1. 项目概述为什么我用 AI IDE 加建模软件来搭数字孪生我一直想搞清楚一件事做 3D 智慧仓储数字孪生最卡人的到底是哪一环建模前端数据打通实际动起手来才发现真正吃掉大量时间的是资产生产——仓库里几十排货架、上百个料箱、成堆的AGV小车每一个模型都得手动建建完还得手动对齐坐标更别提贴图和材质调整。等你把这些枯燥的体力活干完热情已经消耗掉一半了。最近我把工作流整个换了一遍用Antigravity作为 AI 编程与 Agent 执行环境再给它接上Blender MCP让 AI 直接驱动 Blender 进行程序化建模和场景组织最后导出的 JSON 资产给前端做数字孪生渲染。这套组合让我从“手动建一天模型”变成“AI 十分钟搭好一个仓库底稿我再花半小时精修”厉害的地方在于不是让 AI 凭空画一张图而是让 AI 真正“操作”建模软件落地的模型是可以继续编辑的不是一张骗人眼的渲染图。这一篇先聚焦最关键的前半段环境搭建、MCP 连接原理、AI 自动建模的组织方式以及把 Blender 里的仓储场景导出为前端可用 JSON 的完整流程。如果你正准备做智慧园区、智慧仓储或者工厂车间的 3D 可视化项目这套流程可以直接抄作业就算你只是好奇“AI 到底能不能替我干活”看完你也会对 MCP 这条技术路线有个非常具体的感知。在往下走之前先把三个名词的关系理清楚。数字孪生是目标——在数字世界里建立物理空间的映射Blender 是资产生产工具——一切 3D 模型和场景都由它产出Antigravity 是执行大脑——它把我们用自然语言描述的需求通过 MCP 协议翻译成 Blender 能执行的指令。三者缺一不可但真正让这套体系跑通的关键是这个很多人还比较陌生的 MCP。2. 方案拆解Antigravity 与 Blender MCP 为什么能搭档2.1 MCP 到底是什么它解决了什么痛点MCPModel Context Protocol模型上下文协议用大白话讲就是给 AI 装上了“手”。以前的 AI 只能跟你聊天你让它“把那个箱子往右移两米”它只能回复“你可以在 Blender 里按 G 键再输入坐标”——它知道答案但动不了手。MCP 协议出现以后AI 可以调用一个外部工具列表里注册过的函数比如“移动物体”“创建立方体”“修改材质”然后真正去执行。这个思路很像浏览器里的插件系统。浏览器本身不做外卖、不做翻译、不做广告拦截但通过扩展协议第三方开发者可以把任何能力挂载进来。MCP 就是 AI 时代的“浏览器扩展标准”而 Blender MCP 就是专门为 Blender 写的一个扩展——它在本地起一个服务收到 AI 传来的指令后调用 Blender 的 Python API 去操作场景里的物体。所以说到底MCP 解决的是信息世界与物理工具之间的断层问题。对数字孪生这类需要大量重复建模操作的场景这个能力简直是为我们量身定做的。2.2 Antigravity 在这场协作里扮演什么角色Antigravity 在方案里不只是一款 AI 编程 IDE它更重要的是一个Agent 执行环境。普通 AI 编程工具是你问一句它答一句代码得你亲自复制粘贴。Antigravity 的任务执行方式是你给它一个总目标它可以自己拆解成若干子任务逐个调用可用的 MCP 工具去完成然后给你返回结果。我这次不需要手写任何 Blender 插件代码只在 Antigravity 里用自然语言描述了“我需要一个 50 米乘 30 米的仓库有 6 排货架每排放 4 组货架间留 3 米通道”它就把这一长串描述拆成了几十个建模指令全部走 MCP 发给 Blender。这种感觉就像带了一个完全听得懂 Blender 术语的建模助理你负责讲需求它负责上手比划。可能有人会问那我直接在 Blender 里用插件跑 Python 脚本不也行吗行但差别在于脚本是一次性的、写死的换个仓库布局你就得改代码。