BlenderMCP MCP-server

BlenderMCP MCP-server

Koppla enkelt Blender till AI-assistenter! BlenderMCP gör det möjligt att automatisera 3D-modellering, scenbyggande och import av tillgångar i Blender med naturligt språk eller LLM-kommandon.

Vad gör “BlenderMCP” MCP-servern?

BlenderMCP är en MCP-server (Model Context Protocol) som bygger en brygga mellan Blender, den populära öppna 3D-svit, och AI-assistenter som Claude AI. Genom att använda MCP kan BlenderMCP låta AI-modeller interagera direkt med och styra Blender, vilket möjliggör automatiserad och prompt-assisterad 3D-modellering, scenbyggande i realtid och manipulation. Denna integration ger utvecklare och kreatörer möjlighet att effektivisera arbetsflöden, som att skapa, ändra eller ta bort 3D-objekt och tillgångar i Blender via naturliga språkpromptar eller LLM-drivna kommandon. BlenderMCP ökar produktiviteten i utvecklingsarbetet genom att automatisera repetitiva Blender-uppgifter, underlätta snabb prototypframställning och möjliggöra intelligent tillgångshantering – allt med tvåvägskommunikation mellan AI och Blender.

Lista över promptar

  • Inga promptmallar var uttryckligen listade i den tillgängliga dokumentationen eller filerna för BlenderMCP.

Lista över resurser

  • Inga explicita MCP-resursdefinitioner finns i den tillgängliga dokumentationen eller repositoryfilerna för BlenderMCP.

Lista över verktyg

  • Objekthantering: Möjliggör skapande, modifiering och borttagning av 3D-objekt i Blender via AI-utlösta kommandon.
  • Skärmdump/vyupptagning: Låter dig ta skärmdumpar av Blender-vyn för scenförståelse (enligt release notes).
  • Sketchfab-modellsökning/nedladdning: Integreras med Sketchfabs API för att söka och ladda ner 3D-modeller direkt till Blender.
  • Poly Haven-tillgångsintegration: Stödjer hämtning av tillgångar från Poly Havens API och import direkt till Blender.
  • 3D-modellgenerering (Hyper3D Rodin): Möjliggör generering av 3D-modeller med hjälp av Hyper3D Rodin-gränssnittet.

Användningsområden för denna MCP-server

  • Prompt-assisterad 3D-modellering: AI kan generera komplexa 3D-modeller i Blender baserat på användarpromptar, vilket minskar manuellt modellarbete.
  • Automatiserad scenbyggnad: Sätt upp och fyll Blender-scener direkt genom att beskriva dem för en AI och snabba upp den kreativa processen.
  • Tillgångssökning och import: Sök, ladda ner och importera tillgångar från Sketchfab eller Poly Haven direkt genom AI-kommandon.
  • Vyupptagning & feedback: Ta skärmdumpar från Blender-vyn för AI-driven scenganalys, feedback eller dokumentation.
  • Modellgenerering: Generera automatiskt nya 3D-modeller med generativa verktyg som Hyper3D Rodin, styrt av AI.

Hur du sätter upp det

Windsurf

  1. Kontrollera att förutsättningar är uppfyllda (t.ex. Python, Blender installerade).
  2. Öppna Windsurf-konfigurationsfilen.
  3. Lägg till BlenderMCP som en MCP-server enligt JSON-exemplet nedan.
  4. Spara konfigurationen och starta om Windsurf.
  5. Verifiera BlenderMCP-anslutningen i MCP-serverpanelen.
{
  "mcpServers": {
    "blender-mcp": {
      "command": "python",
      "args": ["-m", "blender_mcp"]
    }
  }
}

Claude

  1. Installera Blender och Python om det inte redan är gjort.
  2. Redigera Claudes MCP-serverkonfiguration.
  3. Lägg till BlenderMCP med angiven command och argument.
  4. Starta om Claude eller ladda om konfigurationen.
  5. Kontrollera att integrationen lyckats i Claudes MCP-sektion.
{
  "mcpServers": {
    "blender-mcp": {
      "command": "python",
      "args": ["-m", "blender_mcp"]
    }
  }
}

Cursor

  1. Installera Blender och ställ in Python-miljö.
  2. Lokalisera Cursor MCP-konfigurationsfilen.
  3. Lägg in BlenderMCP-serveruppgifter enligt exempel.
  4. Spara ändringar och starta om Cursor.
  5. Bekräfta att BlenderMCP finns bland aktiva MCP-servrar.
{
  "mcpServers": {
    "blender-mcp": {
      "command": "python",
      "args": ["-m", "blender_mcp"]
    }
  }
}

Cline

  1. Kontrollera att Blender och Python är korrekt installerade.
  2. Öppna Cline MCP-konfigurationsfilen för redigering.
  3. Lägg till BlenderMCP-serverkonfiguration.
  4. Spara filen och starta om Cline.
  5. Validera att BlenderMCP är ansluten.
{
  "mcpServers": {
    "blender-mcp": {
      "command": "python",
      "args": ["-m", "blender_mcp"]
    }
  }
}

