虚拟现实技术 · 第 9 次课 · MCP × Blender 专题

Agent 通过 MCP 指挥 Blender

2026-11-11 · 4 学时 · 180 分钟 —— 这一课不讨论「AI 能不能生成 3D」,只回答一个问题:Agent 怎么把一条命令真正送到 Blender 的 bpy 主线程上,并且每一步都有返回值可以验证。前两节 90 分钟全是练,后两节 90 分钟才讲。

中华女子学院 第 9 次课 · 2026-11-11(周三)· 4 学时 主楼 646 · 36 机位 数字媒体技术 2023 级 · 40 人 授课人:孙琪翔 前两节练习 90′ + 后两节讲授 90′
新

AI × VR 最新进展(2025-11 → 2026-11)

不是"AI 很厉害",而是逐条给出版本、能力边界与来源;查不到的写"查不到"

这一节的读法:每条都标了年份(事件发生年,不是文章发布年)和证据级别—— A = 官方博客 / 文档 / arXiv;B = 主流媒体;C = 二手报道(仅作线索,数字不复用)。 凡是查不到可靠来源的,本节直接留白(见最后一张表),不估算、不补齐。
完整来源清单(每条一个网址)在配套文档 内容规格.md 同目录的 AI×VR_最新进展_2026-11.md;下面每节末尾给出该节的关键官方出处。

〇、课堂视频清单(全部 ≤ 10 分钟,播放量已核实)

下面 8 条是 B 站上能当堂放、也能课后自己看的短片。时长与播放量是 2026-11-10 抓取的真实数据, 播放量会变,但量级不会。选片标准:① 单条 ≤ 10 分钟;② 播放量 ≥ 1 万(在这个垂类里算头部); ③ 能直接对上本节某一条结论。

#标题(点开即播)时长播放量对应本节哪个结论
1【测评】AI 拓补竞争加剧,Rodin AI 拓补惊艳登场2 分 38 秒4.1 万「面数不是瓶颈,减面才是」—— 拓补就是减面
2【测评】腾讯 AI3D 拓补功能再进化,混元 3D Studio 1.12 分 54 秒3.9 万同上;对比国产两家拓补路线
3【测评】AI 一键模型分件,Rodin Gen2 拆件神器5 分 00 秒3.5 万生成式出来的东西怎么进管线(拆件 = 可编辑)
4无需魔法,国内免费用 nanobanana 网站 + Rodin0 分 43 秒2.3 万课堂练习 D 的路径一:现场就能跑
5【测评】AI3D 制作一条龙服务?混元 3D Studio 到底如何3 分 56 秒1.9 万「能出图」到「能进管线」差在哪
6AI3D + UE5 来制作你的第一款战机游戏1 分 39 秒1.7 万生成式资产接到引擎里的完整链路
7【测评】AI3D 局部微调时代来到!2 分 07 秒1.6 万「可修改性」——生成式最被诟病的那一环
8【测评】微软 Trellis 2 AI3D 开源王者降临?4 分 17 秒1.1 万开源路线 vs 闭源商业,对应 TRELLIS.2 那条
官方演示(英文)看什么入口
Genie 4(DeepMind)键盘实时改世界、原生音频、约 2 分钟一致性就漂移DeepMind 官方频道(找 Genie 4 那条)
Marble / Atlas(World Labs)一张图生成可漫游房间、「走进去」而不是「看视频」World Labs 官方频道
为什么没有「Blender MCP 那类」视频:确实有,但一盘点是 33 分钟(BV1dgTT6PEui,播放 798)—— 时长与播放量都不达标,所以不进主表。选片本身就是取舍,这条也讲给学生听:不是"有就用",要按课堂约束筛。
播放量数据口径:均为 B 站 2026-11-10 抓取时的累计播放,会随时间变化。 若某条已下架,按"查不到"处理,不要用二手说法替代。

一、文生 3D / 图生 3D:从"能出图"到"能进管线"

模型版本 / 时间关键能力(2026 年状态)面数 / 贴图
Tripo H3.1v3.1 · 2026-02文本 / 单图 / 多视图;约 40 秒出网格、120 秒出带贴图;可选四边面 FBX 与智能低模150 万面(detailed 200 万);quad 15 万;8K
腾讯混元 3.0 / 3.52026-09 官方说明几何与纹理解耦,法线 / 金属度 / 粗糙度分通道,可直接进 UE / Unity 材质150 万面;8K PBR;约 60 秒
Meshy 62026-01-09重点在几何:结构更规整、硬表面锐边更准、新增低模模式官方未公布
Rodin Gen-2.52026 在售拓扑直接做成参数:mesh_mode 选 Quad / Raw;定位"给管线用"200 万面;Quad 20 万;12K
TRELLIS.2CVPR 2026改的是 3D 表征层(原生紧凑结构化 latent),开源,代表"表征决定上限"这条路线见论文
关键出处:Tripo 开发者文档 developers.tripo3d.com/zh/models/v3-1|腾讯云 3D 技术说明 tencentcloud.com/techpedia/148305
课堂一句话:2026 年"面数上限"已经不是问题——问题变成你怎么把 200 万面减到 10 万面还不塌。 我们自己那套校园是 109,793 三角面 / 380 DrawCall,这已经接近一体机的舒适上限。

二、世界模型:能不能"真的走进去玩"

产品时间能走进去吗能编辑 / 量尺寸吗
Genie 4(DeepMind)2026-10-27能玩约 2 分钟(一致性时长是 Genie 3 的两倍),可实时改天气与视角,首次带原生音频不能;研究预览,普通账号进不去
Marble 1.1(World Labs)2025-11 起 · 2026-04 升 1.1能:输出 3DGS(.spz / .ply),浏览器、手机、头显都能自由漫游,无时间限制只能换视角,不能量尺寸
Atlas(World Labs)2026-09-01部分:相机路径驱动,1 分钟 1440p;1–100+ 张图稀疏重建输出点云 / 3DGS,可二次处理
Cosmos 3(NVIDIA)2026-06-01面向机器人仿真的物理 AI 基础模型,权重开放不适用消费级"走进去"
关键出处:DeepMind Genie 4 官方博客 deepmind.google/blog/genie-4-a-new-generation-of-world-simulation|World Labs worldlabs.ai/blog/atlas
别把"能看"当"能交付":Marble / Atlas 能走进去,但输出是不可编辑、不可量尺寸的 splat。 要交给工程、要对齐尺寸、要能改一根柱子的直径——这条路上它们帮不上,还是得参数化建模。

三、3D 高斯泼溅(3DGS):静态已经成熟,网页能跑

网页可用已成事实

World Labs 开源的 Spark 把 3DGS 直接塞进 Three.js,桌面 / 手机 / VR 头显都能跑—— 这正是 Marble 的世界能在头显里漫游的原因。3DGS 是 WebXR 拿到"真实场景"最快的路。

工具链分四段

采集(Polycam / Scaniverse / KIRI)→ 训练(PostShot / LichtFeld Studio / Brush)→ 编辑(SuperSplat)→ 发布(Splat Labs)。 课堂上按这四段讲,学生就知道自己卡在哪一段。

动态还在会议里

AAAI 2026 有 4D 高斯、CGF 2026 的 SD-4DGS 用单目视频做动态重建。 方向是从"扫一个静态房间"走向"拍段视频就重建运动",但实时大场景仍不成熟。

