL、Key、Model ID 三件套填全然后在对话里直接说“帮我建一个书架模型并导出”agent 就会自己调工具。接入文档在 https://taotoken.net/doc 有更细的字段说明遇到配置格式问题可以去对一下。最后留一个我踩过的坑Blender 的bpy.ops很多操作依赖当前上下文比如必须先选中对象才能设材质在后台模式或脚本里跑容易报context is incorrect。解决办法是用bpy.context.view_layer.objects.active obj显式设置活动对象或者用低层 API 比如obj.data.materials.append(mat)绕过ops。这个细节不注意脚本在界面里能跑放到自动化管线里就挂。