我先说结论Unity 和 AI 组合最近真的被聊爆了但大多数教程都在讲“用 Claude 写几行 C#”看完依然不知道该怎么把 AI 真正接进自己的工程。这次结合我实际跑通的经验把 Unity-MCP 从安装、配置、常用工具到踩过的坑和能落地的场景完整整理一遍。不管你是 Unity 老手还是刚想用 AI 辅助开发的新人这篇都值得收藏。1. MCP 是什么以及它为什么适合 Unity 开发1.1 先从“上下文孤岛”说起我最初接触 MCP 是在调试 AI 编程的时候遇到的一个很现实的问题AI 只能靠我们喂代码片段来“盲猜”项目结构。你把一段报错丢给它它能看到的就是这段代码但你项目里的类、枚举、场景、组件都长什么样它完全没有概念。这就像你让一个实习生写代码但只给他一张 Excel 表格却不让他看整个项目目录。MCP 全称 Model Context Protocol它解决的就是这个“上下文孤岛”问题。在 MCP 协议下我们可以把外部工具的能力封装成统一的接口让大模型在对话中直接调用。应用到 Unity 里就是让 AI 能直接读取当前场景、查看 GameObject 层级、搜索项目里的脚本、调用 Unity 编辑器 API甚至帮你生成 Prefab。第一次在 Unity 编辑器里跑通“让 AI 自己找到场景里某个对象并改它的位置”时我才意识到这不是简单的“问答工具”而是一个能直接操作你工程的实际生产力入口。1.2 Unity-MCP 的核心价值从“问答”到“操作”之前用普通 AI 处理 Unity 问题的体验是这样的它在回答里给你一段代码但这段代码很可能你的 Unity 版本用不了或者报错之后它又开始猜。整个过程其实还是“人提出问题 → 人复制代码 → 人去调试 → 再问”效率提升非常有限。接入 MCP 后AI 的价值发生了质变。它不仅能看懂你的项目结构还能在你允许的范围内执行操作。比如我在场景里放了一批敌人想给它们统一加上一个EnemyController组件只需要告诉 AI“帮我把场景里所有名称带 Enemy 的对象加上这个脚本组件”。它就会通过 MCP 工具读取场景结构、定位目标对象、修改序列化数据一气呵成。更重要的是它的响应是基于你的真实项目数据不是凭空猜。AI 能找到你自定义的PlayerStats类、知道你当前用的渲染管线是 URP 还是 Built-in这些都是以前无法想象的。MCP 最大的价值就是拉平了 AI 与真实工程之间的信息差。1.3 理解 MCP 的三个核心角色想用好 Unity-MCP必须先理解 MCP 协议里的三个概念不然配置时会一头雾水。MCP Host也就是“客户端”比如 Claude Desktop、Cline、Trae、Codex 这类 AI 会话工具。它们负责承载对话并在需要时发起工具调用请求。MCP Server一个独立的服务端程序暴露一组工具接口。它可以跑在本地也可以跑在远程服务器上。MCP Client 端协议模块Host 端按照 MCP 协议格式把 AI 想调用的工具名和参数发给 ServerServer 执行后把结果返回。在 Unity 的场景中Unity 工程里的编辑器脚本就是 MCP ServerAI 对话工具就是 Host。你需要在 Host 的配置文件里登记这个 Server 的地址和启动方式。大部分 MCP 实现采用stdio标准输入输出或SSE / HTTP两种方式通信。Unity 端因为需要在编辑器中运行通常采用本地 HTTP 服务的方式因为编辑器插件本身就是宿主进程不能通过 stdio 直接启动。理解这一点后面排查“连接不上”的问题就会很容易。2. 工具选型与配置搭建 Unity-MCP 环境2.1 Unity 端 MCP Server 插件怎么选目前社区里 Unity-MCP 的实现有几个方案没有官方标准但大家选择最多的是一种欧洲开发者维护的方案基于 WebSocket 或 HTTP 做通信将 Unity 编辑器暴露出几个核心工具读取场景结构、获取层级、获取选中对象信息、创建/删除对象、修改 Transform、执行 Editor 菜单命令、搜索资源等。选型时别盲目下第一个。我实际用过两个不同实现有的只支持只读有的支持写操作差别很大。优先选择哪些明确支持「写操作」和「脚本生成」的方案否则 AI 只能看不能动手很快就没意思了。另外要留意 Unity 版本兼容性。有些插件只更新到 Unity 2021放到 Unity 2022 上可能会在导入时编译报错。一般社区活跃度高的方案更新频率也跟得上。