四、Agent 与 DCC 软件的连接:MCP 已从玩具变基础设施

事件时间意义
BlenderMCP(社区)2025 起第一批"让 LLM 有手"的样板:Agent 调工具 → Blender 内 addon 执行 bpy → 场景真的变。本课自研服务器的参照系
Claude for CAD · MCP Connectors(Anthropic × Autodesk / Blender / Adobe)2026-04-29官方把 Blender 接进 MCP:连接器通过 Python API 往 Blender 加工具,能分析整个场景、批量改对象。Anthropic 同时成为 Blender Development Fund patron
Python 包生态2026mcp-for-blender、dcc-mcp-maya、dcc-mcp-core 把"连接 / 工具注册 / 会话"抽成通用层
这条对我们最重要:MCP 服务器不必从零写了,但"工具契约怎么设计"仍然是人的工作—— 工具叫什么、参数是米还是厘米、返回什么才算可验收。这正是本课练习在练的东西。

五、硬件:一体机进入"稳存量"期

厂商2026 年的状态对课程的影响
MetaConnect 2026(9/23–24)没有发 Quest 4,现役仍是 Quest 3 / 3S;新品类 Meta VR Glasses(约 100 g 眼镜 + 计算 puck,5K micro-OLED,$1,299.99)2027 年春上市Quest 3 仍是主流教学机
PICOProject Swan → 定名 PICO Space Pro(双 4K micro-OLED、约 40 PPD、PICO OS 6),目标 2026 年底上市。PICO 5 早在 2023 年就取消了OS 6 只跑新硬件,我们的 Neo 3(OS 5.9.5)不会被升级,课程仍按 OS 5 + 浏览器验证
Apple分析师(郭明錤 2026-06 / Gurman)判断 Vision Pro 线"冰封":Vision Air 已砍、Vision Pro 2 移出路线图,2026 年仅升级 M5。注意:这是分析师报告,不是苹果官方公告不影响本课;但别把课程押在单一高端硬件上
智能眼镜Meta Ray-Ban Display 2026-10 进欧洲(€899),配 Neural Band 手势;Ray-Ban Meta Gen 3 支持 3K 视频与空间音频眼镜是"轻 VR",不替代头显做沉浸式建模

六、视频生成:给的是"素材",不是"空间"

  • Sora 停服(2026-03-25 宣布):网页 / App 2026-04-26 停,API 2026-09-24 停。教训:把管线押在单一闭源模型上有断供风险,课堂素材必须本地留档。
  • Veo 3.1(2026-04,Vertex AI 上线 Lite 与超分):擅长镜头语言,输出仍是 2D 单目,不产生 VR 需要的双目视差。
  • Kling 3.0(2026-02-05):最长 15 秒连续生成、统一多模态输入,适合分镜预演,同样不是空间视频。
  • 真 6DoF 走的是另一条链:全景 / 多视角采集 → 重建(3DGS / NeRF)→ WebXR 或引擎渲染。不是视频模型直接吐出来的。

七、对本课程的三条启示

① 今天就能用

生成式做"像",MCP 做"准"。把文生 3D 放在"素材 / 初审"位置,交付仍走 MCP 参数化。 硬步骤是减面 + 重拓扑 + 贴图降到 1–2K——不是可选项。

② 还只是 PPT

Genie 4 只有约 2 分钟一致性且是研究预览;Marble / Atlas 能走进去但不可编辑不可量;Apple 头显线被分析师判定"冰封"、PICO OS 6 只跑未上市硬件。课程交付不要押这三样。

③ 教"可验证的链路"

工具会一直换(Claude for CAD 已经把 Blender 官方化了)。学生可迁移的只有四件事:定接口契约、量包围盒、留证据、划权限边界。

八、课堂上可以直接点开的三个素材

素材看点类型
Marble 交互世界真的点进去走一圈(含头显),比放视频更有冲击力;用来对比"生成式场景 vs 参数化校园"可交互网页
Tripo / 混元 3D 网页版用"中式校门门柱"跑一遍文生 3D,与 MCP 参数建模做同题对比网页工具
Genie 4 / Marble 官方演示视频各剪 60–90 秒:Genie 4 看"实时改世界 + 2 分钟漂移",Marble 看"一张图 → 走进去"官方视频
课前务必自己点一遍:这一节里的外部链接都是 2026-11-10 的状态,产品会下线(Sora 就是例子)。 如果某条打不开,按"查不到"处理,不要用二手说法替代。

九、一页速览(可直接当课件首页)

领域2026 年最强状态一条判断
文生 3D200 万面 + 8K PBR + 四边面可选面数不再是瓶颈,减面才是
世界模型Genie 4 能实时玩 2 分钟;Marble / Atlas 能真走进去能看 ≠ 能交付
3DGS静态成熟、动态进会议、网页可跑WebXR 最快的"真实场景"方案
Agent + DCCClaude for CAD 官方接 BlenderMCP 已从玩具变基础设施
硬件Meta 转眼镜、PICO 换平台、Apple 冰封头显一体机进入"稳存量"期
视频生成Veo 3.1 / Kling 3.0,Sora 停服视频给素材,不给空间

十、明确留白(查不到就说查不到)

项状态
Rodin Gen-2.5 发布日查不到:官方 API 文档只标"当前档位",无发布日
Meshy 6 的面数上限 / PBR 分辨率查不到:官方发布说明未给统一数值
Veo 4查不到官方发布;商用主线仍是 Veo 3.1
Meta Quest 4查不到官方发布;Connect 2026 明确未发,2027 仅为分析师预期
Sora 停服后的替代路线查不到:OpenAI 未公布后续视频生成路线
中国 AI 眼镜"2026 占全球 45%"未核到原始机构报告,只见二手报道
这一节的真正教学点不是"AI 多厉害",是"谁来负责核实":上面每一条都能点回来源, 查不到的项被单列出来而不是含糊过去。做研究是这样,做工程也是这样。
导

本课导览

上一轮(第 8 次课 · 10-28)证明「这条链能通」;这一轮要证明「它真能干活」

第 8 次课已经讲过 MCP 的概念,也搭通了一条 Maya 链路——但那条链路是 commandPort 同构的仿真命令层:协议、工具面、调用链都能演示,唯独证明不了「它真能干活」。这一节把同一套架构搬到本机真实安装的 Blender 5.4.0 Alpha 上:bpy 真执行、EEVEE 真渲染、原生 GLB 真导出。上一节证明「这条链能通」,这一节证明「它能干活」。

本课命题:MCP 不是「让 AI 画画」,是让 AI 在别人的软件里按规则动手。
今天的产出是六样东西:① 每组的调用记录 JSON;② 构件 GLB;③ 渲染图 PNG;④ 包围盒数据;⑤ 一句话复盘;⑥ 学生笔记(三个角色 + 一条命令怎么走完)+ 课后思考题。

一、180 分钟怎么分(硬性)

节次时长内容产出
第 1 节45 min教师演示 10′ + 分组 5′ + 各组执行 30′场景里出现各组构件
第 2 节45 min执行 30′ + 合景 10′ + 提交 5′全景图 + 四样提交物
第 3 节45 min讲授 1:三个角色 + 为什么不是「直接生成」 + 一条命令怎么走完学生笔记
第 4 节45 min讲授 2:我的真实过程(决策分析)+ 多 Agent 分工 + 照片重建路线课后思考题
核对行:45 + 45 + 45 + 45 = 180 分钟。
讲授部分全部放在后两节,前两节一节不留——先做后讲是本课程一贯做法(第 8 次课同样如此)。