而 Antigravity 作为大脑可以理解上下文你说“通道再宽一点”它知道要调整哪些物体的坐标你说“换成蓝色料箱”它知道要改材质类型还是改颜色属性。这种动态应对能力才是 Agent 参与建模的真正价值。2.3 数字孪生需要一个能出“真模型”的生产链路做数字孪生和做游戏场景有个最大区别游戏场景追求好看数字孪生追求对应关系——模型里的一个箱子、一排货架必须能对应到物理世界的某个设备、某个库位。这要求模型不仅看着像它的坐标、尺寸、分组、命名都要规整统一否则后面接数据的时候全乱套。Blender MCP 让我比较满意的一点是它操作模型时保留了对物体参数的完全控制。AI 建的每个物体都有明确的名称、坐标、尺寸和父子关系而且导出为 JSON 时这些信息会完整保留。这样一来我在前端 Three.js 里就能把仓库里的每个模型对象跟后端返回的设备 ID 做绑定实现“点击模型查库存”“设备状态变色”这类典型数字孪生交互。如果只是 AI 生成一张图片或者一个不可拆分的整体模型这条路根本走不通。3. 实操前的准备Antigravity 环境初始化3.1 创建项目并进入 Agent 工作区拿到 Antigravity 之后第一件事是创建一个专门跑这个项目的工作区。我习惯把不同类型的任务分开避免 MCP 配置互相干扰。新建项目时选择应用类型为 Python 空项目即可因为我们主要靠它做 Agent 调度不依赖特定的 Web 框架后续如果要给数字孪生写前端服务再把静态资源文件夹挂进去就行。创建好项目后重点看两处一是右侧的 Agent 面板二是下方或侧边的 MCP 配置入口。不同版本的 Antigravity 界面布局可能有差异但逻辑都一样——MCP 连接的配置作为 Agent 能力的一部分归在设置里的“连接”或“工具”分类下。找到它我们就可以开始接 Blender 那边了。3.2 安装适合 MCP 的 Blender 版本Blender MCP 对 Blender 版本有要求实践下来我建议直接用Blender 4.0 以上版本。原因有两点新版 Python API 更稳定对 MCP 服务端的 socket 通信兼容性更好另外新版本的程序化生成节点更多AI 建复杂模型时可用手段更丰富。我测试时用的是 Blender 4.1整个流程跑下来没有遇到版本兼容的坑这一点比早期 2.x、3.x 版本舒服很多。安装 Blender 时没必要纠结中文版还是英文版MCP 走的是底层 API不受界面语言影响。唯一要注意的是千万不要用 Steam 版或被修改过的绿色版从 blender.org 官网下载官方安装包最稳妥因为 MCP 插件要写文件到用户目录某些精简版会缺失目录结构导致插件装上了但服务起不来。3.3 安装 Blender MCP 扩展与依赖Blender 装好后打开偏好设置里的扩展管理入口。Blender 4.x 对扩展的安装方式做了调整可以直接在扩展平台搜索“blender-mcp”安装也可以从 GitHub 仓库下载 zip 包后通过“从磁盘安装”导入。两种方式我都试过从磁盘安装会更稳妥因为你能确定拿到的是最新源码。装完插件后先别急着用C 盘用户目录下的这个插件文件夹需要确认有 config 目录里面放着 MCP 服务器的配置信息。如果第一次打开插件提示缺少目录手动新建一个即可。这里有一个容易踩坑的细节插件启用后要点击一次“开启 MCP 服务”按钮它才会在本地 9876 端口上开始监听。很多人安装完以为就绪了结果 AI 那边连不上查了半天才发现服务根本没启动。4. 核心联动WebSocket 连接与 MCP 工具调用机制4.1 Blender MCP 服务端的工作方式Blender MCP 的服务端本质上是一个运行在 Blender 内部的 Python 守护进程常驻在 9876 端口。