Skydda API-nycklar

För att använda API-nycklar på ett säkert sätt (t.ex. för Sketchfab eller Poly Haven), lagra dem som miljövariabler och referera dem i din konfiguration:

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

Du kan även lägga till användarinmatning om plattformen stödjer det:

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

Så använder du denna MCP i flöden

Användning av MCP i FlowHunt

För att integrera MCP-servrar i din FlowHunt-arbetsprocess, börja med att lägga till MCP-komponenten i ditt flöde och koppla den till din AI-agent:

FlowHunt MCP-flöde

Klicka på MCP-komponenten för att öppna konfigurationspanelen. I system-MCP-konfigurationsavsnittet lägger du in dina MCP-serveruppgifter enligt detta JSON-format:

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

När det är konfigurerat kan AI-agenten nu använda denna MCP som ett verktyg med tillgång till alla dess funktioner och möjligheter. Kom ihåg att ändra “blender-mcp” till det faktiska namnet på din MCP-server och byt ut URL:en till din egen MCP-server-URL.


Översikt

SektionTillgänglighetDetaljer/Noteringar
Översikt
Lista över promptarInga promptmallar hittades.
Lista över resurserInga resursdefinitioner hittades.
Lista över verktygBaserat på README och release notes; ej uttömmande listat i koden.
Skydda API-nycklarGenerella instruktioner inkluderade.
Stöd för sampling (mindre viktigt vid utvärd.)Ingen nämnd för sampling-stöd.

Baserat på ovanstående tabeller är BlenderMCP en användbar och populär MCP-server för Blender-AI-integration, med bra praktiska verktyg och bred användning. Dock saknas dokumentation för promptar, resurser och avancerade MCP-funktioner. Sammantaget skulle jag ge denna MCP ett 7/10 för dess nytta och popularitet, men med förbättringspotential gällande dokumentation och transparens kring funktioner.


MCP-betyg

Har LICENS✅ (MIT)
Har minst ett verktyg
Antal forks1,1k
Antal stjärnor11,9k

Vanliga frågor

Vad är BlenderMCP?

BlenderMCP är en MCP-server (Model Context Protocol) som kopplar samman Blender, den öppna 3D-sviten, med AI-assistenter som Claude. Det möjliggör för AI-modeller att skapa, ändra och hantera Blender-scener och tillgångar via naturligt språk eller promptbaserad automation.

Vad kan BlenderMCP göra?

BlenderMCP låter AI generera, redigera och ta bort 3D-objekt, importera tillgångar från Sketchfab och Poly Haven, ta skärmdumpar från vyn och till och med skapa modeller med generativa verktyg – allt via AI-drivna promptar och kommandon.

Hur installerar jag BlenderMCP?

Installera Blender och Python och lägg sedan till BlenderMCP-serverkonfigurationen till din klient (Windsurf, Claude, Cursor eller Cline). Starta om din klient och verifiera att BlenderMCP körs.

Hur skyddar jag API-nycklar för Sketchfab eller Poly Haven?

Lagra API-nycklar som miljövariabler och referera dem i din MCP-serverkonfiguration. Exempel: 'env': { 'SKETCHFAB_API_KEY': '${SKETCHFAB_API_KEY}' }.

Kan jag använda BlenderMCP i FlowHunt-flöden?

Ja! Lägg till en MCP-komponent i ditt FlowHunt-flöde, konfigurera den med dina BlenderMCP-serveruppgifter och din AI-agent får tillgång till alla BlenderMCP-verktyg och funktioner.

Ge Blender superkrafter med AI-automation

Integrera BlenderMCP med FlowHunt för att låsa upp promptstyrd 3D-design och automatiserad scenhantering. Lyft ditt kreativa arbetsflöde med AI-drivet Blender-styrning.

Lär dig mer

ModelContextProtocol (MCP) Server-integration
ModelContextProtocol (MCP) Server-integration

ModelContextProtocol (MCP) Server-integration

ModelContextProtocol (MCP) Server fungerar som en brygga mellan AI-agenter och externa datakällor, API:er och tjänster, vilket gör det möjligt för FlowHunt-anvä...

3 min läsning
AI Integration +4
Model Context Protocol (MCP) Server
Model Context Protocol (MCP) Server

Model Context Protocol (MCP) Server

Model Context Protocol (MCP) Server kopplar samman AI-assistenter med externa datakällor, API:er och tjänster, vilket möjliggör smidig integrering av komplexa a...

3 min läsning
AI MCP +4
Kubernetes MCP-server
Kubernetes MCP-server

Kubernetes MCP-server

Kubernetes MCP-server fungerar som en brygga mellan AI-assistenter och Kubernetes/OpenShift-kluster, vilket möjliggör programmatisk resursxadhantering, poddxado...

4 min läsning
Kubernetes MCP Server +4