Mauns带火MCP 让Claude一句话自动化3D建模

只需在Claude中简单输入一句话，Blender便能自动生成完整海滩场景的3D模型。这看似魔法般的效果，背后依赖的其实是MCP协议这一关键技术。

该指令借助来自Poly Haven的HDRI高动态范围图像、纹理贴图以及岩石植被等资源进行海滩建模。Poly Haven作为一个免费开源的3D素材资源平台，用户可以看到Claude能够自主访问并下载应用这些资源。

除此之外，还有一系列值得尝试的实用能力：“将这款汽车涂装为红色并赋予金属质感”、“创建球体并将其精准放置在立方体上方”、“设置摄影棚级别的专业灯光效果”、“将相机对准场景并调整为等距视角”。

根据项目页面的详细介绍，BlenderMCP实现的功能涵盖3D对象的创建、修改与删除；材质与颜色的灵活调用与调整；场景信息的全面检查以及代码执行。该方案由两大核心组件构成：一个Blender插件和一个MCP服务器。插件在Blender中搭建可接收并执行指令的服务器，而后者则专门负责实现MCP协议本身。

关于具体安装方法，开发者已将所有步骤完整开源至GitHub平台上。

不仅仅局限于Blender，广大网友正在将MCP协议接入各类工具，力图让它们都能被AI直接调度。甚至AI编程软件也因接入MCP而变得更加自动化。有人在Cursor中通过MCP协议同时集成了Slack和GitHub，顺利完成了从需求到开发的完整新功能迭代。

在完成插件配置与认证后，Cursor借助MCP自动从Slack读取需求文档，然后从GitHub拉取代码，自主完成新功能的编写与上传。这套操作流程的背后，是一家名为Composio的机构提供的MCP服务，用户只需在Cursor内通过链接即可直接完成配置。

除了GitHub，诸如谷歌搜索、电子邮件、地图等常见工具，也已被Composio转化为MCP服务形式。

除了Composio这类商业服务外，MCP爱好者们还自发建立了社区，积累了数量可观的开源server与client资源。例如，存在一个MCP服务能够检索arXiv上的学术论文；配置完成后，用户在Claude客户端中即可直接搜索论文。

更有趣的是，大模型本身也可以被“MCP服务化”。例如，让服务器通过OpenAI兼容API调用其他第三方模型。

甚至将DeepSeek-R1接入到Claude当中，也并非难事。

MCP为何如此强大？

MCP是一种由Anthropic提出的通信协议。Anthropic将其形象地比喻为AI应用领域的Type-C接口。

更进一步，Anthropic已计划牵头推动MCP成为行业开放标准。其目标十分明确：实现大模型应用与外部数据源及工具之间的无缝衔接，助力AI获取必要的上下文信息，从而输出质量更高、与任务更匹配的应答内容。

实现大模型应用与外部数据源及工具之间的无缝集成，帮助AI获得所需的上下文数据，生成质量更高、与任务更相关的回答。

MCP主要解决的是全球应用开发者共同面临的一个核心痛点——数据孤岛问题。它就像AI系统与数据源之间的一座桥梁，允许开发者在数据源与AI工具之间建立双向通信连接。

在架构设计上，MCP采用客户端-服务器模式。多个服务可以连接到任何兼容的客户端，客户端可以是Claude Desktop、IDE或其他AI工具，而服务器则充当适配器角色，对外暴露数据源。它的突出优势在于，自此无论是访问本地资源（如数据库、文件、服务），还是调用远程资源（如Slack、GitHub API），都可通过同一套协议实现。

MCP支持的数据类型极为多样，涵盖文件内容、数据库记录、API响应结果、实时系统数据、屏幕截图与图像、日志文件等，几乎覆盖所有常见类型。同时，MCP服务器内置了安全机制，允许服务器自主控制资源访问，无需将API密钥直接交给大模型。

根据服务来源的不同，MCP采用差异化的通信机制：本地通信使用标准输入输出，远程通信则通过SSE进行。这两种通信方式中的消息均采用JSON格式传输，这使得MCP的通信过程标准化，并带来了出色的可扩展性。

虽然能够调用的服务看起来繁多复杂，但实际的开发过程并不困难。官方在发布时就明确指出，当时最新的Claude 3.5 Sonnet自身就非常擅长搭建MCP服务器，从而形成了高效的开发闭环。

强大的调用能力、便捷的开发流程，再加上Anthropic的充分背书与开源社区的高度关注，MCP似乎有望如Anthropic所设想的那样，成为未来AI领域的一项关键标准。

但现实果真如此理想吗？

事实上，持观望甚至悲观态度的人并不在少数。最近，知名开源大模型框架LangChain官方在X平台进行了一次投票。结果显示，40.8%的参与者认为MCP是未来标准，而更多人选择了“再观察看看”。

即便在LangChain内部，也出现了意见分歧。CEO认为MCP显著降低了Agent接入工具的门槛；而创始工程师则指出，在具体的工程落地层面，会产生大量定制化需求，许多情况下MCP并不能完全发挥预期作用。

MCP要变得像OpenAI的GPTs那样，才能匹配当前的热度，但实际上GPTs似乎也并没有多么受欢迎。

至于MCP究竟是昙花一现，还是真正有潜力成为AI世界的“Type-C接口”，答案或许只能交给时间来验证。