当你在 Antigravity 里配置好 MCP 客户端并建立连接后AI 发出的每一条建模请求都会以 JSON-RPC 格式的文本消息发送到这个端口Blender 收到后解析出要调用的函数名和参数直接执行对应操作。这种架构我认为最聪明的一点是AI 并不需要知道 Blender 内部怎么建模它只需要按照 MCP 协议包装好自己的意图剩下的翻译工作全部由插件完成。比如 AI 想说“在新坐标创建一个高 2 米的圆柱”它实际上调用的是 MCP Server 里的一个名为create_object的工具参数表里有物体类型、位置、尺寸这些字段Blender 收到后就照着建。整个过程对 AI 来说完全是黑盒对 Blender 来说接受的又是标准 API 调用两边各干各的活协作却非常顺畅。4.2 在 Antigravity 中注册 MCP ServerAntigravity 里的 MCP 配置入口需要你填写一个名称和地址。名称随意比如我填的就是blender-local地址格式是http://127.0.0.1:9876注意 MCP 支持 stdin、sse、http 三种运输方式这里我们用 http 方式因为 Blender 插件内置了 WebSocket 监听器不需要额外安装 node 服务。配置保存后重点检查连接状态是否为绿色。如果是红色或者提示超时先回 Blender 看一眼插件面板的“服务运行中”指示灯亮没亮以及端口是否正确。这个排查思路要记牢办凡是 MCP 连不上先查插件端再查 Antigravity 的配置地址不要一上来就怪 IDE。我调试时遇到过一个问题——电脑上装了多个 Blender 版本插件只在一个版本里启用了而 Antigravity 连的又是另一个没启用插件的版本目录自然怎么都连不上。4.3 让 Agent 自动发现工具列表连接建立成功之后Antigravity 的 Agent 面板里会多出一组“可用工具”列表这里能看到 Blender MCP 注册的各种操作命令包括创建物体、设置物体属性、添加材质、导出 JSON 等。这一步非常关键因为 Agent 在执行任务时需要“知道”它能调用什么工具列表就是它的能力边界。我想特别提醒首次建连后最好手动刷新一次工具列表以防止 IDE 缓存了旧的注册信息。尤其是 Blender MCP 插件升级过版本之后新增的工具如果没刷新Agent 就不会主动去用。刷新方法通常在 MCP 配置列表里有“重新获取工具”按钮点一下就重新拉取了。5. 实操重头戏用 AI 从零搭建智慧仓储场景5.1 明确场景需求组织提示词场景准备阶段看似简单实际上直接决定了最后的模型质量。我给 AI 的任务描述是这样写的“在 Blender 中创建一个智慧仓储场景。场地尺寸为 48 米乘 30 米地面用一个大平面表示。场地内放置 6 排双面货架每排货架有 5 组立柱结构每组货架宽 1.2 米、高 3 米、纵深 0.8 米。货架之间留出 2.5 米的通道。货架两列之间放置 4 台 AGV 小车小车尺寸为 1.2 米乘 1 米乘 0.5 米。所有物体按类别命名前缀分别为 Shelf、AGV、Floor。”这样短短一段话就给出了位置信息、尺寸数据和命名规范。AI 拿到后会做两件事第一把任务拆成若干个子操作逐一调配工具第二如果有不确定的地方比如“双面货架是什么意思”它会结合 MCP 工具参数来推断不会转过头来问你。实际上最终生成的效果比我在 3D 建模软件里手动操作还要规整因为 AI 严格按坐标计算来摆放不存在手一抖对不齐的情况。5.2 Agent 自动拆解并驱动建模等 AI 开始运行十几秒后我在 Antigravity 的日志面板里看到一堆工具调用记录先创建了一个大平面作为地面然后循环创建货架的立柱、层板和横梁再创建 AGV 的底座和外壳。