2.2 安装步骤参考以我自己常用的方式为例安装主线整体分三步。第一步获取并安装 Unity 端插件。通常是通过 git URL 添加 Package在 Unity 的 Package Manager 中选择 Add package from git URL填入插件仓库地址。也可以直接下载源码放进工程推荐用 git URL更新方便。第二步启动编辑器中的 MCP Server。一般成功导入后菜单栏会出现一个 MCP 相关选项点击启动服务控制台会显示监听端口。启动时注意防火墙可能会拦截本地端口通信如果 AI 无法连接优先检查这里。第三步配置 Host 端。在 AI Host 的 MCP 配置文件里添加一个 mcpServers 节点URL 填http://localhost:port/mcp之类然后重启 Host 生效。下面是常见的配置格式粘贴到自己的配置时记得改端口{ mcpServers: { unity-mcp: { command: npx, args: [ -y, modelcontextprotocol/server-everything ], env: {} } } }注意不同 Host 的配置加载路径不同有的放在用户目录下的配置文件里有的在项目文件里。我就因为配置写在系统.mcp.json里导致怎么都加载不出来折腾了半小时后来发现 Cline 读的是项目下的.mcp.json。2.3 为什么我建议用“本地 HTTP”而不是 stdio 方式这一点初学者特别容易踩坑。很多通用 MCP Server 都是用npx命令启动的 stdio 服务但 Unity 插件不是独立进程它是编辑器里的扩展。如果用 stdio 方式Host 会尝试创建一个新的子进程去执行某个命令而这个命令压根就不是给你启动 Unity 的所以永远连不上。本地 HTTP 方式就不一样。Unity 编辑器作为常驻进程自己监听一个端口Host 只需要用 HTTP 请求去访问连接非常稳定不会因为子进程启动失败而断连。在选择 Unity-MCP 插件时优先看支持 HTTP 的还是只支持 stdio 的一般支持 HTTP 的更适合 Unity 场景。2.4 Host 端怎么选Claude、Cline、Codex 还是 Trae接入 MCP 后 Host 的选择也很关键。不能手里有什么就用什么要看你日常的工作流。如果你需要的是“让 AI 直接读场景并改对象”Cline 和 Trae 这类 IDE 插件更合适因为它们能同时提供代码上下文和 MCP 调用。我用 Trae 比较多它的 MCP 管理界面简洁配置文件修改后热加载不用反复重启。如果你更想要“日常聊天中问 Unity 问题”可以用 Claude Desktop 或 Codex它们的好处是对话场景更自然适合学习原理和方案探讨。但在 IDE 内写的代码无法实时同步到聊天窗口使用上多一步复制粘贴。在 Codex 等工具里配置 MCP 也比较标准打开 MCP 配置文件添加unity-mcp节点重启后如果能看到工具列表说明连接成功。还有个小技巧在 Host 的 MCP 管理界面里一般能看到每个工具的描述比如get_scene_hierarchy一眼就知道这个工具是干嘛的。3. 实操让 AI 帮你搭建场景、写脚本、排查 Bug3.1 从“读场景”开始建立信任我强烈建议第一次使用 Unity-MCP 时先别急着让 AI 写复杂系统。先让它“读”场景验证连接是否正常同时熟悉它的表达能力。在 Host 里输入类似这样的指令“请查看当前打开的场景层级列出所有名为 Player 的对象及其子物体。”如果配置正确AI 会通过 MCP 的get_scene_hierarchy工具拿到 JSON 数据然后整理成清晰的列表。做这件事有三个好处。第一确认链路通不通如果这个都做不到后面就没必要继续第二观察 AI 对工具返回数据的理解能力如果它能准确分析场景结构说明它能理解你的项目第三慢慢磨合 prompt 风格你会发现越具体的指令AI 的执行效果越好。如果 AI 返回的场景信息明显缺失比如只显示了一部分 GameObject那一般不是 AI 笨而是工具实现里对场景解析做了过滤比如只返回激活对象或只返回根节点。去插件的源码里看它的工具描述就能找到原因。3.2 让 AI 批量操作对象从手动到半自动一次我测试时遇到一个需求场景里重复摆放了 30 个装饰用的石头都用同一个材质但其中一部分我想单独换一种颜色。传统做法是手动选中再改很繁琐。