当前，我正在致力于开发Unity-MCP项目（Unity模型上下文协议），此项目的开发目的是通过MCP（Model Context Protocol：模型上下文协议）将Unity编辑器和Unity游戏与LLM代理连接起来。在本文中，我将详细介绍它的工作原理、实用性并讨论其后续的发展方向。
Unity本身是一个流行的游戏引擎，用于为许多平台（包括Windows、macOS、iOS、Android、控制台和Web）构建2D、3D、VR和AR应用程序。
什么是MCP（模型上下文协议）
MCP是Anthropic提出的一种开放协议，它规范了人工智能代理（LLM）如何通过“资源”和“工具”与外部工具和系统进行交互的方式。
MCP协议在JSON-RPC2.0上运行，并定义了工具、资源和提示的概念。
MCP使代理能够：
- 读取文件、系统状态信息和元数据
- 调用操作/函数（工具）
- 协商哪些操作可用（能力协商）
因此，我们不需要手动编写代理和Unity之间的集成，而是将Unity嵌入为另一个MCP服务器，并使用一组代理可以理解的工具。
Unity-MCP的实际应用
Unity-MCP不仅仅是一个技术实验，它还能在日常工作中实际应用。以下是一些具体示例：
- 自动化重复性任务。无需点击菜单添加数十个组件，你只需让AI执行“在玩家周围添加10个强度为2的灯光”即可。代理会为你完成这项工作。
- 关卡设计和原型设计。设计师可以用简单的语言描述场景，例如“制作一个有墙壁和发光地板的竞技场”。Unity-MCP会将其转换为实际的Unity对象，从而加快原型设计速度。
- 编程。通过要求AI“编写一个脚本，当角色踩到按钮时，该脚本应该打开一扇门”来开发技术系统。它会为你完成所有工作。
- 视觉效果。需要复杂的视觉效果吗？让AI来解释，甚至可以使用粒子系统或创建新的着色器来实现。
- 调试和测试。需要运行单元测试或收集日志吗？AI也能搞定。它会运行UnityTestRunner，分析结果，甚至提出修复建议。它甚至可以帮你修复问题。
- 资产管理。大型项目可能会变得混乱；借助MCP，AI可以自动重命名、组织甚至生成占位符资产。
- 教育场景。初学者可以将Unity-MCP用作导师：“为该对象添加一个刚体（Rigidbody），并解释每个属性的作用。”AI不仅会执行该操作，还会对其进行解释。
从你的角度来看，这就像与合作者交谈一样——你用自然语言描述你想要的内容，然后Unity就会做到。
为了特别介绍Unity-MCP的用法，我还录制了一段Unity-MCP的演示视频。你可以在YouTube上观看，了解AI是如何与Unity编辑器实时交互的。
网址：https://youtu.be/64GOqboE9ac
网址：https://youtu.be/kQUOCQ-c0-M
Unity-MCP能为你做什么
Unity-MCP可以作为自然语言和UnityAPI之间的桥梁。它的作用远不止在场景中放置对象：
- 它可以创建着色器。例如，“制作一个随时间脉动的发光蓝色材质”将成为应用于对象的实际着色器代码。
- 它可以构建游戏逻辑。例如，“当玩家靠近时打开门”——Unity-MCP会生成脚本并将其附加到游戏中。
- 它可以设计整个场景。例如，假设你输入“一个房间里有一张桌子、一把椅子和一盏灯”，相应的设置就会出现在你的层级结构中。
- 它可以修改和管理资产，因此你的文件夹保持井然有序，无需花费数小时手动重命名。
- 它可以运行和调试测试，为你提供分析和建议，而不仅仅是原始错误日志。
简而言之，着色器、脚本、资产、测试——所有这些都可以通过简单地编写提示来创建或修改。
幕后：Unity-MCP的架构
当我开始构建Unity-MCP时，我的主要目标是让Unity看起来像一个AI可以实际使用的工具集。为了实现这个目标，我将项目分为几个层级：
1. Unity-MCP-Server（ASP.NET核心）
- 使用JSON-RPC 2.0与MCP客户端处理所有通信。
- 通过SignalR与Unity-MCP-Plugin进行通信。
- 公开由AI代理可调用的“工具”、“资源”和“提示”。
- 跨平台运行，可以作为独立二进制文件或在Docker内部运行。
2. Unity-MCP-Plugin
- 通过SignalR连接Unity-MCP-Server的Unity包。
- 将MCP功能镜像到Unity环境。
- 使用反射和属性——任何用[McpPluginTool]装饰的方法都会自动可供AI使用。
[McpPluginTool("my-tool", Title = "It makes my stuff")]
public static void MyTool()
{
//做任何你想做的事情
}MCP客户端（AI代理）
MCP客户端是一个入口点，用户可以在这里与AI对话，AI利用MCP功能来完成工作。
它简直就是一个使用任何LLM的聊天窗口，只需支持MCP协议即可。当前市场上已经存在很多这样的聊天窗口：ClaudeCode、ClaudeDesktop、Codex、Cursor、Copilot、Windfsurf、Cline等等。
示例流程
接下来，我们来看一个具体的应用示例。
你输入一个自然提示：
“Create a red cube with a glowing shader in the center of the scene.”（中文意思：“在场景中心创建一个带有发光着色器的红色立方体。”）AI会根据现有的工具列表解释请求：
- 在适当的位置创建立方体
- 附加上材质（如果不存在；则先创建材质）
AI通过阅读工具列表来了解能力，并使用这些工具来完成任务。
其使用的JSON格式如下所示：
{
"name": "GameObject_Create",
"arguments": {
"name": "GlowingCube",
"position": {
"x": 0.0,
"y": 0.0,
"z": 0.0
},
"primitiveType": "Cube",
}
}Unity-MCP-Server接收请求并将其转发给Unity-MCP-Plugin。然后，Unity-MCP-Plugin调用所需的工具并提供参数。该工具在场景中创建一个原始的3D立方体，应用发光着色器，并确认成功。
最后，将结果通过服务器发回给AI，例如：
{
"result": {
"success": true,
"objectName": "GlowingCube"
}