每个调用都有参数详情物体类型、坐标、缩放比例一清二楚。这个过程的亮点是循环处理。六排货架看着多AI 其实是用循环方式依次处理的每排货架的相对位置通过偏移量动态计算所以结构高度一致不会出现这一排和那一排交错错位的情况。传统手动建模你至少得建一套组件然后复制改坐标现在这些话全部由机器代劳了。不过也要提醒一下如果场景非常庞大比如仓库里需要摆放近千个小料箱一次让 AI 全部建完响应时间会非常长甚至可能超时。更合理的方式是分批执行先建好货架、AGV 这些大件然后告诉 AI“在货架指定的单元格里每隔 1.5 米批量生成一个箱子共 120 个”。分步执行既能降低出错的概率也方便你在某个环节停下来检查。5.3 用 MCP 修正模型细节AI 生成完初稿后必然有一些要微调的地方。我遇到的两个高频问题正好对应两个常用的 MCP 工具用法。第一个问题是位置微调。AI 对“通道”的理解可能和实际现场需求有偏差。比如我要求货架间 2.5 米通道AI 排出来视觉上有些局促这时我不需要删掉重建直接选中那一排货架的所有子物体通过设置坐标的工具整体平移即可。你在 Antigravity 里输入“把第 2 排货架整体向 X 轴正方向移动 0.5 米包括所有子物体”AI 就会找到对应组并修改坐标不会出现只移动一半的尴尬。第二个问题是材质批量修改。货架是灰色金属质感AGV 是黄色醒目外观料箱是蓝色这些颜色规范最好在建模阶段就给 AI 设定好。如果漏了也没关系后期通过 MCP 的材质设置工具批量选中同前缀物体改颜色效率依旧很高。我自己试过一次给 100 多个料箱换材质也就几条指令的事情。5.4 Blender 里的检查与微调清单AI 操作完成后回到 Blender 窗口检查一下实际效果这一步不能省。我总结了一个检查清单第一所有物体是否在合理坐标范围有没有个别物体跑到地面以下第二命名是否规范是否有 Untitled 之类的默认名残留第三物体是否有父子关系以便后续整体操作第四边线是否出现明显的交叠尤其是货架立柱与层板之间。如果发现问题可以直接在 Blender 里手动修复也可以用自然语言让 Antigravity 处理。两者的区别是手动修复相当于补漏AI 修复则会让 AI 重新梳理整个建模逻辑。所以我一般只在物体级别修正用 AI如果只是微调某个螺丝孔这种级别干脆自己动手选中改一下更快。6. 数字孪生的数据衔接Blender 导出 JSON 与前端准备6.1 为什么不用通用 3D 格式而要用 JSON三维建模软件导出模型最常规的做法是导出 FBX 或 glTF 格式然后在前端用加载器渲染。这个流程对游戏项目没问题但放到数字孪生这种“数据驱动可视化”的场景里并不完全适配。原因很简单数字孪生前端除了要显示模型还必须知道“这个模型代表哪个设备”“这个设备的坐标是什么”“它有几种运行状态”。FBX 和 glTF 虽然是很好的渲染格式但它们不擅长存业务属性。而 Blender MCP 导出的 JSON 把场景里的每个物体字段化名称、类型、坐标、尺寸、父子关系一目了然前端拿到 JSON 后既能用来生成几何体也能直接读取属性做业务绑定。这种格式打通了建模与数据两层非常符合数字孪生的需求。6.2 导出 JSON 的操作方法与格式解读在 Antigravity 中一条简单的指令即可触发导出告诉 AI “清空并导出当前场景为 JSON 文件”。AI 会用 MCP 工具先把场景序列化然后写到指定路径并在日志里返回导出位置。我建议导出前先整理好场景命名和层级结构这样 JSON 可读性会大幅提高。导出后的 JSON 结构大致是根对象里有个objects数组每个元素包含name、type、position和dimensions字段。照着这个结构去写解析逻辑可以做到一行代码都不浪费。