我用 MCP 提了个需求“找出场景里名称包含 Rock 的所有对象把它们的MeshRenderer.material.color改成带有随机偏移的绿色。”这个任务的难点不在写代码而在于“找到哪些对象”。AI 通过 MCP 读取了场景层级筛出所有符合命名的对象然后生成一段修改脚本并执行。整个过程只花了十几秒而且没有干扰到其他不相关的对象。如果你每天要处理大量重复性编辑器操作这个能力会极大解放双手。有一个注意点批量修改场景后一定要先保存场景版本或做好备份。因为 AI 有时候会判断失误比如把名字带 “Rock” 的 UI 组件也一起改了。我在实操中吃过一次亏它把一块 UI 图标也改了颜色我不得不重新改回去。所以对大范围的场景修改建议先让 AI 只输出计划列表确认无误后再执行。3.3 AI 生成 C# 脚本的正确打开方式让 AI 写完整脚本已经是基础能力了但接入了 MCP 之后它的脚本更“懂”你的项目。比如你的项目里已经有一个Damageable接口AI 会在生成新脚本时优先考虑实现这个接口而不是凭空给一个公共方法。因为它通过 MCP 扫描了你的项目结构。在实操中我建议让 AI 生成的脚本遵循这个流程先描述你要实现的功能越具体越好包括类名、需要引用的其他系统、事件回调等让 AI 先列出它将创建脚本的路径和会调用的现有 API确认无误后让它生成到指定目录等 Unity 编译完成后立即在 Console 窗口检查编译错误。让 AI 在“Assets/Scripts/Enemies”下生成一个敌人巡逻脚本并把新脚本自动挂到场景里所有名为 Enemy 的对象上。这个操作如果用传统流程你需要手动创建文件、写代码、拖组件到对象上至少也得两三分钟。用 MCP 可能不到 20 秒。3.4 报错信息排查把“一块代码”变成“整个项目上下文”很多 Unity 开发者习惯将报错内容复制给 AI但效果经常不好因为 AI 缺少项目上下文。MCP 改变了这个困境。当 Unity Console 里出现编译错误或运行时异常时你可以让 AI 通过工具读取相关脚本源码和当前场景状态然后一起分析。比如我遇到一个 NullReferenceException单独看报错只有一行不知道是哪个对象在哪个时机被销毁了。让 AI 同时读取场景层级和玩家对象的状态它立刻定位到是GameManager.Instance在场景切换时被销毁后某个延时调用还在引用它。这相当于每次排查 bug 时你把整个项目的“切片”都给 AI 看了它给出的答案精准度远高于凭空猜测。3.5 实用技巧MCP 结合热词场景组合拳把所有热搜词串起来你会发现Unity-MCP 能覆盖的开发范围比想象中大很多。微信小游戏视频播放方案如果你在做 Unity 导出微信小游戏视频播放是和原生端完全不同的逻辑。让 AI 生成WXVideoPlayer.cs工具类并自动接入微信 SDK 的初始化流程这对老开发者也省不少时间。Unity 串口通信在设备端和硬件交互时你可以在 prompt 里说读取项目当前 PlayerSettings 的 API Level生成一个通过System.IO.Ports读取串口的抽象层并提供事件回调接口方便 UI 绑定数据。Unity 阴影问题AI 可以读取项目渲染管线和光照设置比如你用的 URP它会帮你判断应该调整Shadow Distance还是阴影级联数。这种基于项目配置的诊断比拿截图给 AI 看要准确得多。Unity 分辨率设置你可以让 AI 直接读出当前工程所有 Build Target 的默认分辨率然后生成一个运行时动态切换分辨率的工具面板挂到 Canvas 下。Unity 发布 Web 部署 IISAI 可以根据你的 Unity WebGL 打包设置生成一份包含 MIME 类型配置的 web.config以及部署到 IIS 的步骤列表。这些场景的共同点是它们都需要“已知项目当前状态”才能给出正确方案。MCP 正好提供了这种上下文它让 AI 的建议从“泛泛而谈”变成“量身定制”。3.6 更多可以扩展的玩法再补充几个我实测过或正在用的玩法能给你打开思路。Unity 中包围盒计算有次美术要确认某个模型的 AABB 是否和另一个模型的中心点对齐。以前需要手动写 Editor 脚本迭代。现在直接让 AI 写一个菜单工具计算所有选中模型的Renderer.bounds并输出到控制台顺手还能生成一个.csv清单。Unity GameAssembly.dll 的作用排查 Android 打包崩溃时需要知道 GameAssembly.dll 是否被裁剪导致某些 IL2CPP 代码异常。