二、这一节课问五个问题

#问题一句话判据本页在哪
①三个角色分别是谁MCP 不是模型、不是插件,它不产生 3D一、三个角色
②为什么不用文生 3D生成式是抽卡,MCP 是下指令二、为什么不直接生成
③一条命令怎么走到 bpy中间隔着 4 层进程和 1 条线程边界三、一根旗杆 / 四、一条命令
④实战里会翻什么车「超时」和「被拒绝」要分开查;「看不到」不等于「没做出来」五、真实过程
⑤怎么验收数字 + 图像 + 断言,三样缺一不可七、成果与验收

三、本页的素材全部来自这次真实构建

页面里的截图、数字、报错文本都不是示意,是这次构建过程中真实产生的:Blender 界面截图、教图楼渲染、OSM 轮廓叠卫星影像、线上 WebXR 页面截图、湖边的「I❤CWU」标识。凡是查不到确切依据的部分,一律在正文里标注为「示意」或「估算」,不装作是真的——这条规矩在第五章会反复出现。

该成果页是单文件 11.9 MB、零外部请求的 WebXR 页面,首次打开会稍慢;three.js 与模型都已内联,离线可跑。

练

前两节 · 课堂练习(90 分钟):全班用 MCP 共建一个广场

不是纸上谈兵——每组亲手把 tools/call 打到真 Blender 上,交四样东西

任务一句话:10 个组、每组 4 人,用大模型当 Agent、网页控制台当 MCP 客户端, 在同一个 Blender 场景里,各建一个校园构件,最后合成一个「校前广场」。
每组必须交:① 调用记录 JSON ② 构件 GLB ③ 渲染图 PNG ④ 包围盒数据 + ⑤ 一句话复盘。

为什么这么设计(三个理由)

① 零安装

学生不需要装 Blender、不需要装 DSH。打开浏览器访问教师机上的控制台即可。 机房 36 个机位、40 个人,靠「每台装一套环境」是不现实的——这是唯一能落地的形态。

② 全链路真实

学生粘贴的每一条 JSON,都会真的打到 127.0.0.1:7003, 由 Blender 主线程执行 bpy。不是模拟、不是动画,出错就是真的出错。

③ 有交付物

四样东西都能被机器检查:包围盒量得出来、GLB 打得开、调用记录可复核。 「我做了」和「我做完了并且达标」是两件事。

课堂链路:学生这一侧只有两个标签页

角色谁来扮演具体做什么
Agent(决策)任意网页版大模型学生把工具清单粘给它,它输出下一步该调的 tools/call JSON
MCP 客户端(执行)教师机上的网页控制台学生把 JSON 粘进来点执行;控制台负责翻译成命令端口的协议
工具(干活)真 Blender在 127.0.0.1:7003 上收命令、执行 bpy、返回场景数据
为什么让学生自己扮演 MCP 客户端:Agent 只负责「决定调什么」,把决定变成真实调用的是客户端。 手动粘一次 JSON,学生就再也不会把「AI 说了」当成「事情办了」——中间那一步是要有人接住的。

90 分钟怎么走

时间做什么产出
0—10′教师投屏演示一遍完整链路:给大模型 → 拿到 JSON → 粘进控制台 → 场景里出现方块 → 渲染学生看懂「三步」
10—15′分 10 组、发任务卡,确认各组的构件、尺寸与坐标任务卡填好组号
15—60′各组执行:写提示词 → 大模型出 JSON → 控制台执行 → 看返回到达标(允许反复迭代)构件进场景
60—75′合景:教师渲染一张广场全景投屏;各组报包围盒数据,当场对表全景图 + 验收表
75—90′导出四样提交物;抽 3 组讲「Agent 哪里做错了、我怎么改的」提交包 + 复盘
核对行:10 + 5 + 45 + 15 + 15 = 90 分钟。执行段给足 45 分钟——第一次用大模型指挥 3D 软件,一定会卡在参数上,卡住才是教学发生的地方。

10 组的任务分配(同一场景,各占一块地)

教师课前把场景清空,只留地面和 10 个分组标记(G1—G10)。 每组只动自己那块地,最后能拼成一个完整广场。

组构件标称尺寸(米)坐标 X, Y要点
G1旗杆直径 0.22 · 高 18−27, 0细长体,注意别把直径当半径
G2圆花坛直径 4 · 高 0.6−18, 6圆柱 + 内部下凹
G3长椅 ×21.8 × 0.5 × 0.9−9, −6座面 + 靠背,练「组合体」
G4路灯 ×2高 6 · 杆径 0.120, 8细杆 + 灯头,练「两件一组」
G5门柱 ×20.9 × 0.9 × 3.49, −6方柱 + 柱帽
G6树 ×3高 6—818, 6树干 + 树冠,练「循环批量」
G7垃圾桶 ×20.5 × 0.5 × 0.927, 0简单几何,适合上手
G8指示牌0.6 × 0.06 × 2.40, −14薄板,注意厚度方向
G9台阶6 × 1.2 × 0.45−14, 14三级台阶,练「循环 + 位移」
G10水池3 × 2 × 0.514, 14外框 + 水面,练「材质分组」
命名硬规则:所有对象名必须以 gN_ 开头(如 g05_pillar)。 合景时教师靠这个前缀判断「谁建了谁没建」——不加前缀,场景里 260 个对象你根本认不出自己的。

提交物:4 样 + 1 句话

#交什么怎么来为什么收
①调用记录 JSON控制台「导出调用记录」按钮能看出你调了几步、错了几次、错在哪——过程比结果重要
②构件 GLBblender_export_glb证明几何真的产出了,物 1 单位 = 1 米
③渲染图 PNGblender_render_preview证明材质与光照对,肉眼可验
④包围盒数据blender_scene_stats 的 bounds尺寸是量出来的,不是「看着差不多」
⑤一句话复盘手写,≤30 字Agent 错在哪、你改了什么

验收判据(可机器检查,不看情怀)

判据口径不过怎么办
尺寸包围盒与任务卡标称值误差 ≤ ±5 cm回去改参数重跑,不是改任务卡
命名对象名以 gN_ 开头用 blender_exec 改名
体量单组三角面 < 3000减细分;一个构件不该比一栋楼还重
过程调用记录 ≥ 3 步且无 ERR把错的步骤重跑一遍,记录要干净

五个必踩的坑(先知道,少走弯路)

  • 大模型编工具名:它会凭空造出 blender_add_cube。控制台会直接报「未知工具」——这正是要讲的:Agent 会幻觉工具,人的职责是核对契约。
  • 单位混用:Blender 里 1 单位 = 1 米。有人按厘米写 180,做出一根 180 米高的旗杆。用包围盒当场抓。
  • 先导出后上色:export_glb 之后再调 set_color,导出的文件还是旧颜色——状态是有顺序的。
  • 忘加组号前缀:10 个组各建一个「cube」,合景时谁也分不清。
  • 一次给多步:大模型一次返回 3 个 JSON 时,控制台只能执行一个。必须一步一收,把返回结果喂回去再问下一步。

如果设备出问题(兜底,不要现场硬扛)