不过要留心坐标单位 Blender 与 Three.js 是 1:1 对应的不需要换算省了额外转换的麻烦。6.3 前端 Three.js 的加载与场景还原思路拿到 JSON 文件之后前端还原场景有三种做法。第一种直接用 Three.js 的加载器读取 OBJ/GLTF缺点是丢失属性信息第二种自己写解析函数按 JSON 里的几何参数生成 BufferGeometry灵活性最高第三种是结合两者JSON 只作为数据层几何模型用已有的 glTF 模型通过 JSON 里的坐标信息摆放到对应位置。我推荐第三种。理由很实际如果完全靠代码从零构建模型复杂物体的三角面数量和细节很难达标而直接加载高质量 glTF 模型再按 JSON 摆放既保证了视觉效果又拿到了业务属性。构建智慧仓储数字孪生时你可以准备几个高精度的货架、AGV 模型剩下的排列组合全部交给 JSON 控制前端代码量很小。7. 避坑记录这条路线上最容易翻车的四个问题7.1 Antigravity 端连接超时我最早遇到的就是这个问题MCP 配置保存后状态始终显示红色。排查了三轮才找到原因Blender 启动后插件没自动开启 MCP 服务需要手动点击插件面板上的启动按钮。还有一次是因为安装 Blender MCP 时没装依赖库服务一启动就报错退出连接自然全失败。建议你在 Blender 插件面板里先手动点击启动看到“Listening on port 9876”的日志输出后再去 Antigravity 配置连接成功率高得多。7.2 AI 建模单位与真实尺寸不符AI 对尺寸的理解有时会出现偏差比如“高 3 米的货架”最后建出来只有 3 个 Blender 单位但从视觉效果看又不像 3 米。这其实是单位转换的问题——Blender 默认单位是米如果你希望设成厘米或毫米显示需要在场景属性里改单位系统。更省心的方法是始终以米为基准给 AI 的命令里每一个尺寸都带上米字这样 AI 就不会在单位换算上出错。7.3 物体命名重复导致导出混乱场景一复杂AI 批量创建物体时很可能出现同名问题比如“Shelf.001”和“Shelf.002”看似没问题但当你想把所有货架按前缀分组时某些物体是因为复制操作而自动重命名的前缀规则被意外中断。解决办法很简单再加一轮“清理命名”指令让 AI 按自定义前缀统一重命名所有相关物体。这不仅让 JSON 清晰也为前端绑定业务数据打好了基础。7.4 JSON 导出的坐标偏移有一次导出后在前端加载发现所有物体整体平移了一大截排查到最后才发现是场景原点没有归零。Blender 的场景原点如果被移动过导出的所有坐标都会带上这个偏移量。所以导出前最好把场景原点重置到世界原点或者至少记住当前原点的偏移值在前端加载时统一修正。这类问题不算难但排查起来容易绕弯路。8. 下一步规划与个人经验小结这半套流程跑通之后我自己最有体感的变化是从“熬夜建模”变成了“动嘴指挥”。以前给客户演示一个智慧仓储方案光准备模型就要一两天时间现在这套流程能在两小时内交付一个可继续编辑的仓库底稿而且模型的规整程度比自己手工搭建还要稳定。关于 Antigravity 与 Blender MCP 的组合我觉得核心价值不在于“AI 能画个模型”而在于它把“自然语言需求”到“结构化 3D 资产”之间的转化成本压到了极低。当你需要反复调整方案、不断向客户展示不同布局时这种能力尤其珍贵。下篇我打算继续写数字孪生前端部分如何在 Three.js 里基于导出的 JSON 把场景完整还原并接入真实的仓储业务数据库存、AGV 状态、温湿度传感实现点击交互与状态联动。如果你准备动手做同类项目建议先把本篇的环境和建模流程练熟前端渲染只是水到渠成的事情。最后提醒一句任何工具链都会有版本变化遇到问题先回看插件面板的日志输出绝大多数报错信息早就把答案写在那里了。