AI 可以结合你的链接器配置生成排查步骤甚至帮你把关键的脚本加入link.xml。Unity 引擎游戏人物模型替换如果你的项目做了一半想换模型AI 可以写一个编辑器工具自动把旧模型引用的Animator和骨骼对应关系重置到新模型省去手动拖引用。Unity Tooltips 插件想给项目加一套统一的 Tooltip 系统AI 能直接生成能在鼠标悬停时显示的组件并自动挂到所有包含[Tooltip]特性的字段上。Unity 桌面美化这个严格说不是游戏逻辑但 AI 能生成编辑器扩展窗口给 Unity 编辑器加自定义布局和彩色工具栏按钮平时做项目时会舒服很多。这些玩法都依赖同一个核心逻辑让 AI 先看项目再动工。它不是一个无情的代码生成器而是你的项目里的“另一个熟悉代码库的同事”。4. 关键问题排查与项目经验总结4.1 Unity-MCP 常见问题速查表我在不同电脑、不同项目、不同 Host 上使用 Unity-MCP 的过程中遇到很多典型的连接和运行问题。整理成一张速查表遇到问题先对照自查。现象可能原因排查方法Host 提示连接失败Unity 端服务没启动打开 Unity确认菜单栏 MCP 服务启动Console 无报错Host 提示 404端口写错或路径不对检查 MCP Server 监听日志确认路径是不是/mcp或/sse能连接但工具调用超时Unity 编辑器忙切回 Unity 窗口等待 Compilation 完成后再试场景数据读不到当前打开的不是目标场景确认 Unity 已打开目标场景而不是停留在启动场景工具调用成功后场景没变化插件仅支持只读换支持写操作的 MCP 插件版本AI 老是生成不存在的方法项目扫描缓存过期重启 Host 或刷新 MCP 连接让 AI 重新拉取项目结构导入插件后编译报错Unity 版本不兼容查看插件 Release 说明换对应版本源码导入4.2 避坑心得三条保命原则用了几周之后我总结了三条“保命”原则你在实操中务必记住。第一给 AI 大范围修改权限前先提交版本或备份场景。AI 虽然能力很强但判断并不总是符合你的预期。比如你让它“优化所有物体的名称”它可能把一些脚本里用名字引用的对象也重命名了导致运行时找不到对象。第二不要完全信任 AI 生成的序列化数据。它生成的 Prefab 或 ScriptableObject 数据偶尔会因为序列化字段类型不匹配而出现问题特别是在 Unity 2019 和 2021 之间切换的时候。建议 AI 改完数据后自己在 Inspector 里快速检查一遍。第三Host 配置改动后一定要彻底重启。我遇到比较多的问题是修改 MCP Server 地址或端口后很多 AI 工具不会自动刷新还是去连旧地址。如果发现 AI 一直调不到新工具先把 Host 进程完全退出再重新打开。4.3 常见 prompt 写法技巧MCP 用得好不好一半看工具一半看 prompt。同样是“生成巡逻脚本”不同的说法差异巨大。低效 prompt“帮我写一个简单巡逻脚本。”高效 prompt“在 Assets/Scripts/AI 下生成一个名为 PatrolController 的 C# 脚本继承 MonoBehaviour。提供 patrolPoints 数组、moveSpeed、waitTime 参数到达点后等待 waitTime 再前往下一个点自动将 Transform 同步到 NavMeshAgent 的 destination。生成后挂到场景中所有名为 Enemy 的对象上。”区别很明显。MCP 能做的远不止“给你代码”它还能让 AI 操作游戏对象、创建菜单、批量改资源。只要把需求描述得足够具体它就能完成非常沉重的工作。另外一个小技巧在 prompt 里让 AI “先用工具读取场景再输出结论”能避免它基于记忆和幻觉给出不匹配的答案。4.4 什么时候不要用 MCP虽然我推荐 Unity 开发者配置 MCP但它总有边界。当你的 Unity 版本特别老旧比如 2018 或更早大部分 MCP 插件需要高版本 API 支持可能无法运行。这种情况下用传统 AI 对话辅助反而更稳妥。当项目涉及大量视觉调整时MCP 能读取的仅仅是数据和结构信息它无法替代你观察 Game 视图来判断角色的跳跃手感是否合适。你可以让它帮你写一个调参面板但最终的“手感”还是得自己反复调。当项目还没引入版本控制时MCP 的风险会更高。因为 AI 的大范围资产修改无法一键回滚一旦它操作错误恢复成本比手工操作大得多。