Token导航 LogoToken导航TokenDH.com
Blender MCP With Local LLM logo
设计创作stdio官方级别未说明来源级核验

Blender MCP With Local LLM

MCP Server

一款基于AI的Blender插件,通过自然语言命令生成3D机器人模型和机械结构,支持多种AI模型和智能回退代码以确保结果。

工具数

0

提示词数

0

GitHub Stars

0

资源数

0
3D建模PythonAI生成

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

hmudgal577-svg

提供方

hmudgal577-svg

最后核验

2026/5/17 20:21

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

命令预览

pip install requests

详细介绍

🤖 DeepSeek机器人助手-Blender插件

DeepSeek Robotics Python License

一个AI驱动的Blender插件,使用自然语言命令生成3D机器人模型和机械结构。由Ollama提供的DeepSeek AI模型提供支持,具有智能回退代码,可保证结果。

!\[DeepSeek机器人界面\]

*使用自然语言创建具有6个关节和夹具的机器人手臂*

______________________________________________________________________

✨ 特性

🎯 核心能力

  • 人工智能发电:使用自然语言描述创建复杂的3D模型
  • 智能回退:常见对象(机器人、家具、车辆)的保证工作代码
  • 多种AI模型:支持DeepSeek R1(7B、14B,最新)和DeepSeek编码器
  • 汽车材料:金属/现实色彩的自动材质分配
  • 实时调试:查看生成的代码和执行日志
  • 语法验证:执行前代码验证以防止错误

🛠️ 支持的对象

  • 机器人学:铰接臂、夹具、关节、操纵器
  • 家具:桌子、椅子、书桌、凳子
  • 原语:立方体、球体、圆柱体(带计数支撑)
  • 结构:房屋、建筑物、树木
  • 车辆:汽车,简单的汽车
  • 自定义:任何描述-AI将尝试生成

______________________________________________________________________

📋 需求

软件

  • 搅拌机:3.0或更高
  • python:3.7+(包含在Blender中)
  • 奥拉玛:最新版本

Python包

pip install requests

人工智能模型(通过Ollama)

# Fast (Recommended for testing)
ollama pull deepseek-r1:7b

# Balanced
ollama pull deepseek-r1:14b

# Best Quality
ollama pull deepseek-r1:latest

# Code-Focused
ollama pull deepseek-coder:6.7b

______________________________________________________________________

🚀 安装

第一步:安装Olama

  1. 下载自 奥拉玛
  2. 安装并启动服务:
   ollama serve

步骤2:安装Python依赖项

# Windows
python -m pip install requests

# macOS/Linux
pip3 install requests

# Or install in Blender's Python
/path/to/blender/python/bin/python -m pip install requests

步骤3:安装插件

  1. 下载 deepseek_robotics_assistant.py
  2. 打开搅拌机→ Edit → 偏好设置→ 附加组件
  3. 点击“安装…”并选择 .py 文件
  4. 启用“DeepSeek机器人助手-已修复”
  5. 在三维视图中查找面板→ 侧边栏→ DeepSeek选项卡

______________________________________________________________________

📖 使用指南

基本工作流程

  1. 启动Ollama (必须正在运行)
   ollama serve
  1. 打开搅拌机 并找到DeepSeek面板(N键→ DeepSeek选项卡)
  1. 选择模型 (默认值:DeepSeek R1 7B)
  1. 测试连接 -点击“测试连接”以验证Ollama
  1. 输入命令 -类型自然语言描述:
   robot arm with 6 joints and gripper
   create a simple table with 4 legs
   make a mechanical joint assembly
  1. 选择模式:

- ✅ 回退模式 (保证):使用预构建的模板 - 🤖 AI模式:通过AI生成自定义代码

  1. 创建 -单击按钮并等待生成

示例命令

机器人学

robot arm with gripper
articulated manipulator with 5 joints
robotic hand with fingers
mechanical arm assembly

家具

simple table with 4 legs
wooden chair with backrest
desk with drawers

原语

5 cubes in a row
10 spheres arranged in circle
3 cylinders stacked vertically

复杂对象

simple house with roof and door
tree with trunk and leaves
basic car with 4 wheels

______________________________________________________________________

⚙️ 界面概述

模型选择

型号速度质量用例
DeepSeek R1 7B⚡ 快速⭐⭐⭐测试,简单对象
DeepSeek R1 14B🔥 中等⭐⭐⭐⭐平衡性能
DeepSeek R1最新版本🐌 慢⭐⭐⭐⭐⭐复杂模型
DeepSeek编码器⚡ 快速⭐⭐⭐⭐代码繁重的任务

