新闻详情

新闻详情

首页 / 资讯中心 / 详情

Godot-MCP 代码实现解析:execute_editor_script 如何动态执行任意 GDScript

发布时间:2026/11/19 1:10:06来源:尧图网络
Godot-MCP 代码实现解析:execute_editor_script 如何动态执行任意 GDScript
Godot-MCP 代码实现解析execute_editor_script 如何动态执行任意 GDScript【免费下载链接】Godot-MCPAn MCP for Godot that lets you create and edit games in the Godot game engine with tools like Claude项目地址: https://gitcode.com/gh_mirrors/god/Godot-MCPGodot-MCP 是一个让 Claude 等 AI 助手直接操控 Godot 游戏引擎的 MCPModel Context Protocol插件。本文将深入剖析其最强大的工具——execute_editor_script看它是如何把 AI 生成的任意 GDScript 代码安全地注入 Godot 编辑器并动态执行的。一、功能定位为什么需要任意脚本执行Godot-MCP 内置了创建节点、编辑场景、管理脚本等固定工具但 Godot 编辑器 API 浩如烟海不可能每个都做成独立工具。execute_editor_script就是那个万能逃生舱只要 AI 会写 GDScript就能在编辑器上下文中执行它——查节点、改属性、批量操作统统搞定。Godot-MCP 动态执行 GDScript 架构二、命令的完整流转路径 ️一条命令从 AI 到 Godot 编辑器要经过 4 站站点文件职责MCP 工具定义editor_tools.ts向 Claude 暴露工具校验参数WebSocket 客户端godot_connection.ts发送命令并等待响应编辑器内 WebSocket 服务mcp_server.gd监听 9080 端口解析命令命令处理器editor_script_commands.gd真正执行 GDScript第 1 站工具注册与参数校验MCP 服务启动时index.tseditorTools被注册进 FastMCP。工具本身非常简洁——只有一个code参数用 zod 校验为非空字符串后直接调用godot.sendCommand(execute_editor_script, { code })。第 2 站Promise 化的 WebSocket 通信GodotConnection.sendCommand 生成递增的commandId把{type, params, commandId}序列化为 JSON 发出同时在内部队列里挂起一个 Promise——等 Godot 带着相同commandId的响应回来时自动 resolve。这样异步的 WebSocket 就变成了好用的await接口。第 3 站Godot 编辑器内的路由Godot 侧的 mcp_server.gd 在_process中轮询连接与消息。收到带type字段的旧版命令格式后通过command_received信号交给命令处理器。command_handler.gd 依次询问各处理器谁认领谁处理execute_editor_script最终被MCPEditorScriptCommands接走。三、核心实现动态脚本的三明治结构 真正的高光代码在 editor_script_commands.gd。它的思路是把用户代码夹进一个预先写好的 GDScript 模板里生成临时脚本节点执行。tool extends Node signal execution_completed var result null var _output_array [] func custom_print(values): ... # 自定义输出收集器 func run(): # USER CODE START {user_code} # ← AI 写的代码注入这里 # USER CODE END execution_completed.emit()流程分 5 步校验code为空直接返回错误L16-L17改写 print用正则print\s*\(([^)])\)把所有print(...)替换成custom_print([...])L159-L181。这样输出不再只进控制台而是被收集进_output_array能随响应返回给 AI——注意替换是倒序进行的避免字符串长度变化导致位置错乱缩进归一化把用户代码行首的空格按每 4 个换算成 1 个 Tab整体再统一缩进一级L85-L111规避 GDScript 经典的Tab/空格混用解析错误预检解析执行前调用script.reload()解析失败立即报错不污染编辑器L117-L121信号驱动收尾给临时节点挂上execution_completed信号run()跑完后由 信号回调 收集result、output、错误信息拆除临时节点再通过 _send_success 把{success, output, result/error}发回 WebSocket这套信号 临时节点 用完即毁的设计保证脚本执行不阻塞编辑器主循环也天然隔离了状态污染。四、设计亮点与工程细节输出捕获AI 的眼睛全靠print。改写为custom_print后AI 能看见自己脚本跑出了什么形成生成 → 执行 → 观察 → 修正的闭环错误不崩溃解析错误走_send_error返回结构化错误消息编辑器本身纹丝不动命令模式所有工具都是类型 参数 ID的 JSON 对象新增能力只需注册新的处理器扩展性极佳见 architecture.md 中的设计模式说明本地通信WebSocket 默认只监听 localhost:9080配合commandId匹配与 20 秒超时兼顾安全与可靠五、写在最后execute_editor_script展示了 MCP 工具的一个精髓与其列举 100 个固定操作不如开放一个受控的执行通道。它用模板注入、正则改写、缩进归一化和信号回调四个朴素技术就把AI 自由编程这件高风险的事做成了稳定、可观测、自动清理的工程化流程。如果你想给 Godot-MCP 加新命令照着 editor_script_commands.gd 抄一遍再改参数就是最快的上手路径。【免费下载链接】Godot-MCPAn MCP for Godot that lets you create and edit games in the Godot game engine with tools like Claude项目地址: https://gitcode.com/gh_mirrors/god/Godot-MCP创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/18 21:21:17

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/18 14:20:46

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/18 20:01:42

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/18 11:04:06

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/18 15:55:22

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/18 21:21:16

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