务必先把项目纳入 git 或其他团队协作软件再考虑。4.5 在 Mac 和 Windows 上的差异别被端口卡住Unity-MCP 在跨平台使用中最大的差异往往不是功能本身而是系统网络权限和防火墙。在 Windows 上Unity 监听本地端口时Windows Defender 防火墙可能弹出提示如果点取消连接就会失败。解决方法是到防火墙设置里手动添加允许规则或者临时关闭防火墙测试。在 Mac 上大多不需要额外设置但如果启用了系统防火墙第一次也可能询问是否允许连接。另外在 Mac 上如果你同时在本地跑多个 Unity 项目注意 MCP 服务端口不要冲突。我在跑两个 Unity 编辑器实例时一次因为端口被第二个实例抢占导致 Host 连接到了错误的项目上折腾了很久才发现。5. 从入门到进阶MCP 工具清单和自动化场景实战5.1 我最常用的 MCP 工具清单一开始我也不清楚到底有哪些工具可用后来发现只需要记住几个最常用的就够了。绝大多数 MCP 插件至少提供这些工具能力get_scene_hierarchy获取当前打开场景的 GameObject 层级结构get_selected_object/get_object_details获取选中对象及其组件、属性信息find_objects_by_name按名称模糊搜索场景对象create_gameobject/delete_gameobject创建或删除 GameObjectmodify_component修改组件属性run_editor_menu触发编辑器菜单命令如运行、暂停、停止list_assets/search_assets搜索项目资源create_script生成 C# 脚本文件到指定路径get_console_logs读取 Console 日志每个工具其实都是编辑器 API 的封装理解这一点后你甚至可以自己在 MCP Server 源码里加自定义工具。比如我加了两个工具generate_sprite_atlas和build_asset_bundles这样在 Host 里直接说“生成图集”或“打 AssetBundle”AI 就会自动调用。这种二次开发和定制能力才是 Unity-MCP 真正值钱的地方。5.2 工作流黑话从一次性指令到持续 Agent用多了之后你会发现 MCP 前提下写 prompt 不再是一问一答而是可以构造一个持续 Agent 工作流。比如你有一个新关卡需要搭建可以这样描述目标在场景中创建一个名为 “Level_01” 的空 GameObject 作为根节点在根节点下创建地面、围墙、光源、玩家出生点、敌人出生点为地面添加 BoxCollider为玩家出生点添加一个空子物体并命名为 “SpawnPoint”生成一个脚本LevelGenerator读取出生点位置列表并输出到控制台完成后在场景中生成一个 Preview Cube 标记每个位置。按这个清晰指令AI 可以一口气完成步骤 1-5。它不一定每次完美执行但你可以让它逐步执行并汇报进度。工作中我会说“先执行前三步完成后暂停等我确认再继续”这样既保留了对流程的控制力也让 AI 成为真正意义上的开发助手。5.3 可用性和安全性让 MCP 更像一个真实协作者最后再说说“使用边界”这件事。MCP 让 AI 能直接调用你的编辑器 API这比普通聊天工具的风险更高。建议只在开发期启用构建 CI 或真机调试时不要开启服务。同时不要在公开的 Host 对话中暴露敏感的项目路径、公司内部命名或资源名因为它会把信息发送给 AI 服务商。如果项目里有大量敏感业务逻辑建议使用本地部署的 AI 模型来配合 MCP。很多支持 MCP 的 Host 已经可以本地模型配置这样既保留项目上下文也能规避数据安全疑虑。尤其是做外包项目或开发保密产品时这是更稳妥的方案。5.4 最后分享一个小技巧如果你只想先试试水我建议你今天就花十分钟做这个实验装好 Unity-MCP 后打开任意一个小场景问 AI 一个问题“请列出当前场景所有挂载了 Collider 的对象并说明它们的碰撞类型。”即使你暂时不需要这个功能看到 AI 能准确描述你的项目时那种“它真的懂我的场景”的感觉会指引你思考下一步的自动化方向。我在实际使用中最深的感受是每次开始一个新的 Unity 项目第一时间把 MCP 环境配好已经成为我比安装插件还要优先的工作。它节省的不仅是写代码的时间更是沟通上下文的时间。以前向同事解释项目结构要写半天文档现在直接让 AI 自己看项目里边边角角的问题都能更快暴露出来。这中间当然也有翻车的时候比如一次大范围批量修改把整个场景地形重置了但就是从踩过的这些坑里我摸索出了更安全的修改习惯先备份、给 AI 明确的文件路径和范围限制、逐步执行。MCP 不是一个完美的工具但它把 AI 从一个“只说不做”的建议者变成了一个“能干活、但需要你盯着”的执行者这个变化对 Unity 开发效率的提升是实打实的。
