Antigravity+Blender MCP 构建智慧仓储 3D 数字孪生实战

最近在折腾 3D 智慧仓储数字孪生，选型时直接把目标锁定在“Antigravity + Blender MCP”这套组合上。先说结论：这套方案很适合做数字孪生原型和中小型可视化项目，因为 Antigravity 负责“理解需求、生成代码”，Blender MCP 负责“把 AI 的想法变成真实的 3D 实体”，一个管脑子，一个管手，中间通过 MCP 协议桥接，整条链路跑通之后，你只需要用自然语言描述场景，AI 就能在 Blender 里帮你把货架、AGV、传感器点位全部搭出来。

我写这篇文章是给两类人看的：一类是正在做数字孪生、智慧园区、仓储物流可视化项目的开发者，另一类是已经接触过 Blender 或 AI 编程工具、想尝试把 MCP 接入 3D 工作流的朋友。文章按下、中、上三篇准备，这一篇先把整体思路、环境搭建和第一个可用场景跑通，不让新手一开始就掉进各种插件和协议的坑里。

1. 项目整体定位与思路拆解

1.1 智慧仓储数字孪生到底要解决什么问题

很多人一提数字孪生，第一反应就是“做个好看的 3D 模型”，这是最大的误区。智慧仓储数字孪生的核心不是“看起来像”，而是“动起来一致”。你需要在三维空间里同时还原几何结构、业务逻辑和数据流转三件事：货架长什么样是几何层，AGV 怎么走、货物怎么入库出库是业务层，真实仓库里的库存数据、传感器读数怎么映射到模型上是数据层。

这三层缺一个，项目就只是个“3D 展厅”，而不是“数字孪生体”。在实际做项目的时候，最花时间的往往不是建模，而是把数据接到模型上、把动作逻辑跑通。传统做法是建模工程师先在 Blender 里手动摆场景，导出 glTF/OBJ，再交给前端工程师用 Three.js 或 Unity 做交互和数据绑定，中间还要反复沟通尺寸、坐标、命名规范，一个场景改三五轮很正常。

用 Antigravity + Blender MCP 这套流程，最直接的改变是：场景构建从“手动操作”变成“自然语言驱动”。我可以直接说“在 X=10, Y=5 的位置放一个长 12 米、宽 1 米、高 4 米的货架，颜色用深灰色，复制 8 排，排间距 3 米”，Antigravity 会通过 MCP 调用 Blender 的 Python API 完成这一系列操作，相当于把过去建模师一上午的体力活压缩成几分钟的智能体任务。

1.2 为什么选中 Antigravity 作为“大脑”

Antigravity 这个平台我用过一段时间，它对标的其实是 Claude Code、Cursor 这类 AI Agent 类 IDE，但有一个很关键的区别：Antigravity 不只是帮你补全代码，它是一个可以自主规划、执行、检查结果的智能体运行环境。说白了，它不是一个编辑器，而是一个能自己打开终端跑脚本、看报错、改代码再重跑的“AI 实习生”。

在数字孪生项目里，这种能力太有用了。因为场景构建不是一个“一次性生成 JSON”的问题，而是反复试错的过程：货架尺寸不对、AGV 路径碰撞、光照太暗、导出格式不兼容，这些都是意料之中的问题。用传统方式，你得自己对着报错信息一行一行改；用 Antigravity，我可以直接把报错扔回去，让它自己修。配合 MCP 之后，它还能直接操作 Blender 里的场景，这就把“思路”和“落地”的鸿沟填平了。

我在选型时也对比过直接用 Blender 内置的 Python 控制台，或者自己写插件来和 GPT API 对接。前者完全手动，后者要自己处理 API 调用、上下文管理、错误恢复，工作量不小。Antigravity 的价值在于它把“Agent 运行时”这件事做好了，我可以把精力集中在仓储场景本身。