故障处置
控制台连不上 Blender教师重启命令端口;学生改交「指令单」(手写每步的工具名 + 参数),课后补跑
大模型不可用用控制台自带的工具清单,手写 JSON 调工具——反而更能体会协议长什么样
并发太慢教师限流:每组一次只执行一条;排队时组内先写好下一条 JSON
场景被清空教师提前存好 classroom_stage.blend,重开即可,不用重建
一

三个角色:Blender 会做、MCP 会送、Agent 会想

MCP 不是模型、不是插件、不产生 3D——它只规定「怎么问、怎么答」

这一节先把三个名字钉死。三个角色一旦混在一起,后面所有讨论都会滑向「AI 好厉害」这类空话;而混在一起最典型的症状,就是有人把 MCP 说成「能生成模型的 AI 插件」。

角色是什么关键点
Blender开源三维 DCC 软件它有 Python API(bpy)——这一点决定了它可以被程序指挥。没有可编程接口的软件,Agent 只能「看图说话」
MCP
(Model Context Protocol)
模型与外部工具之间的通信协议(JSON-RPC 2.0)它不是模型、不是插件、不产生 3D。它只规定「怎么问、怎么答」。类比:USB-C 规定了接口形状,但不决定插上去的是硬盘还是显示器
Agent 工具能读写文件、跑命令、调工具的智能体(DeepSeek Harness / Claude Code / Cursor 等)Agent 负责「决定下一步做什么」;MCP 负责「把决定送到工具」;Blender 负责「真的做」

一、Blender:它凭什么能被程序指挥

Blender 是开源三维 DCC 软件。它和别的建模软件最大的区别不是免费,是它有 Python API(bpy)。这一点决定了它可以被程序指挥:Agent 写一段 bpy 片段,bpy.ops.mesh.primitive_cylinder_add(radius=0.22, depth=18) 一执行,场景里就真的多一根柱子。

反过来看:没有可编程接口的软件,Agent 只能「看图说话」——截一张图,猜按钮在哪个位置,点一下,再截一张图看有没有点错。这条路能走,但又慢又不可靠,而且每次都要重新猜。

本机装的是 Blender 5.4.0 Alpha。选它的另一个硬理由是成本:商业授权在机房 40 台上不现实,而它免费、有 Python API、原生支持 GLB 导出。

二、MCP:一个只管「接口形状」的协议

MCP(Model Context Protocol)是模型与外部工具之间的通信协议,底层是 JSON-RPC 2.0。它有三个「不是」必须先背下来:不是模型、不是插件、不产生 3D。

这个类比值得反复用:USB-C 规定了接口形状,但不决定插上去的是硬盘还是显示器。MCP 规定了握手怎么握、工具怎么列、调用怎么发,但不决定工具背后是 Blender、是数据库,还是一台数控机床。所以「MCP 好厉害,能建模」这句话从头就是错的——建模的是 Blender,MCP 只是把「建一根直径 0.22 m 的柱子」这句话完整、无损地送到了 Blender 手上。

三、Agent 工具:负责决定下一步做什么

Agent 工具是能读写文件、跑命令、调工具的智能体。它的价值不在「会写代码」,在会看返回值再决定下一步:调完 blender_scene_stats 发现对象数没变,它就知道上一步没成功,换个参数重来。

三者分工,一句话:Agent 决定做什么;MCP 负责怎么送;Blender 负责真的做。三者里任何一个缺席,这条链就断——而且断在哪一层,现象完全不一样,第四章讲怎么查。

四、MCP 的协议细节(讲清楚,不糊)

协议层面的东西不背下来,就只能停留在「大概是这样」。下面五条是本课要求掌握的:

环节方法 / 机制本课实际发生什么
传输stdio(本课)或 HTTP本课 MCP Server 是一个 Node 进程,stdin / stdout 走 JSON-RPC;stdio 上是换行分隔的 JSON-RPC,每行一条消息
三个核心概念tools(可调用的动作)、resources(可读的资源)、prompts(预设提示)本课只用到 tools;服务端对 resources/list 与 prompts/list 都返回空数组
握手initialize → 协商协议版本 → notifications/initialized本课实测协商出 2024-11-05(服务端支持的版本里有它,客户端要的就是它)
发现tools/list返回每个工具的名字 + JSON Schema 参数,Agent 靠这个知道每个参数该填什么类型
调用tools/call,带 name + arguments返回 content[] 与 isError;失败时 isError 为 true,并给中文可读错误,不静默失败

握手这一步的真实消息长这样(请求是客户端发的,响应是服务端回的):

// 请求
{"jsonrpc":"2.0","id":1,"method":"initialize",
 "params":{"protocolVersion":"2024-11-05","capabilities":{}}}

// 响应(服务端 blender-course-mcp 1.0.0)
{"jsonrpc":"2.0","id":1,"result":{
  "protocolVersion":"2024-11-05",
  "capabilities":{"tools":{"listChanged":false}},
  "serverInfo":{"name":"blender-course-mcp","version":"1.0.0"},
  "instructions":"Blender 课堂演示 MCP 服务器:10 个工具可查询/建模/上色/导出/渲染。"
}}

响应里还有一条 instructions 字段,服务端用它自报情况:后端是真 Blender(命令端口 127.0.0.1:7003,bpy 真实执行);命令端口未启动时 tools/call 会返回中文提示,可调用 blender_autostart 自动拉起。这段话不是给人看的花边——它明确告诉 Agent「出问题该往哪查」,等于把排错手册塞进了握手包里。

调用一次工具的消息更短,只有三个字段有意义:

{"jsonrpc":"2.0","id":7,"method":"tools/call",
 "params":{"name":"blender_set_color",
           "arguments":{"name":"flagpole","color":[0.788,0.035,0.086]}}}
这一条是真踩过的坑:stdout 只能输出协议内容。MCP Server 的 stdout 是协议通道,日志必须走 stderr。有人在 stdout 上打了一行 console.log('server started'),客户端解析协议时直接报「JSON 解析失败」——服务本身没错,是协议被污染了。这类问题最难受的地方是:日志越热心,故障越严重。

五、本课实际用到的 10 个工具(真实存在)

下面这 10 个名字全部是真实的工具名,不是示意。它们按用途可以分三组:查状态、改状态、出文件。

工具名用途关键参数
blender_ping测试与命令端口的连接,返回 pong、Blender 版本、协议、场景对象数与 PID无
blender_autostart若 7003 端口未监听,后台拉起 blender.exe(无头 + 命令端口)并等待就绪可选 blender_exe、timeout_ms(默认 90000)
blender_scene_stats读场景统计:对象数、网格数、顶点数、三角面数、材质数、集合数与世界包围盒(米)无
blender_list_objects列出全部对象(名称、类型、所在集合、位置、顶点数、三角面数、材质)与集合列表无
blender_exec在真实 Blender 主线程执行受限制的 bpy 片段,返回捕获的 stdout 与最后一行的表达式值code;可选 timeout_ms(默认 5000,上限 60000)
blender_set_color按对象名 / 集合名 / 通配符 / all 上色,自动创建并以材质名 bl_color_rrggbb 复用材质name、color([r,g,b],0~1)
blender_clear_scene清空全部对象与孤立数据块(保留渲染 / 世界设置,GUI 里不重置界面)无
blender_export_glb只导出 glTF 2.0 二进制 .glb,返回路径、字节数、magic、glTF 版本与网格统计path;可选 apply_modifiers、use_selection、draco
blender_export_scene一次导出三个文件:glb + obj + blend(copy=True,不改变当前文件)path(基础路径,不带扩展名)
blender_render_preview用 EEVEE 渲染一张 PNG;没有相机或灯光时自动补一个,按包围盒自动构图path;可选 width、height、setup_scene、transparent
注意 blender_clear_scene 是无参数的。一个「清空整个场景」的工具没有任何参数、没有任何确认步骤——这不是设计偷懒,是刻意留给课堂讨论用的:权限边界靠什么保证?答案在第四章第四个工程细节。
二

