BlenderMCP MCP-Server

Was macht der „BlenderMCP“ MCP-Server?

BlenderMCP ist ein MCP-Server (Model Context Protocol), der die Lücke zwischen Blender, der beliebten Open-Source-3D-Software, und KI-Assistenten wie Claude AI schließt. Durch die Nutzung des MCP ermöglicht BlenderMCP KI-Modellen die direkte Interaktion und Steuerung von Blender, wodurch automatisiertes und prompt-unterstütztes 3D-Modellieren, Echtzeit-Szenenerstellung und -manipulation möglich werden. Diese Integration befähigt Entwickler und Kreative, Workflows zu optimieren, z. B. durch das Erstellen, Modifizieren oder Löschen von 3D-Objekten und Assets in Blender mittels natürlicher Sprach-Prompts oder LLM-gesteuerter Befehle. BlenderMCP steigert die Entwicklungseffizienz durch die Automatisierung repetitiver Blender-Aufgaben, erleichtert das schnelle Prototyping und ermöglicht intelligentes Asset-Management – und das alles bei bidirektionaler Kommunikation zwischen KI und Blender.

Liste der Prompts

• Es wurden in der verfügbaren Dokumentation oder in den Dateien für BlenderMCP keine Prompt-Vorlagen explizit aufgeführt.

Liste der Ressourcen

• Es sind in der verfügbaren Dokumentation oder in den Repository-Dateien für BlenderMCP keine expliziten MCP-Ressourcendefinitionen vorhanden.

Liste der Tools

• Objektmanipulation: Ermöglicht das Erstellen, Modifizieren und Löschen von 3D-Objekten in Blender per KI-gesteuertem Befehl.
• Screenshot/Viewport-Aufnahme: Erlaubt das Erfassen von Screenshots des Blender-Viewports zum Szenenverständnis (wie in den Release Notes beschrieben).
• Sketchfab-Modellsuche/-Download: Integration mit der Sketchfab-API zum Suchen und Herunterladen von 3D-Modellen direkt in Blender.
• Poly Haven Asset-Integration: Unterstützt das Abrufen von Assets über die Poly Haven API und den Import nach Blender.
• 3D-Modellgenerierung (Hyper3D Rodin): Ermöglicht die Generierung von 3D-Modellen über die Hyper3D Rodin-Schnittstelle.

Anwendungsfälle dieses MCP-Servers

• Prompt-gestützte 3D-Modellierung: KI kann komplexe 3D-Modelle in Blender anhand von Benutzerprompts generieren und so manuellen Modellieraufwand reduzieren.
• Automatisierte Szenenerstellung: Blender-Szenen können durch einfache Beschreibung an eine KI sofort eingerichtet und befüllt werden – das beschleunigt den kreativen Prozess.
• Asset-Suche und -Import: Assets von Sketchfab oder Poly Haven können direkt über KI-Befehle gesucht, heruntergeladen und importiert werden.
• Viewport-Analyse & Feedback: Erfassen von Blender-Viewport-Screenshots für KI-gesteuerte Szenenanalyse, Feedback oder Dokumentation.
• Modellgenerierung: Automatisches Erstellen neuer 3D-Modelle mittels generativer Tools wie Hyper3D Rodin, gesteuert durch die KI.

Einrichtung

Windsurf

1. Stellen Sie sicher, dass die Voraussetzungen erfüllt sind (z. B. Python, Blender installiert).
2. Öffnen Sie die Windsurf-Konfigurationsdatei.
3. Fügen Sie BlenderMCP als MCP-Server mithilfe des untenstehenden JSON-Snippets hinzu.
4. Konfiguration speichern und Windsurf neu starten.
5. Überprüfen Sie die BlenderMCP-Verbindung im MCP-Server-Panel.

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

Claude

1. Installieren Sie Blender und Python, falls noch nicht geschehen.
2. Bearbeiten Sie die MCP-Server-Konfiguration von Claude.
3. Fügen Sie BlenderMCP mit dem angegebenen Befehl und den Argumenten hinzu.
4. Starten Sie Claude neu oder laden Sie die Konfiguration erneut.
5. Prüfen Sie die erfolgreiche Integration im MCP-Abschnitt von Claude.

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

Cursor

1. Installieren Sie Blender und richten Sie die Python-Umgebung ein.
2. Lokalisieren Sie die Cursor-MCP-Konfigurationsdatei.
3. Fügen Sie die BlenderMCP-Serverdetails wie gezeigt ein.
4. Änderungen speichern und Cursor neu starten.
5. Bestätigen Sie, dass BlenderMCP in den aktiven MCP-Servern gelistet ist.

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

Cline

1. Stellen Sie sicher, dass Blender und Python korrekt installiert sind.
2. Öffnen Sie die Cline-MCP-Konfigurationsdatei zur Bearbeitung.
3. Fügen Sie die BlenderMCP-Serverkonfiguration hinzu.
4. Datei speichern und Cline neu starten.
5. Validieren Sie, dass BlenderMCP verbunden ist.

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

API-Keys absichern

Um API-Keys (z. B. für Sketchfab oder Poly Haven) sicher zu verwenden, speichern Sie diese als Umgebungsvariablen und referenzieren Sie sie in Ihrer Konfiguration:

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

Sie können optional auch Benutzereingaben hinzufügen – sofern von Ihrer Plattform unterstützt:

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

Verwendung dieses MCP in Flows

Nutzung von MCP in FlowHunt

Um MCP-Server in Ihren FlowHunt-Workflow zu integrieren, fügen Sie zunächst die MCP-Komponente zu Ihrem Flow hinzu und verbinden Sie sie mit Ihrem KI-Agenten:

Klicken Sie auf die MCP-Komponente, um das Konfigurationspanel zu öffnen. Fügen Sie im Abschnitt „System MCP-Konfiguration“ Ihre MCP-Serverdaten in folgendem JSON-Format ein:

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

Nach der Konfiguration kann der KI-Agent dieses MCP nun als Tool mit Zugriff auf alle Funktionen und Möglichkeiten nutzen. Denken Sie daran, “blender-mcp” ggf. an den tatsächlichen Namen Ihres MCP-Servers anzupassen und die URL durch Ihre eigene MCP-Server-Adresse zu ersetzen.

Übersicht

Basierend auf obiger Tabelle ist BlenderMCP ein nützlicher und beliebter MCP-Server für Blender-KI-Integration mit praktischen Tools und breiter Nutzung. Allerdings mangelt es an Dokumentation für Prompts, Ressourcen und fortgeschrittene MCP-Features. Insgesamt bewerte ich diesen MCP mit 7/10 für Nutzen und Popularität, aber mit Verbesserungspotenzial bei Dokumentation und Feature-Transparenz.

MCP-Bewertung