1.3 项目的三层架构思路

搭建这个项目，我习惯把它分成三层来思考，这样后续扩展和维护都清晰：

• 场景层：Blender 负责承载所有的 3D 实体，包括货架、AGV、托盘、货物、传感器点位、路径线等。这一层的核心是“命名规范”和“坐标规范”，因为后续数据绑定全靠这两个。
• 桥接层：Blender MCP 负责把 Blender 的 Python API 暴露给 AI 智能体。AI 不需要知道 Blender 的面板在哪儿，只需要调用 create_cube、set_material、set_location 这类函数。
• 智能层：Antigravity 负责理解需求、拆解步骤、生成脚本、执行脚本、处理异常。它是整个流程的控制中枢，也是和业务逻辑对接的入口。

这套架构的好处是每一层都可以独立替换。比如场景层你不用 Blender 而是换 Unity，只需要改桥接层；智能层你不用 Antigravity 而是换其他支持 MCP 的客户端，场景层和桥接层都不用动。这种解耦在项目后期非常重要，因为客户很可能突然说“我们用 Three.js 做前端展示”，你不需要推翻重来，只需要把 Blender 里的 JSON 数据结构约定好，前端做一层解析就行。

2. 核心选型解析：Blender MCP 与 MCP 协议的理解

2.1 为什么是 Blender 而不是 Three.js 或 Unity

这个选择我纠结了很久，最后用一张对比表说服了自己。Three.js 是纯代码渲染，适合做最终 Web 展示层，但你在浏览器里修改一个场景结构非常麻烦，调试几何体需要不停刷新页面；Unity 是完整游戏引擎，功能强大，但工程体量大，而且 AI 对 Unity 的 MCP 支持成熟度远不如 Blender；Blender 则刚好卡在中间——它可以做精细建模，支持 Python 脚本全控制，又能导出多种格式给前端，最关键的是它有开箱即用的 MCP 生态。

特别要提的是 Blender 的“Python 全控制”能力。Blender 几乎所有操作都有对应的 bpy API，包括创建物体、修改材质、设置关键帧、切换渲染引擎。这意味着 AI 通过 MCP 拿到的不是一个黑盒，而是完整的操作权限。对于数字孪生这种需要精确控制位置、尺寸、材质的场景，这一点是决定性的。

2.2 MCP 协议到底是怎么工作的

MCP 全称 Model Context Protocol，是 Anthropic 推出的“模型上下文协议”，你可以把它理解成给 AI 插上 USB 口——AI 不需要知道设备内部怎么工作，只需要用标准的方式读写数据就能使用这个设备。在数字孪生场景里，AI 就是“大脑”，Blender 就是“手”，MCP 就是连接两者的神经线。

具体到 Blender MCP，它其实是一个本地服务器，启动后监听一个端口（默认通常是 9876 或者走 stdio），接收 MCP 客户端（也就是 Antigravity）发来的 JSON-RPC 请求，转换成 Blender Python API 调用，再把执行结果返回给客户端。比如你在 Antigravity 里对 AI 说“创建一个长宽高为 2x1x3 的立方体”，AI 会把这个意图翻译成一个 MCP 工具调用，比如：

tool_call: create_cube arguments: { "name": "AGV_01", "location": [10, 5, 0], "scale": [2, 1, 3] }

Blender MCP 服务器收到这个调用后，在 Blender 内部执行bpy.ops.mesh.primitive_cube_add(size=1)，然后设置位置和缩放，最后返回一个“执行成功”的结果。整个过程用户无感，就像 AI 自己长了一双能操作 Blender 的手。

这种机制的意义在于：你不需要为 AI 专门训练一个 Blender 模型，也不需要在代码里写死每一个场景步骤，MCP 让 AI 能够在运行时动态地操作工具。今天你让它建货架，明天让它建传送带，后天让它把 AGV 路径改一下，都不需要改代码，只需要改自然语言指令。

2.3 Antigravity 在 MCP 生态里的位置

Antigravity 是一个支持 MCP 客户端的 Agent 平台，你在它的设置里可以添加多个 MCP Server，启动之后它就能调用这些 Server 暴露的工具。和你在 Chrome DevTools、Playwright、BurpSuite 里配置 MCP 是同一个逻辑：Antigravity 是客户端，Blender MCP 是服务端，方向相反。