为什么不是「直接让 AI 生成 3D」

生成式是抽卡,MCP 是下指令——这两件事解决的不是同一个问题

上课前最常被问的一句是:「现在文生 3D 这么强,为什么还要费劲搭 MCP?」这句话值得认真回答,因为答案不是「生成式不行」,而是「它解决的不是这个问题」。

一、四条路径,摆在一起看

路径代表本质可控性尺寸精度可修改
A 生成式文生 3DTripo / Hunyuan3D / Meshy神经网络一次出 mesh低不可控只能重抽
B Agent 写脚本离线跑让 Agent 写 .py,blender -b -P程序化高精确改脚本重跑
C Agent 通过 MCP 实时操作(本课)mcp__blender__*有状态会话高精确改一个参数再调一次
D 人工建模人点鼠标——最高最高慢

二、一句话区分:抽卡 vs 下指令

生成式是抽卡:你给一句描述,它给你一个结果;不满意就再抽一次,抽到什么全靠运气。它没有「把柱高从 18 m 改成 17.4 m」这个动作,只有「重新生成一个差不多的东西」。

MCP 是下指令:你说「建一根半径 0.22 m、高 18 m 的圆柱」,它就建这根;下次要改高度,你说「改成 17.4 m」,它就只改高度,其它什么都不动。

三、MCP 相对生成式的三个独有价值

有状态

场景一直在,能连续做 20 步。第一步建的柱子还在,第三步就能接着给它上色。生成式每次从零开始,上一步的结果留不下来。

可观测

每一步都有返回值(对象数、三角面数、包围盒),能断言、能回归测试。这是「验收」这件事能成立的前提。

可纠正

错一个参数就改一个参数,不用推倒重来。18 m 写成 1.8 m,改一个数就行,前面已经做完的步骤都不用重做。

四、那 B 和 D 为什么不用?

B 路径(让 Agent 写脚本、blender -b -P 离线跑)其实也很好:程序化、精确、改脚本重跑,本质上和 C 一样准。它和 C 的唯一区别是C 有状态会话、B 是一次性跑完。课堂上选 C 而不是 B,理由很实际:C 能录屏、能看见每一步,学生能亲眼看着柱子一根一根长出来;B 跑完只给一个最终结果,中间发生了什么看不到。

D 人工建模可控性最高、精度最高,但它慢——而且慢在「改一遍要重画一遍」。所以 D 不是被淘汰的选项,是精度要求到顶、或审美判断必须由人做时才用的选项。

不要把生成式说成「没用」。它在「快速出概念图」上仍然是最快的手段。本课否定的不是生成式,是「用生成式去交付一个需要精确尺寸的工程件」。搞错这一点,讨论就变成了站队。
三

小例子:一根旗杆(现场跑,8 分钟)

六步走完「建、改、看、出」——这是整节课最短的一次完整闭环

目标:做一根 18 m 高的旗杆,直径 0.22 m,红旗下挂,导出 GLB。整个过程 8 分钟,全部在课堂投影上现场跑。

一、六步调用序列表

步骤工具调用会看到什么教学点
1blender_ping{"pong":true,"blender_version_string":"5.4.0 Alpha","background":false}链路活着;background:false 说明是图形界面实例
2blender_scene_statsobjects=95, triangles=11843, bounds=320×265×32.8 m工具能读到真实场景
3blender_exec 建圆柱 r=0.22 h=18场景里出现柱子Agent 直接写 bpy
4blender_set_color 给柱子上色颜色变了参数化改材质
5blender_render_preview弹出一张 PNG渲染也是工具
6blender_export_glb生成 .glbglTF 是 WebXR 的通用货币

二、前两步的真实返回值(投影上照这段念)

第一步的意义在于确认「对面那个 Blender 是活的,而且是哪个 Blender」:

{"pong":true,"blender_version_string":"5.4.0 Alpha","background":false}

第二步的意义在于确认「它真的能看到场景」,而不是一台空壳子进程:

objects=95, triangles=11843, bounds=320×265×32.8 m
这两个数是课堂现场那一次调用的即时快照,不是最终成果。最终成果的规模在第七章(260 对象 / 109,793 三角面),两者不是同一时刻的场景,不要拿它们互相对数。

三、六步其实只有三种动作

把六个工具按「动了什么」归类,只剩三种:

查状态

blender_ping、blender_scene_stats、blender_list_objects。只读,随便调,不会把场景弄坏。

改状态

blender_exec、blender_set_color、blender_clear_scene。有副作用,顺序错了结果就错。

出文件

blender_render_preview、blender_export_glb、blender_export_scene。只读场景、写文件,但写的是「此刻」的状态。

这个分类解释了两件事:为什么"先导出后上色"这个坑成立(导出的是上色前的状态),以及为什么「改状态」的工具要慎用——blender_clear_scene 一步就能把前面所有工作清掉,而它没有参数、不会二次确认。

四、反例演示:`import os` 被白名单拦截

这一步故意让学生自己写。请一位同学在 blender_exec 的 code 参数里输入 import os,然后执行。投影上会看到:

exec 白名单拦截:出现 内置函数调用

现场一定会有人问:「为什么不让我 import?我就想看看文件。」答案是——给 AI 的权限要有边界。exec 放行的范围是:bpy.ops 的 mesh / object / curve / text / surface / gpencil / transform 模块、bpy.data 常用集合、mathutils、print / len / range 等;屏蔽的是 import、文件读写、脚本执行、渲染 / 导入导出与双下划线反射。换句话说:能让它建模,不让它碰你的硬盘。

这个拦截是静态词法白名单 + 代理对象 + 5 秒执行预算,能挡住课堂上的误操作,但它不是 OS 级沙箱。所以它不能用来跑不可信代码——这句话在第四章第四个工程细节里还会再说一遍,因为它是本课最重要的一条安全结论。
四

一条命令怎么走完

从 Agent 的一个决定,到 bpy 主线程上真正执行,中间隔着四层进程和一条线程边界

这是讲授 1 的技术核心。前面三章讲「是什么」,这一章讲「怎么走」——一条 blender_scene_stats 命令从 Agent 决定调用,到 Blender 里算出结果,中间到底经过了哪些进程、哪几次序列化。