Unity-MCP实战：让AI直接操作你的Unity工程场景与代码
我先说结论Unity 和 AI 组合最近真的被聊爆了但大多数教程都在讲“用 Claude 写几行 C#”看完依然不知道该怎么把 AI 真正接进自己的工程。这次结合我实际跑通的经验把 Unity-MCP 从安装、配置、常用工具到踩过的坑和能落地的场景完整整理一遍。不管你是 Unity 老手还是刚想用 AI 辅助开发的新人这篇都值得收藏。1. MCP 是什么以及它为什么适合 Unity 开发1.1 先从“上下文孤岛”说起我最初接触 MCP 是在调试 AI 编程的时候遇到的一个很现实的问题AI 只能靠我们喂代码片段来“盲猜”项目结构。你把一段报错丢给它它能看到的就是这段代码但你项目里的类、枚举、场景、组件都长什么样它完全没有概念。这就像你让一个实习生写代码但只给他一张 Excel 表格却不让他看整个项目目录。MCP 全称 Model Context Protocol它解决的就是这个“上下文孤岛”问题。在 MCP 协议下我们可以把外部工具的能力封装成统一的接口让大模型在对话中直接调用。应用到 Unity 里就是让 AI 能直接读取当前场景、查看 GameObject 层级、搜索项目里的脚本、调用 Unity 编辑器 API甚至帮你生成 Prefab。第一次在 Unity 编辑器里跑通“让 AI 自己找到场景里某个对象并改它的位置”时我才意识到这不是简单的“问答工具”而是一个能直接操作你工程的实际生产力入口。1.2 Unity-MCP 的核心价值从“问答”到“操作”之前用普通 AI 处理 Unity 问题的体验是这样的它在回答里给你一段代码但这段代码很可能你的 Unity 版本用不了或者报错之后它又开始猜。整个过程其实还是“人提出问题 → 人复制代码 → 人去调试 → 再问”效率提升非常有限。接入 MCP 后AI 的价值发生了质变。它不仅能看懂你的项目结构还能在你允许的范围内执行操作。比如我在场景里放了一批敌人想给它们统一加上一个EnemyController组件只需要告诉 AI“帮我把场景里所有名称带 Enemy 的对象加上这个脚本组件”。它就会通过 MCP 工具读取场景结构、定位目标对象、修改序列化数据一气呵成。更重要的是它的响应是基于你的真实项目数据不是凭空猜。AI 能找到你自定义的PlayerStats类、知道你当前用的渲染管线是 URP 还是 Built-in这些都是以前无法想象的。MCP 最大的价值就是拉平了 AI 与真实工程之间的信息差。1.3 理解 MCP 的三个核心角色想用好 Unity-MCP必须先理解 MCP 协议里的三个概念不然配置时会一头雾水。MCP Host也就是“客户端”比如 Claude Desktop、Cline、Trae、Codex 这类 AI 会话工具。它们负责承载对话并在需要时发起工具调用请求。MCP Server一个独立的服务端程序暴露一组工具接口。它可以跑在本地也可以跑在远程服务器上。MCP Client 端协议模块Host 端按照 MCP 协议格式把 AI 想调用的工具名和参数发给 ServerServer 执行后把结果返回。在 Unity 的场景中Unity 工程里的编辑器脚本就是 MCP ServerAI 对话工具就是 Host。你需要在 Host 的配置文件里登记这个 Server 的地址和启动方式。大部分 MCP 实现采用stdio标准输入输出或SSE / HTTP两种方式通信。Unity 端因为需要在编辑器中运行通常采用本地 HTTP 服务的方式因为编辑器插件本身就是宿主进程不能通过 stdio 直接启动。理解这一点后面排查“连接不上”的问题就会很容易。2. 工具选型与配置搭建 Unity-MCP 环境2.1 Unity 端 MCP Server 插件怎么选目前社区里 Unity-MCP 的实现有几个方案没有官方标准但大家选择最多的是一种欧洲开发者维护的方案基于 WebSocket 或 HTTP 做通信将 Unity 编辑器暴露出几个核心工具读取场景结构、获取层级、获取选中对象信息、创建/删除对象、修改 Transform、执行 Editor 菜单命令、搜索资源等。