我在实际操作中强烈建议：不要把 Antigravity 只当成一个“聊天框”，它真正的价值是任务编排。你可以给它一个完整的 prompt，比如“按照仓储布局 JSON 文件里的配置，在 Blender 中创建所有货架和 AGV，并设置好材质和名称”，它会自动拆解成多个步骤：读取 JSON、循环创建货架、设置材质、创建 AGV、最后返回汇总结果。这种编排能力就是它和普通 ChatGPT 网页版的本质区别。

3. 环境搭建与核心配置实录

3.1 Blender 与 Blender MCP 插件的安装

先说版本，我实测下来 Blender 4.0 和 3.6 LTS 都可以稳定运行，推荐用 4.0 以上。在 Blender 编辑偏好设置（Edit -> Preferences -> Plugins）里安装 Blender MCP 插件，这一步的关键是你要找到官方或者活跃维护的仓库，而不是随便搜一个“blender-mcp”就装，社区里有几个旧版项目已经不太适配新版 Blender。

插件安装好之后，在 Blender 的右侧 N 面板会多出一个 MCP 标签页，里面有一个“启动 MCP 服务器”的按钮，点击后插件会在本机启动一个 MCP Server，默认监听端口是 9876，同时在界面上会显示当前连接状态。

提示：启动插件前建议先把 Blender 场景清空（All + A 全选再 Delete），因为后续 AI 创建物体时会以当前场景为基准，场景太杂容易干扰判断。

3.2 在 Antigravity 里配置 MCP Server

打开 Antigravity 的设置，找到 MCP Servers 配置项，添加一个新的服务器，类型选择 Streamable HTTP（如果你的 Blender MCP 插件用的是 HTTP 模式），URL 填http://127.0.0.1:9876。如果你是自编译的 MCP 服务器，也可以选择 stdio 模式，命令填启动脚本，比如：

npx @blender-mcp/server

我这里要重点强调一个坑：MCP 客户端和服务器的协议必须匹配。有些 MCP Server 只支持 stdio，有些只支持 HTTP，Antigravity 两种都支持，但是你必须选对。Blender MCP 通常走 HTTP，因为它需要一个独立运行的常驻端口；而像文件系统 MCP、Git MCP 这类本地工具通常走 stdio。选错了的表现是很迷惑的：配置看起来没问题，但就是连不上，或者明明连上了但工具列表是空的。

配置完成后，在 Antigravity 的 MCP 工具面板里应该能看到 Blender MCP 暴露出来的工具函数，通常包括 create_object、set_transform、set_material、create_text、execute_code 等。看到工具列表，就说明握手成功了。

3.3 链路验证：从“你好”到“在原点生成一个立方体”

第一次连通后别急着写复杂场景，先做一个最简单的验证：在 Antigravity 的对话窗口里输入“请在 Blender 原点位置创建一个 1 米见方的立方体，命名为 test_cube”。

如果一切正常，Blender 视口里会立刻出现一个立方体，左下角的 Python 控制台也会显示对应指令。这一步跑通了，说明 Antigravity 的意图解析、MCP 调用、Blender 执行整条链路都是通的。

如果没反应，按这个顺序排查：先看 Blender MCP 插件界面的连接状态是不是 “connected/已连接”，再看 Antigravity 的工具面板是否加载了 MCP 工具，最后看 Antigravity 日志里有没有 timeout 或 connection refused 字样。这三个节点任何一个卡住，问题都出在这段链路上，不要盲目去改 prompt。

4. 实操：搭建一个可落地的仓储数字孪生场景

4.1 定义仓储布局：货架、通道与功能区

场景搭建的第一步是定义布局，我建议不要直接让 AI 自由发挥，先画一张草图或者写一段描述文字，明确几个关键参数：货架区在哪个坐标范围、通道宽度多少、AGV 作业区在哪、出入口在哪。这些参数后面会直接影响 AGV 的路径规划。

我在 Antigravity 里给它的指令是：“创建一个 80x60 米的仓储平面，南北方向排布 6 排货架，每排 12 组双面货架，货架长 12 米、高 4.5 米、深 1.2 米，货架间距 3 米，东西两侧预留 5 米主通道。”Antigravity 会通过 MCP 循环调用创建立方体的函数，把货架按规则排列出来。