一、链路图

一条 MCP 命令从 Agent 到 bpy 主线程的完整链路 七层链路:Agent(LLM)决定调用工具,交给 MCP Client,经 stdio 换行分隔 JSON-RPC 送到 Node 写的 MCP Server,再由 TCP 127.0.0.1:7003 以 NUL 分隔 JSON 送到跑在 Blender 进程内的命令端口,最后交回 Blender 主线程用 bpy 执行。 Agent(LLM) 决定下一步调哪个工具 MCP Client Agent 工具内置,负责发 JSON-RPC stdio(stdin / stdout) 换行分隔的 JSON-RPC 2.0,一行一条消息 blender_course_mcp_server.js Node 进程,零第三方依赖 TCP 127.0.0.1:7003 NUL 分隔 JSON blender_commandport.py 跑在 Blender 进程内的命令端口 bpy Blender 主线程执行(不是 socket 线程) tools/call(name + arguments) 序列化成一个 JSON 行 逐行读、逐行解析 建立 TCP 连接,发命令 按 NUL 切分,解析成命令 交回主线程,不在工作线程里调 Agent 工具进程 MCP Client 在其内部 传输(stdio) Node 进程 MCP Server 在这里 传输(TCP) Blender 进程 bpy 在这里执行
图 1|一条 blender_scene_stats 命令的完整路径。返回值沿原路径回传,最终进入 tools/call 响应的 content[] 里;失败时 isError 为 true,Agent 拿到的是中文错误而不是崩溃。

看这张图要注意两处分隔符不一样:stdio 那一段是换行分隔(一行一条 JSON-RPC 消息),TCP 那一段是 NUL 分隔(用 \0 断句,与 Maya 的 commandPort 约定一致)。这两处不统一是故意的——它们本来就属于两个不同的协议层。

二、四个必须讲清的工程细节

下面四条全部是真实踩过的,不是「一般要注意」。它们合起来回答一个问题:为什么这条链看起来简单,写起来处处是坑。

细节 1|线程模型:socket 工作线程不能碰 bpy

Blender 的 bpy 不是线程安全的。命令端口的工作线程只负责收发字节,bpy 调用必须全部回主线程:

为什么非要这么绕?因为一旦让工作线程直接调 bpy.ops.*,轻则结果错乱,重则整个 Blender 直接崩掉——而且崩的时候没有任何可读报错,你只能在日志里看到进程没了。这就是为什么「bpy 在主线程执行」这句话要写进链路图的最后一层。

细节 2|协议污染:stdout 只能出 JSON-RPC

MCP Server 走 stdio,stdout 就是协议通道。任何一行非协议内容出现在 stdout 上,客户端解析就会失败。所以所有日志一律走 stderr。

这是本课最典型的「好心办坏事」:加一句 console.log('server started') 方便调试,结果客户端直接报 JSON 解析失败。现象看起来是「MCP 连不上」,真因是协议被自己污染了。调这条链的顺序永远是:先怀疑自己的日志,再怀疑对端。

细节 3|有状态会话:7003 同时只能开一个实例

命令端口是一个常驻的 TCP 服务,127.0.0.1:7003 只有一个。这带来一个课堂上的直接纪律:课堂上演示时,不要再跑会自起无头实例的 e2e 脚本——它会抢端口,或者把正在演示的那个 Blender 顶掉。

「有状态」是 C 路径最大的价值,也是最大的约束:场景一直在,所以能连续迭代、能录屏看过程;但也因为场景一直在,两个会话同时操作同一份状态就会互相打架。

细节 4|安全边界:白名单不是沙箱

blender_exec 的 code 参数可以写任意 Python,这是最危险的一个工具。它的防护是三件事叠加:

防护做法挡什么
静态词法白名单先扫一遍代码文本,只放行白名单内的名字import os、文件读写、脚本执行、双下划线反射
代理对象bpy 与 mathutils 都经过一层代理,只暴露允许的属性和方法绕过白名单去够到危险对象
5 秒执行预算超过预算强制中断死循环、以及写坏循环的课堂误操作
但它不是 OS 级沙箱。这句话必须原样讲给学生:它能挡课堂上的误操作,挡不住真正想搞事的人。所以它不能用来跑不可信代码。真实工程里的做法是把这个服务放在受限账户、受限网络环境里运行,而不是指望白名单。
五

我的真实过程与决策分析

这一章讲的全部是踩过的坑,不是设计出来的经验——讲授 2 最核心的一节

一、起点:为什么从 Maya 换到 Blender

第 8 次课讲 Maya。这台机器上其实没有 Maya,所以那一轮写的是 commandPort 同构的仿真命令层。仿真是有价值的,但它有一个天花板:证明不了「它真能干活」。

对比项MayaBlender
本机是否有没有5.4.0 Alpha 已装
上一轮怎么讲写了 commandPort 同构的仿真命令层——
仿真能讲什么架构可以仿真(协议、工具面、调用链)——
仿真不能讲什么证明不了「它真能干活」真实 bpy 执行 + 真实渲染
成本商业授权(机房 40 台不现实)免费、Python API、原生 GLB 导出
决策结论:Maya 那节证明「这条链能通」;Blender 这节证明「它能干活」。两句话不冲突,但分量完全不同——第二句话才经得起「你把它渲染出来我看看」。

二、六个关键决策(按发生顺序)

#决策点选项选择与理由
1DCC 选谁Maya 仿真 / Blender 真机Blender:本机有、免费、可复现
2MCP 服务器怎么写用现成 BlenderMCP / 自己写自己写:零依赖、工具面可控、能配合课堂演示
3模型怎么连每次调用起一个新 Blender / 常驻命令端口常驻命令端口:有状态会话,能连续迭代、能录屏看过程
4建筑怎么建手工点 / 程序化 bpy程序化:可复现、可参数化、可断言
5数据从哪来凭感觉摆 / 查真实资料查:OSM 实测轮廓 + 卫星影像量测
6拿不到的数据怎么办编一个 / 标注示意显式标注为示意,写进文档与页面 HUD

这六个决策里,第 6 个最难做到。前五个都是「选对就行」,第 6 个是持续的自律:每写一个数字,都要问一句「这个数我是查到的,还是编的?」

三、三次真实的「翻车—修正」(课堂必讲)

翻车 1|第一版被指出「不够真实」

关于那个八角形,要说清楚证据的边界:它只有 OSM 轮廓 + 卫星影像两样支持,没有照片佐证。所以页面上写的是「依据 OSM 轮廓与卫星影像判断」,不是「已由照片证实」。这两句话差别很大——前者可复核,后者是吹牛。
OSM 实测建筑轮廓叠加在卫星影像上
OSM 轮廓叠卫星影像:轮廓是查来的,底图是卫星影像;两者对上,才能说明「几何是真的」。这一张是翻车 1 的修正证据,也是全课最重要的一张图——它把「像」和「准」分开了。

翻车 2|Overpass 全部「超时」

翻车 3|工程文件打开「什么都没有」

Blender 图形界面里的校园场景,全校俯瞰视角
Blender 图形界面 · 全校俯瞰:这张图是翻车 3 的修正结果——用 frame_view 把视口摆成全校俯瞰后保存进 .blend。它同时证明一件事:这是真的 Blender 界面,不是渲染出来的示意图。左边是场景对象列表,右边是 3D 视口,中间是真实的 bpy 数据。

四、提炼成四句话(板书)

一、能查证的锚点优先(名字 / 校训 / 地址 / 轮廓)。
二、查不到的部分显式标注为示意,不装作是真的。
三、每个「看起来对」的判断都要有可复核的证据(叠图、断言、截图)。
四、AI 不替你做判断,它只加速执行。

第四句是整节课的落点。前面六章讲的都是「怎么让 AI 更快地把事做完」,但这四句话说的是「怎么保证它做的是对的事」。判断和验收是人做的,这句话不能省。

六

多 Agent 怎么分工

不是「人多就快」,是把串行依赖压平

这次构建真的用了多 Agent 并行。但要说清楚一件事:并行的收益不来自「人多」,来自「把本来必须一件一件做的事拆成能同时做的几件」。如果拆错了,并行等于返工——而且返工的成本比串行做完还高。