选型时别盲目下第一个。我实际用过两个不同实现有的只支持只读有的支持写操作差别很大。优先选择哪些明确支持「写操作」和「脚本生成」的方案否则 AI 只能看不能动手很快就没意思了。另外要留意 Unity 版本兼容性。有些插件只更新到 Unity 2021放到 Unity 2022 上可能会在导入时编译报错。一般社区活跃度高的方案更新频率也跟得上。2.2 安装步骤参考以我自己常用的方式为例安装主线整体分三步。第一步获取并安装 Unity 端插件。通常是通过 git URL 添加 Package在 Unity 的 Package Manager 中选择 Add package from git URL填入插件仓库地址。也可以直接下载源码放进工程推荐用 git URL更新方便。第二步启动编辑器中的 MCP Server。一般成功导入后菜单栏会出现一个 MCP 相关选项点击启动服务控制台会显示监听端口。启动时注意防火墙可能会拦截本地端口通信如果 AI 无法连接优先检查这里。第三步配置 Host 端。在 AI Host 的 MCP 配置文件里添加一个 mcpServers 节点URL 填http://localhost:port/mcp之类然后重启 Host 生效。下面是常见的配置格式粘贴到自己的配置时记得改端口{ mcpServers: { unity-mcp: { command: npx, args: [ -y, modelcontextprotocol/server-everything ], env: {} } } }注意不同 Host 的配置加载路径不同有的放在用户目录下的配置文件里有的在项目文件里。我就因为配置写在系统.mcp.json里导致怎么都加载不出来折腾了半小时后来发现 Cline 读的是项目下的.mcp.json。2.3 为什么我建议用“本地 HTTP”而不是 stdio 方式这一点初学者特别容易踩坑。很多通用 MCP Server 都是用npx命令启动的 stdio 服务但 Unity 插件不是独立进程它是编辑器里的扩展。如果用 stdio 方式Host 会尝试创建一个新的子进程去执行某个命令而这个命令压根就不是给你启动 Unity 的所以永远连不上。本地 HTTP 方式就不一样。Unity 编辑器作为常驻进程自己监听一个端口Host 只需要用 HTTP 请求去访问连接非常稳定不会因为子进程启动失败而断连。在选择 Unity-MCP 插件时优先看支持 HTTP 的还是只支持 stdio 的一般支持 HTTP 的更适合 Unity 场景。2.4 Host 端怎么选Claude、Cline、Codex 还是 Trae接入 MCP 后 Host 的选择也很关键。不能手里有什么就用什么要看你日常的工作流。如果你需要的是“让 AI 直接读场景并改对象”Cline 和 Trae 这类 IDE 插件更合适因为它们能同时提供代码上下文和 MCP 调用。我用 Trae 比较多它的 MCP 管理界面简洁配置文件修改后热加载不用反复重启。如果你更想要“日常聊天中问 Unity 问题”可以用 Claude Desktop 或 Codex它们的好处是对话场景更自然适合学习原理和方案探讨。但在 IDE 内写的代码无法实时同步到聊天窗口使用上多一步复制粘贴。在 Codex 等工具里配置 MCP 也比较标准打开 MCP 配置文件添加unity-mcp节点重启后如果能看到工具列表说明连接成功。还有个小技巧在 Host 的 MCP 管理界面里一般能看到每个工具的描述比如get_scene_hierarchy一眼就知道这个工具是干嘛的。3. 实操让 AI 帮你搭建场景、写脚本、排查 Bug3.1 从“读场景”开始建立信任我强烈建议第一次使用 Unity-MCP 时先别急着让 AI 写复杂系统。先让它“读”场景验证连接是否正常同时熟悉它的表达能力。在 Host 里输入类似这样的指令“请查看当前打开的场景层级列出所有名为 Player 的对象及其子物体。”如果配置正确AI 会通过 MCP 的get_scene_hierarchy工具拿到 JSON 数据然后整理成清晰的列表。做这件事有三个好处。第一确认链路通不通如果这个都做不到后面就没必要继续第二观察 AI 对工具返回数据的理解能力如果它能准确分析场景结构说明它能理解你的项目第三慢慢磨合 prompt 风格你会发现越具体的指令AI 的执行效果越好。