要特别注意的是命名规范。我要求 AI 给每个货架命名时带上坐标信息，比如RACK_01_ROW_02，代表第 01 排第 02 组。这样做的原因很实际：后续你要做数据绑定时，库存系统的数据粒度可能就是“某排某组”，如果 Blender 里物体名和业务 ID 对不上，你就得在中间写一堆映射表，非常痛苦。这个习惯越早养成越好。

4.2 AGV 小车创建与动线路径模拟

仓储场景里最核心的动态元素就是 AGV。在 Blender 里创建一个简单的 AGV 模型不难：一个扁长方体做底盘，一个小长方体做顶升机构，再加几个圆筒做轮子。用 MCP 工具创建基础几何体拼装就行。难的是让 AGV 动起来，并且动线符合业务逻辑。

我常用的做法是用 Blender 的关键帧系统配合 Antigravity 生成移动脚本。具体来说，我会先定义一条路径：比如 AGV-01 从充电位出发，沿主通道走到 RACK_01_ROW_02 取货，再送到出库口。在 Blender 里可以用“添加空物体 + 贝塞尔曲线”的方式画路径，然后让 AGV 沿路径运动。Antigravity 在这里的作用是：我只需要描述“AGV-01 的路径经过这几个坐标点，速度每秒 2 米”，它就会帮我生成关键帧动画脚本，自动设置起始帧、结束帧和中间位置。

这个环节特别容易踩的坑是“坐标朝向”。AGV 在运动过程中不仅要位置正确，车头朝向也要沿着路径方向变化。如果你的 AGV 只是一个立方体，朝向错了看起来会很违和。解决方法是添加一个“朝向约束”（Track To Constraint），让车头始终指向路径方向。我在初版运行动画时就发现 AGV 横着走，后来加了约束才修正。

4.3 从静态模型到数字孪生：数据绑定与驱动

模型建好了、动画能跑了，这时候它还只是“数字模型”，离“数字孪生”还差最关键的一步——数据驱动。真正的孪生体必须具备这样的能力：当外部数据变化时，3D 场景里的物体状态跟着变化。比如仓库管理系统里 RACK_01 的库存从 80% 降到 60%，Blender 里对应货架上的托盘数量或颜色要能跟着变。

我在这篇（上）里的实现还是基于模拟数据：Antigravity 生成一个 JSON 数据源，里面包含货架编号、当前库存率、AGV 状态、任务队列，然后用 MCP 调用 Blender 的bpy.data.objects更新物体属性。你可以给每个货架物体添加自定义属性（Custom Properties），比如inventory_rate，Antigravity 可以通过 MCP 脚本读取外部 JSON 并批量更新这些属性。

{ "rack_id": "RACK_01_ROW_02", "inventory_rate": 0.65, "status": "active", "last_updated": "2025-06-10 14:30:22" }

同时，你可以做一个简单的数据可视化映射：库存率高于 70% 的货架显示绿色，40%-70% 显示黄色，低于 40% 显示红色。通过 MCP 批量给材质槽位设置不同的基础色即可。这一步做完，你的场景才算真正迈入“孪生”的门槛，因为它开始有“状态”了。

4.4 材质、光照与人视点的视觉优化

数字孪生项目经常要给客户做汇报演示，视觉效果不能太拉胯。我建议至少做三件事：统一材质、补灯光、设置自由相机。

统一材质直接用 MCP 执行批量操作，给所有货架设置一个基础金属材质，给 AGV 设置亮色警示漆，给地面设置一个粗糙度较高的材质。地面如果太光滑，在 Eevee 渲染器下会出现很假的反射，建议粗糙度设到 0.7 以上。光源方面，用面光在场景上方 8 米处布置两盏主光，再在角落放一盏暖色补光。Blender 的灯光默认单位为瓦特，习惯了就好。

最后设置一台“自由相机”，绑定到 AGV-01 上，这样在演示时可以直接切换视角到 AGV 的第一人称画面，效果瞬间提升一个档次。这个操作在 MCP 里也没有难度，创建相机 + 添加约束，两条指令的事。