一、真实的分工表

角色负责写作用域
Lead(主控)定接口契约、数据加工、模型主体、最终验收建模脚本、数据
MCP 链路工程师命令端口 + MCP Server + 注册脚本 + e2emcp\、blender\engine\
WebXR 前端单文件页面 + 断言脚本webxr\
资料考据员真实建筑特征查证 + 参考图_research\ref_parts\

看这张表要注意:「负责」那一列描述的是产出,「写作用域」那一列描述的是边界。真正起作用的其实是第二列——第一列写得再清楚,如果两个 Agent 都能改同一个文件,迟早互相覆盖。

二、三条协作纪律

纪律 1
写作用域不重叠
文件边界先划好,否则互相覆盖。上表里每一行的最后那列,就是这个 Agent 可以写的地方;不在里面的地方,一行都不动。
纪律 2
依赖排序
模型 → GLB → 页面,这一串是串行的,用任务依赖表达。前后的顺序不能靠口头约定,要写成「A 完成才能开始 B」。
纪律 3
接口先定死
对象命名、坐标约定、单位,这三样开工前就要定死,否则并行等于返工。这次定的是:1 单位 = 1 m,Blender Z-up → glTF Y-up。
三条纪律里,第三条最容易漏。命名、坐标、单位看起来都是「小事」,但它们一旦不一致,前端拿到模型要重新对一遍坐标,模型端要改名再导一次——所有并行的收益会被一次返工吃光。
七

成果与验收(真实数据)

数字全部是工具返回值,不是目测——这一章同时是学生作业的验收口径

一、成果数据

指标值
Blender 场景260 对象 / 109,793 三角面 / 66 材质 / 20 贴图
坐标约定1 单位 = 1 m;Blender Z-up → glTF Y-up
GLB8.36 MB
单文件 WebXR 页11.9 MB,零外部请求
页面验证12/12 信息点命中、0 console error、DrawCall 380 / 三角面 110,657
数据真实性校区 77,260 m²(OSM 实测)/ 9 栋建筑真实轮廓;楼高为估算

这些数没有一个是量出来写进去的,全部是 blender_scene_stats 和页面断言脚本的返回值。注意最后一行特意写了「楼高为估算」——能查到的写实、查不到的写清楚是估算,这就是第五章第 6 个决策的执行结果。

二、验收三件套(学生也要照这个验)

1 · 数字

scene_stats 的对象数 / 三角面数 / 包围盒。这是唯一能拿来和标称尺寸对账的东西。

2 · 图像

render_preview 或界面截图。图不能证明尺寸对,但它能证明东西真的长出来了。

3 · 断言

脚本自动检查,例如「包围盒必须落在 ±5 cm」。断言把「我觉得差不多」变成「过或不过」。

三件套缺一不可:只有数字,可能是伪造的;只有图,尺寸对不对说不清;只有断言,不知道断言是不是写松了。三样一起交,才是可复核的验收。

三、成果图

教图楼渲染图
教图楼渲染:这一张是用来讲「照照片改」的——建完看一眼渲染,和真实建筑对照,哪里不像就回去改参数。渲染不是终点,是比对工具。
线上 WebXR 页面截图
线上 WebXR 页面:GLB 导出之后进单文件页面,能在浏览器里直接走。单文件 11.9 MB、零外部请求,链路最后一步的产出就在这张图里。

从「命令行里跑 blender_scene_stats」到「浏览器里看到一个能走进去的校园」,中间隔着的就是这一节的全部内容:260 个对象、109,793 个三角面、8.36 MB 的 GLB、11.9 MB 的单文件页面。这条链上一环断了,最后那张图就不存在。

影

建造过程:两段视频

模型不是「生成」出来的,是 260 个构件按建模脚本一个个摆出来的

下面两段都是 Blender EEVEE 离线渲染的帧序列,不是录屏、不是后期合成:脚本把相机挂在一个空物体上转一圈, 或者把每个构件按体量从大到小依次「长出来」,逐帧渲染 288 张 PNG,再用 ffmpeg 合成 12 秒的 MP4。

360° 环绕:相机绕场景一圈(288 帧 / 24 fps / 12 秒)。 看清主教学楼的八角放射形、体育场、湖面与 9 栋楼的相对位置——这些都来自 OSM 实测轮廓。
建造生长:260 个构件从大到小依次出现——先是地面与场地,再是主体建筑, 最后是树木、标识、旗杆。这就是建模脚本的执行顺序。
参数值说明
分辨率 / 帧率1280 × 720 · 24 fps投影够用,压完 12 秒 3.7 MB
帧数288 帧环绕视频导演机转 360°,生长视频 260 个对象错开出现
渲染引擎EEVEE采样 16;本机 5.4.0 Alpha 只有 EEVEE,没有 Cycles
渲染耗时约 56 秒/段288 帧合计,不是实拍
旋转实现驱动器表达式Blender 5.4 的 Action API 改为分层槽位,action.fcurves 已不存在,故用 driver 做匀速旋转
这两段视频能说明什么:它把「260 个对象 / 109,793 个三角面」这个抽象数字变成了可看的东西。 但要注意——视频只能证明模型存在,证明不了尺寸对;尺寸要靠 scene_stats 的包围盒。
八

未来:用真实照片重建中华女子学院

按投入从低到高分三档,每档都要回答同一个问题:尺寸从哪来

现在的校园是按 OSM 轮廓 + 卫星影像 + 估算楼高做的。要再往上走一步,就得让照片参与进来说话。但照片不是万能的,三档路线的差别,本质上就是「你愿意为尺寸精度付出多少采集成本」。

档 1|照片对标(1—2 天,成本最低)

采集:拍正交立面照——正对建筑、尽量无透视变形;或者直接用现有官网照片。
基准:选一条已知长度做基准,三选一:门宽 2.4 m / 层高 3.3 m / 台阶宽 1.5 m。
参数化:算像素比 → 把关键尺寸填进参数表 → 改脚本参数 → 重新渲染。
比对:渲染图与原照并排比对,不像就回去调参数。

这一档的核心是像素比:图上量出「门高 120 像素」,而门真高 2.4 m,那么 1 像素 = 0.02 m,其它尺寸按这个比例换算。没有基准,照片上的任何长度都只是像素。

档 2|照片测量 + 参数化重建(3—5 天)

采集:拍摄时放标尺或已知参照物——人、一张 A4 纸、砖缝,都行。
基准:单视图用消失点求透视校正,反推高度与进深。
参数化:每栋楼做成一张参数表:层数、开间数、进深、窗高窗宽、檐口挑出。
比对:脚本批量生成 → 渲染 → 与照片逐栋比对 → 迭代。

从档 1 到档 2 的变化是从「一条基准」到「一张参数表」:档 1 只能定一两个尺寸,档 2 能把整栋楼的规律写下来,所以能批量。

档 3|摄影测量 / SfM(1—2 周,精度最高)

采集:绕建筑拍 50—200 张,相邻照片重叠 60% 以上。
重建:Meshroom / COLMAP / RealityCapture → 稠密点云 → 网格。
后处理:减面(≤10 万面)→ 烘焙贴图(2K)→ 进 Blender 清理破面。
交付:导出 GLB → WebXR → 头显验收。
补充采集手段:手机 LiDAR、无人机航拍、全景相机。