选项

  • 使用回退:跳过AI,使用有保证的模板代码
  • 材料:自动将金属材质应用于生成的对象
  • 调试:在控制台和面板中显示生成的代码

状态显示

  • 最后:上一代执行时间
  • 代码:生成的Python代码预览(前6行)

______________________________________________________________________

🎬 演示视频

https://github.com/user-attachments/assets/76576049-b596-4ca0-bd0e-6e1bd5f7b35c

  • 本视频展示了如何通过简单的提示制作机器人手臂

______________________________________________________________________

🔧 故障排除

“未安装请求”

pip install requests
# Or in Blender's Python
/path/to/blender/python/bin/python -m pip install requests

"❌ 开始奥拉玛:奥拉玛发球”

  • Ollama不跑了
  • 打开终端并运行: ollama serve
  • 使用插件时保持终端打开

“找不到模型”

# Pull the model first
ollama pull deepseek-r1:7b

AI生成损坏的代码

  • 启用“使用回退”模式以确保结果
  • 尝试DeepSeek Coder模型以获得更好的代码质量
  • 检查调试模式,查看生成了什么代码

对象未出现

  • 检查搅拌机控制台(窗口→ 切换系统控制台)
  • 查找Python执行错误
  • 确保生成的代码 bpy.context.collection 链接

______________________________________________________________________

🏗️ 建筑

代码流

User Input → AI/Fallback → Code Generation → Syntax Check → Execute → Materials

关键组件

1.连接管理器

  • 测试Olama的可用性
  • 验证模型访问权限
  • 列出可用型号

2.代码生成器

  • AI路径:Ollama API的流式响应
  • 退路:使用基于关键字的模板选择
  • 从响应中提取干净的Python代码

3.执行引擎

  • 使用AST解析器验证语法
  • 在沙盒环境中执行
  • 提供mathutils(向量、矩阵、Euler)

4.材料系统

  • 6种预定义的PBR材料
  • 自动指定网格对象
  • 金属工作流程(0.7金属,0.3粗糙度)

______________________________________________________________________

🎨 生成的代码结构

所有生成的代码都遵循此模式:

import bpy
from mathutils import Vector

# Clear scene
for obj in list(bpy.data.objects):
    bpy.data.objects.remove(obj, do_unlink=True)

# Create geometry
bpy.ops.mesh.primitive_cube_add(...)
obj = bpy.context.active_object
obj.name = "MyObject"

# Link to collection
bpy.context.collection.objects.link(obj)

______________________________________________________________________

📊 性能基准

操作时间(回退)时间(AI 7B)时间
机器人手臂0.01秒3-8秒8-15秒
简表0.01s2-5s5-10s
自定义对象不适用5-20秒10-30秒

*在M1 Mac/RTX 3080上测试*

______________________________________________________________________

🛡️ 安全功能

  • 语法验证:执行前检查所有代码
  • 沙盒执行:范围有限,无法访问系统
  • 错误处理:用户反馈的巧妙失败
  • 代码预览:查看运行前将执行什么
  • 回退模式:保证安全的代码模板

______________________________________________________________________

🔮 未来的增强功能

  • \[\]动画生成
  • \[\]物料定制界面
  • \[\]索具自动化
  • \[\]物理设置
  • \[\]导出预设
  • \[\]云AI模型支持
  • \[\]批量生成
  • \[\]模板库管理器

______________________________________________________________________

🤝 贡献

欢迎投稿!感兴趣的领域:

  • 其他回退模板
  • 更好的代码提取算法
  • UI/UX改进
  • 文档
  • 测试

______________________________________________________________________

📄 许可证

MIT许可证-有关详细信息,请参阅许可证文件

______________________________________________________________________

🙏 致谢

  • DeepSeek AI -人工智能模型
  • 奥拉玛 -局部AI推理
  • Blender基金会 -3D软件
  • 社区 -反馈和测试

______________________________________________________________________

📞 支持

  • 问题:
  • 讨论:
  • 文档: 维基

______________________________________________________________________

📝 更新日志

v3.2.0(当前)

  • ✅ 修复了所有主要错误
  • ✅ 新增智能回退系统
  • ✅ 改进的代码提取
  • ✅ 更好的错误处理
  • ✅ 物料自动分配
  • ✅ 带代码预览的调试模式

v3.1.0

  • 添加了DeepSeek编码器支持
  • 语法验证
  • 连接测试

v3.0.0

  • 初始AI驱动版本
  • Ollama集成
  • 基本回退模板

______________________________________________________________________

由以下材料制成❤️ Blender社区

目录标签

目录标签

3D建模PythonAI生成本地部署机器人设计Blender插件机械结构

接入字段

传输方式(transport,传输协议)

stdio

鉴权方式(authType,认证方式)

none

工具数量(toolCount,工具数)

0

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

stdionone部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

来源信息

继续浏览同类 MCP