5. 常见问题与排查技巧实录

5.1 Antigravity 侧的高频报错怎么处理

我最常遇到的是两类报错。第一类是eligibility check failed，这个报错看起来像网络问题，但其实多半是账号权限或者会话状态失效。我遇到过好几次都是因为长时间挂着会话，重新登录，然后新建一个会话就好。第二类是agent execution terminated due to error，这个报错信息非常笼统，百分之八十的真正原因不在 Antigravity 本身，而是它调用 MCP 工具时，Blender 那边执行失败，比如函数名拼错、参数类型不对、bpy 接口在某些版本下行为不一致。解决办法是去看 Antigravity 的详细执行日志，里面有异常堆栈，顺着堆栈定位到 Blender 的 Python 脚本才能看到真实原因。

另外，更新 Antigravity 时偶尔会遇到更新失败，多半是国内网络环境导致下载不完整，多试几次或者换个时间段，不要强行中断正在运行的任务。

5.2 Blender MCP 连上了但 AI 操作无响应

这个问题我踩过两三次。插件显示已连接，工具列表也能拉出来，但 AI 发了指令后 Blender 就是不动。排查方向有两个：

第一，检查 Blender 主窗口是否被最小化。此问题听起来很无语，但某些 Blender 版本在后台运行时会暂停 Python 脚本的视口刷新，AI 的操作实际已经执行了，只是画面上没更新。把窗口还原到普通状态再看。

第二，检查blender_api.py文件是否和当前 Blender 版本兼容。Blender 版本升级后，有些 API 已经改名或废弃，而 MCP 插件还没跟上。升级 Blender 之前一定要先确认你的 MCP 插件版本是否兼容，这是我踩过一次比较大的坑。当时换到 Blender 4.1，插件还是旧版，AI 创建物体时调用的bpy.ops.object.select_all行为变化，导致所有物体堆在原点，排查了一个下午。

5.3 Blender 如何导出 JSON 给前端

很多数字孪生项目的最终展示层是 Web，因此需要把 Blender 场景导出成 JSON。这里要注意，Blender 没有内置的“导出场景为 JSON”菜单，你需要通过脚本导出。MCP 可以帮你执行一个自定义导出脚本，遍历场景里所有物体，提取name、location、rotation_euler、dimensions和自定义属性，生成结构化 JSON。这就是前端加载和渲染时需要的数据。

导出时命名规范和坐标基准一定要统一。我建议用 Blender 的世界原点作为坐标基准，前端 Three.js 的场景原点也对齐到世界原点，这样导出后直接加载，不需要额外偏移。如果场景里有大量物体，建议在导出时剔除辅助物体（比如路径曲线、相机、灯光），只保留业务实体，这样 JSON 体积能减少一半以上。

5.4 MCP 到底是软件协议还是硬件协议

我在配置 MCP 时常常想起来一个问题：MCP 是软件协议还是硬件协议？答案是软件协议，而且是应用层协议。它和 USB、蓝牙这类硬件接口协议完全不是一个层级。如果做一个类比，MCP 更像是“软件世界的 USB-C 口”——它定义了一套标准化的工具调用和数据交互方式，让 AI 应用能够在不同工具之间即插即用。

想清楚这一点，你配置 MCP 的心态会不一样。你不是在“接硬件”，而是在“对接一套 API 规范”。所以遇到 MCP 连接不上的问题时，不要想着去查网线、驱动，而应该去查进程、端口、数据格式、工具定义，排查思路会立刻清楚很多。

写在最后的个人经验

整个流程走下来，我最直观的感受是：Antigravity + Blender MCP 的组合，真正改变的并不是你“建模型”的速度，而是你“试错”的成本。过去我要手动调整一个货架的位置、一个 AGV 的路径，需要在 Blender 界面里找半天菜单；现在只需要打一句话，AI 就帮你把活办了。就算它第一次做错了，你也可以直接告诉它“往右偏 0.5 米”，它自己会去改，这种交互方式做数字孪生场景特别舒服。

上一篇到这里就收尾了，“上篇”我们只跑通了场景构建、基础动画和模拟数据绑定。下一篇我会继续往深做，把真实业务数据接进来，比如通过 MQTT 接收仓库传感器上报的库位占用信息，联动更新货架颜色和 AGV 任务，同时把 Blender 场景导出到 Three.js，做一个浏览器端可访问的数字孪生前端页面。到那一步，项目就具备真正的业务闭环价值了，而不只是一个好看的 3D 模型堆砌。