档 3 是唯一能拿到「表面纹理 + 真实凹凸」的路线,代价是采集工作量大、后处理链条长。它和档 1、档 2 不是替代关系,是精度的三个档位。

湖边 I❤CWU 标识
湖 I❤CWU 标识:这类构件最适合当档 1 的练手对象——尺度小、正面对着好拍、旁边就有台阶和栏杆可以当已知基准。真想练「像素比换算」,从它开始比从主楼开始容易得多。

边界(必须讲)

  • 单张照片只能定比例,不能定深度。被遮挡的部分必须补拍,否则只能标「推断」。
  • 照片有透视畸变,正对拍摄或用长焦能减轻。
  • AI 多视图重建(Hunyuan3D 等)可以做辅助初稿,但结构与尺寸仍需人工校正。
第一句话是这三档路线的总边界:单张照片只能定比例,不能定深度。所以档 1 的天花板很低——它能让你「看起来像」,但撑不起「量出来准」。想要准,往档 2、档 3 走;不想付采集成本,就得接受「示意」这两个字。
附

附录:交互实现与可访问性(原第 9 次课内容,已并入本页)

模型做出来 ≠ 能用;这一节回答「戴上头显之后,好不好用」

本课主线是把模型做出来(Agent → MCP → Blender → GLB → WebXR)。模型进头显之后还有另一半问题:它好不好用。这部分原来单独占一次课,现并入本页作为附录,六个要点如下。

#要点判据(可直接验收)
①抓得住吗:attach 的触发距离距离阈值 0.45 m;太远抓不到、太近会误抓
②放得对吗:松手那刻凭什么算「放对了」释放判定 1.6 m + 吸附槽,不是随便一丢就算
③点得到吗:UV 命中 3D 密码键盘射线命中 UV 坐标 → 映射到键盘按键
④顺序对不对:S.step 状态机顺序错要报错,但失败有代价、不惩罚:能重来,不锁死
⑤谁都点得到:人因与可访问性三件套Shift+P 坐姿(界面下沉 0.45 m)· Shift+H 惯用手与单手 · Shift+G 注视停留 1.2 秒
⑥退得出吗:三条退出路 + M3 硬门槛路子不通、或退不出去,不算完成
为什么是并入而不是删掉:模型与交互是同一条交付链的两段——本课解决「模型从哪来」(Agent + MCP + Blender),附录解决「模型进头显之后好不好用」(抓取 / 放置 / 命中 / 顺序 / 可访问性 / 退出)。两段都过,作品才算完成。
输入通道的现实边界:面板类交互可以做到免手柄(注视停留即可),但抓取、点星等场景实体仍然需要手柄。这条边界会在第 10 次课的验收里再考一次。
作

作业与评价

本次课作业(不计入课堂作业编号):用今天这套链路做一个校园构件,交四样东西

项内容
本次课作业用 Agent + MCP 做一个校园构件(岗亭 / 门柱 / 花坛 / 路灯任选),交:调用记录截图 + scene_stats 数据 + GLB + 一张渲染图
达标线包围盒与标称尺寸误差 ≤ ±5 cm;控制台 0 报错;GLB 能被 three.js 加载
加分用照片做尺寸基准(档 1 做法)并写出像素比换算过程
提交下次课(11-18)前,微信发给教师

一、四样提交物,各自证明什么

提交物证明什么常见问题
调用记录截图这东西是Agent 通过 MCP 做的,不是手工点的只截最终结果,不截调用过程——那就证明不了链路
scene_stats 数据尺寸真的是那个数(对象数、三角面数、包围盒)只截图不抄数字,或者抄了但不写标称值,无法对账
GLB 文件产物能被别的软件消费导出了但没验证能不能加载
一张渲染图东西真的长出来了、能被看见渲染时相机没对上,图里只有半面墙
这四样就是第七章「验收三件套」的学生版:截图 + 数字 + 断言,再加一个可交付的文件。作业评分不看「好不好看」,看这四样能不能互相印证。

二、达标线三条,一条都不能少

达标 1
误差 ≤ ±5 cm
包围盒与标称尺寸的误差不超过 ±5 cm。课堂练习里的构件验收就是这个口径(比如水池标称 3 × 2 × 0.5 m,误差不得超过 5 cm)。
达标 2
控制台 0 报错
页面或控制台一条报错都不能有。有红色报错就是没达标,不管模型多好看。
达标 3
GLB 能被 three.js 加载
GLB 必须真的能被 three.js 加载进来。导出了但打不开,等于没导出。

三、加分项:把照片变成尺寸基准

加分项只有一条,就是第八章的档 1 做法:用照片做尺寸基准,并写出像素比换算过程。

具体要交的是换算本身,不是「我用了照片」。格式大致是:「照片上某构件量得 N 像素,实际已知长度 L 米,故 1 像素 = L / N 米;另一构件量得 M 像素,换算得 M × (L / N) 米,与我建模时设的 X 米相差多少」。有这一步,才说明你的尺寸是推出来的,不是试出来的。

加分项不接受「我参考了照片」这种说法。基准必须是已知长度(门宽 2.4 m / 层高 3.3 m / 台阶宽 1.5 m 三选一),换算必须写出来,结论必须能复核。

四、评分口径

档位判定
达标四样提交物齐全,三条达标线全过
不达标四样缺任意一样,或三条达标线任意一条不过
加分在达标基础上,额外交了可复核的像素比换算过程

这个口径刻意写得硬:「四样齐全 + 三条全过」才算达标,没有「做得挺认真但差一点」的中间档。原因是工程件的验收本来就是二值的——尺寸超了 6 cm 就是超了,不能靠态度补。

预

下次课

2026-11-18 · 第 10 次课 · 本次课作业的截止点

下一次课在 2026-11-18,是第 10 次课。这一节没有缓冲:上课一上来就是本次课作业的验收,所以作业必须在 11-18 之前交掉,不能指望上课再补。

一、11-18 之前要完成的事

#要完成的事怎么算完成
1选一个校园构件做完(岗亭 / 门柱 / 花坛 / 路灯任选)四样提交物齐全:调用记录截图 + scene_stats 数据 + GLB + 一张渲染图
2自查尺寸误差包围盒与标称尺寸误差 ≤ ±5 cm
3自查控制台与加载控制台 0 报错;GLB 能被 three.js 加载
4(加分)写像素比换算用照片做尺寸基准,并写出完整的换算过程

二、今天没跑通的同学

今天没跑通不奇怪——这条链上有四个不同的失败位置(Agent 侧、MCP Server 侧、命令端口侧、Blender 侧),第一次做必然会在某处卡住。回去补的时候按这个顺序查,别乱试:

  1. 先看 blender_ping 通不通。不通,是命令端口没起,问题在最后一层。
  2. 再看 tools/list 有没有出 10 个工具。出不来,问题在 MCP Server 这一层。
  3. 最后看单步参数的报错文本。走到这一步还失败,多半是参数类型错了(比如颜色填了十六进制)。
这套排查顺序就是第四章那张链路图从右往左读一遍:越靠后越先查。因为越靠后的层,失败现象越像「整个链路都不通」,越容易被误判成最前面那一层的问题。

三、带着这四个问题来

下次课的具体内容以教师当堂通知为准;本页只写已经确定的时间点与提交要求。