BlenderMCP MCP Server

BlenderMCP MCP Server

Forbind Blender problemfrit til AI-assistenter! BlenderMCP giver dig mulighed for at automatisere 3D-modellering, sceneskabelse og import af assets i Blender ved hjælp af naturligt sprog eller LLM-kommandoer.

Hvad laver “BlenderMCP” MCP Serveren?

BlenderMCP er en MCP (Model Context Protocol) server, der bygger bro mellem Blender, den populære open source 3D-skabersuite, og AI-assistenter som Claude AI. Ved at udnytte MCP gør BlenderMCP det muligt for AI-modeller at interagere direkte med og styre Blender, hvilket muliggør automatiseret og prompt-assisteret 3D-modellering, realtids sceneskabelse og -manipulation. Denne integration gør det muligt for udviklere og kreative at effektivisere arbejdsgange, såsom at generere, ændre eller slette 3D-objekter og assets i Blender gennem naturlige sprogprompter eller LLM-drevne kommandoer. BlenderMCP øger udviklingsproduktiviteten ved at automatisere gentagne Blender-opgaver, muliggøre hurtig prototyping og intelligent asset management – alt sammen med tovejskommunikation mellem AI og Blender.

Liste over Prompter

  • Ingen prompt-skabeloner var eksplicit opført i den tilgængelige dokumentation eller filer for BlenderMCP.

Liste over Ressourcer

  • Ingen eksplicitte MCP-ressourcedefinitioner er givet i den tilgængelige dokumentation eller repository-filer for BlenderMCP.

Liste over Værktøjer

  • Objektmanipulation: Muliggør oprettelse, ændring og sletning af 3D-objekter i Blender gennem AI-udløste kommandoer.
  • Screenshot/Viewport Capture: Giver mulighed for at tage screenshots af Blenders viewport til sceneanalyse (som beskrevet i release notes).
  • Sketchfab Model Search/Download: Integrerer med Sketchfab API for at søge og downloade 3D-modeller direkte til Blender.
  • Poly Haven Asset Integration: Understøtter hentning af assets fra Poly Haven API og importerer dem til Blender.
  • 3D Model Generation (Hyper3D Rodin): Muliggør generering af 3D-modeller via Hyper3D Rodin-grænsefladen.

Anvendelsestilfælde for denne MCP Server

  • Prompt-assisteret 3D-modellering: AI kan generere komplekse 3D-modeller i Blender baseret på brugerprompter og reducerer manuelt modelleringsarbejde.
  • Automatiseret sceneskabelse: Opsæt og udfyld Blender-scener øjeblikkeligt ved at beskrive dem til en AI, hvilket fremskynder den kreative proces.
  • Asset-søgning og import: Søg, download og importér assets fra Sketchfab eller Poly Haven direkte via AI-kommandoer.
  • Viewport-analyse & feedback: Tag screenshots af Blender-viewporten til AI-drevet sceneanalyse, feedback eller dokumentation.
  • Modelgenerering: Generér automatisk nye 3D-modeller ved hjælp af generative værktøjer som Hyper3D Rodin, styret af AI.

Sådan opsætter du det

Windsurf

  1. Sørg for at forudsætninger er opfyldt (f.eks. Python, Blender installeret).
  2. Åbn Windsurf-konfigurationsfilen.
  3. Tilføj BlenderMCP som en MCP-server ved at bruge JSON-uddraget nedenfor.
  4. Gem konfigurationen og genstart Windsurf.
  5. Bekræft BlenderMCP-forbindelsen i MCP-serverpanelet.
{
  "mcpServers": {
    "blender-mcp": {
      "command": "python",
      "args": ["-m", "blender_mcp"]
    }
  }
}

Claude

  1. Installer Blender og Python, hvis det ikke allerede er installeret.
  2. Rediger Claudes MCP-serverkonfiguration.
  3. Tilføj BlenderMCP med den angivne kommando og argumenter.
  4. Genstart Claude eller genindlæs konfigurationen.
  5. Tjek for succesfuld integration i Claudes MCP-sektion.
{
  "mcpServers": {
    "blender-mcp": {
      "command": "python",
      "args": ["-m", "blender_mcp"]
    }
  }
}

Cursor

  1. Installer Blender og opsæt Python-miljø.
  2. Find Cursor MCP-konfigurationsfilen.
  3. Indsæt BlenderMCP-serverdetaljer som vist.
  4. Gem ændringer og genstart Cursor.
  5. Bekræft, at BlenderMCP er opført blandt aktive MCP-servere.
{
  "mcpServers": {
    "blender-mcp": {
      "command": "python",
      "args": ["-m", "blender_mcp"]
    }
  }
}

Cline

  1. Sørg for at Blender og Python er korrekt installeret.
  2. Åbn Cline MCP-konfigurationsfilen for redigering.
  3. Tilføj BlenderMCP-serverkonfiguration.
  4. Gem filen og genstart Cline.
  5. Valider at BlenderMCP er forbundet.
{
  "mcpServers": {
    "blender-mcp": {
      "command": "python",
      "args": ["-m", "blender_mcp"]
    }
  }
}

Sikring af API-nøgler

For at bruge API-nøgler sikkert (f.eks. til Sketchfab eller Poly Haven), gem dem som miljøvariabler og referér til dem i din konfiguration:

{
  "mcpServers": {
    "blender-mcp": {
      "command": "python",
      "args": ["-m", "blender_mcp"],
      "env": {
        "SKETCHFAB_API_KEY": "${SKETCHFAB_API_KEY}"
      }
    }
  }
}

Du kan også tilføje brugerinput, hvis din platform understøtter det:

{
  "inputs": {
    "sketchfab_api_key": {
      "type": "env",
      "env": "SKETCHFAB_API_KEY"
    }
  }
}

Sådan bruger du denne MCP i flows

Brug MCP i FlowHunt

For at integrere MCP-servere i din FlowHunt-arbejdsgang skal du starte med at tilføje MCP-komponenten til dit flow og forbinde den med din AI-agent:

FlowHunt MCP flow

Klik på MCP-komponenten for at åbne konfigurationspanelet. Indsæt dine MCP-serverdetaljer i systemets MCP-konfigurationssektion med dette JSON-format:

{
  "blender-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Når det er konfigureret, kan AI-agenten nu bruge denne MCP som et værktøj med adgang til alle dens funktioner og muligheder. Husk at ændre “blender-mcp” til det faktiske navn på din MCP-server og erstatte URL’en med din egen MCP-server-URL.


Oversigt

SektionTilgængelighedDetaljer/Noter
Oversigt
Liste over PrompterIngen prompt-skabeloner blev fundet.
Liste over RessourcerIngen ressourcedefinitioner blev fundet.
Liste over VærktøjerBaseret på README og release notes; ikke udtømmende opført i koden.
Sikring af API-nøglerGenerelle instruktioner inkluderet.
Sampling Support (mindre vigtigt i evaluering)Ingen omtale af sampling support.

Baseret på ovenstående tabeller er BlenderMCP en nyttig og populær MCP-server til Blender-AI-integration med stærke praktiske værktøjer og bred udbredelse. Dog mangler der dokumentation for prompts, ressourcer og avancerede MCP-funktioner. Overordnet vurderer jeg denne MCP til 7/10 for dens nytte og popularitet, men med plads til forbedring i dokumentation og gennemsigtighed i funktioner.


MCP-score

Har en LICENSE✅ (MIT)
Har mindst ét værktøj
Antal forks1.1k
Antal stjerner11.9k

Ofte stillede spørgsmål

Hvad er BlenderMCP?

BlenderMCP er en MCP (Model Context Protocol) server, der forbinder Blender, den open source 3D-suite, med AI-assistenter som Claude. Det muliggør, at AI-modeller kan oprette, ændre og administrere Blender-scener og assets gennem naturligt sprog eller prompt-baseret automatisering.

Hvad kan BlenderMCP gøre?

BlenderMCP giver AI mulighed for at generere, redigere og slette 3D-objekter, importere assets fra Sketchfab og Poly Haven, tage screenshots af viewport, og endda oprette modeller ved hjælp af generative værktøjer – alt sammen fra AI-drevne prompts og kommandoer.

Hvordan opsætter jeg BlenderMCP?

Installer Blender og Python, og tilføj derefter BlenderMCP-serverkonfiguration til din klient (Windsurf, Claude, Cursor eller Cline). Genstart din klient og bekræft, at BlenderMCP kører.

Hvordan sikrer jeg API-nøgler til Sketchfab eller Poly Haven?

Gem API-nøgler som miljøvariabler og referér til dem i din MCP-serverkonfiguration. Eksempel: 'env': { 'SKETCHFAB_API_KEY': '${SKETCHFAB_API_KEY}' }.

Kan jeg bruge BlenderMCP i FlowHunt flows?

Ja! Tilføj en MCP-komponent til dit FlowHunt-flow, konfigurer den med dine BlenderMCP-serverdetaljer, og din AI-agent vil kunne udnytte alle BlenderMCP-værktøjer og -funktioner.

Boost Blender med AI-automatisering

Integrer BlenderMCP med FlowHunt for at låse op for prompt-drevet 3D-design og automatiseret scenestyring. Hæv din kreative arbejdsgang med AI-drevet Blender-styring.

Lær mere

ModelContextProtocol (MCP) Server Integration
ModelContextProtocol (MCP) Server Integration

ModelContextProtocol (MCP) Server Integration

ModelContextProtocol (MCP) Server fungerer som et bindeled mellem AI-agenter og eksterne datakilder, API’er og tjenester, så FlowHunt-brugere kan bygge kontekst...

3 min læsning
AI Integration +4
mcp-vision MCP Server
mcp-vision MCP Server

mcp-vision MCP Server

mcp-vision MCP Server forbinder HuggingFace computer vision-modeller—som zero-shot objektgenkendelse—med FlowHunt og andre AI-platforme og giver LLM'er og AI-as...

4 min læsning
AI Computer Vision +5
Cloudflare MCP Server-integration
Cloudflare MCP Server-integration

Cloudflare MCP Server-integration

Cloudflare MCP Server fungerer som bro mellem AI-assistenter og Cloudflares cloudtjenester, hvilket muliggør automatisering af konfigurationer, logs, builds og ...

4 min læsning
Cloudflare MCP +7