}从用户的角度来看，这感觉更容易、更自然：你用自然语言描述你想要的东西，然后Unity就会让它实现。
示例：在Unity中定义自定义工具
接下来，再看另一个简单的C#示例，说明Unity-MCP如何向AI代理公开功能。
通过使用[McpPluginTool]属性修饰方法，该方法将自动通过MCP变为可用：
using System.ComponentModel;
using com.IvanMurzak.ReflectorNet.Utils;
using com.IvanMurzak.Unity.MCP.Common;
[McpPluginType]
public class CreateObjectTool
{
[McpPluginTool("create_object", "Creates a new GameObject in the current scene")]
public string CreateGameObject(string name)
{
var go = new GameObject(name);
return $"[Success] GameObject with instanceId={go.GetInstanceID()} created";
}
}通过此设置，AI代理现在可以像任何其他工具一样调用create_object。
例如，JSON请求可能如下所示：
{
"name": "create_object",
"arguments": {
"name": "New GameObject"
}
}Unity-MCP执行该工具，在场景中创建对象，并将结果返回给AI。
系统架构
Unity-MCP实现了三层架构，通过中介服务器组件将AI客户端连接到Unity。
AI客户端（例如Claude、VSCodeMCP和CursorIDE）通过MCP协议（STDIO/HTTP）连接到Unity-MCP服务器。服务器使用SignalR（端口8080）与Unity环境通信。在Unity端，UnityMcpPlugin暴露Unity的API，并通过McpPlugin、RpcRouter和McpRunner把请求路由到可用的工具。简而言之，AI客户端→MCP服务器→Unity插件——这就是将自然语言命令转化为Unity操作的流程。
核心组件和代码映射
系统的核心功能是通过处理协议转换、工具执行和Unity集成的特定类和接口实现的。
MCP协议层通过IMcpServer和传输层（STDIO/HTTP）处理通信。带有SignalR集线器的通信桥通过RpcRouter实现请求的路由转发。工具执行系统（Tool_Execution_System）使用McpRunner、ToolRunnerCollection和@McpPluginTool、@McpPluginToolType等属性管理工具。最后，Unity集成层通过Reflector提供对Unity API的访问，管理主线程并处理日志记录。简而言之，AI请求的流程为：MCP服务器→SignalR桥→工具执行系统→Unity API。
工具系统架构
Unity-MCP通过动态工具系统公开Unity功能，该系统使用反射和属性使Unity API可供AI客户端使用。
工具类和方法使用诸如McpPluginToolType和McpPluginTool之类的属性声明，然后定义诸如测试执行、场景操作、资源管理和C#代码操作之类的类别。每个类别都映射到Unity API——例如，场景工具连接到Unity编辑器API，资源工具使用AssetDatabase，脚本工具与CompilationPipeline集成。反射系统将所有这些联系在一起，使用运行时反射机制、对象引用和JSON转换器，使AI可以访问Unity类型。简而言之，这一层将带注释的C#方法转换为AI代理可以调用的工具，直接映射到Unity的内部API。
通信协议流程
AI客户端向Unity-MCP-Server发送CallTool请求，然后由Unity-MCP-Server跟踪该请求并通过SignalR转发给Unity-MCP-Plugin。插件通过RpcRouter和McpRunner路由调用，并在Unity主线程上执行该调用。Unity返回API结果后，响应将以相同的方式返回——从插件到服务器，最终作为MCP工具结果返回到AI客户端。简而言之，它展示了AI代理的单个指令如何转化为可执行的UnityAPI调用并返回结果。
主要特性和功能
总之，Unity-MCP在幕后整合了许多强大的系统。以下是其中一些亮点：
- 脚本操作：你可以通过Roslyn读取、编写甚至编译C#代码，并直接在Unity中执行。
- 资产管理：AI具有用于创建和修改Unity资产和材质的工具。
- 场景操控：游戏对象、组件、层次结构变化——所有这些都可以自动化。
- 测试集成：AI可以远程运行UnityTestRunner并返回结构化结果。
- 反射系统：使用自定义类型转换器动态访问Unity API的方式使系统非常灵活。
- 多平台支持：MCP服务器跨平台运行，并与现代Unity版本兼容。
总之，这些功能使Unity-MCP不仅仅是一个实验工具，而是一个可以随着你的项目一起成长的完整工具包。
如果你想了解更多关于Unity MCP的信息，那么让我们通过下面一些方式联系吧：
如果你想更深入地学习大模型，以下是一些非常有价值的学习资源，这些资源将帮助你从不同角度学习大模型，提升你的实践能力。
学习资源推荐 如果你想更深入地学习大模型，以下是一些非常有价值的学习资源，这些资源将帮助你从不同角度学习大模型，提升你的实践能力。
一、全套AGI大模型学习路线
AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！
因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取
二、640套AI大模型报告合集
这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示
因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取
四、AI大模型商业化落地方案
作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。
转载自CSDN-专业IT技术社区
原文链接：https://blog.csdn.net/2501_94005722/article/details/154533096