如果 AI 返回的场景信息明显缺失比如只显示了一部分 GameObject那一般不是 AI 笨而是工具实现里对场景解析做了过滤比如只返回激活对象或只返回根节点。去插件的源码里看它的工具描述就能找到原因。3.2 让 AI 批量操作对象从手动到半自动一次我测试时遇到一个需求场景里重复摆放了 30 个装饰用的石头都用同一个材质但其中一部分我想单独换一种颜色。传统做法是手动选中再改很繁琐。我用 MCP 提了个需求“找出场景里名称包含 Rock 的所有对象把它们的MeshRenderer.material.color改成带有随机偏移的绿色。”这个任务的难点不在写代码而在于“找到哪些对象”。AI 通过 MCP 读取了场景层级筛出所有符合命名的对象然后生成一段修改脚本并执行。整个过程只花了十几秒而且没有干扰到其他不相关的对象。如果你每天要处理大量重复性编辑器操作这个能力会极大解放双手。有一个注意点批量修改场景后一定要先保存场景版本或做好备份。因为 AI 有时候会判断失误比如把名字带 “Rock” 的 UI 组件也一起改了。我在实操中吃过一次亏它把一块 UI 图标也改了颜色我不得不重新改回去。所以对大范围的场景修改建议先让 AI 只输出计划列表确认无误后再执行。3.3 AI 生成 C# 脚本的正确打开方式让 AI 写完整脚本已经是基础能力了但接入了 MCP 之后它的脚本更“懂”你的项目。比如你的项目里已经有一个Damageable接口AI 会在生成新脚本时优先考虑实现这个接口而不是凭空给一个公共方法。因为它通过 MCP 扫描了你的项目结构。在实操中我建议让 AI 生成的脚本遵循这个流程先描述你要实现的功能越具体越好包括类名、需要引用的其他系统、事件回调等让 AI 先列出它将创建脚本的路径和会调用的现有 API确认无误后让它生成到指定目录等 Unity 编译完成后立即在 Console 窗口检查编译错误。让 AI 在“Assets/Scripts/Enemies”下生成一个敌人巡逻脚本并把新脚本自动挂到场景里所有名为 Enemy 的对象上。这个操作如果用传统流程你需要手动创建文件、写代码、拖组件到对象上至少也得两三分钟。用 MCP 可能不到 20 秒。3.4 报错信息排查把“一块代码”变成“整个项目上下文”很多 Unity 开发者习惯将报错内容复制给 AI但效果经常不好因为 AI 缺少项目上下文。MCP 改变了这个困境。当 Unity Console 里出现编译错误或运行时异常时你可以让 AI 通过工具读取相关脚本源码和当前场景状态然后一起分析。比如我遇到一个 NullReferenceException单独看报错只有一行不知道是哪个对象在哪个时机被销毁了。让 AI 同时读取场景层级和玩家对象的状态它立刻定位到是GameManager.Instance在场景切换时被销毁后某个延时调用还在引用它。这相当于每次排查 bug 时你把整个项目的“切片”都给 AI 看了它给出的答案精准度远高于凭空猜测。3.5 实用技巧MCP 结合热词场景组合拳把所有热搜词串起来你会发现Unity-MCP 能覆盖的开发范围比想象中大很多。微信小游戏视频播放方案如果你在做 Unity 导出微信小游戏视频播放是和原生端完全不同的逻辑。让 AI 生成WXVideoPlayer.cs工具类并自动接入微信 SDK 的初始化流程这对老开发者也省不少时间。Unity 串口通信在设备端和硬件交互时你可以在 prompt 里说读取项目当前 PlayerSettings 的 API Level生成一个通过System.IO.Ports读取串口的抽象层并提供事件回调接口方便 UI 绑定数据。Unity 阴影问题AI 可以读取项目渲染管线和光照设置比如你用的 URP它会帮你判断应该调整Shadow Distance还是阴影级联数。这种基于项目配置的诊断比拿截图给 AI 看要准确得多。Unity 分辨率设置你可以让 AI 直接读出当前工程所有 Build Target 的默认分辨率然后生成一个运行时动态切换分辨率的工具面板挂到 Canvas 下。Unity 发布 Web 部署 IISAI 可以根据你的 Unity WebGL 打包设置生成一份包含 MIME 类型配置的 web.config以及部署到 IIS 的步骤列表。这些场景的共同点是它们都需要“已知项目当前状态”才能给出正确方案。MCP 正好提供了这种上下文它让 AI 的建议从“泛泛而谈”变成“量身定制”。3.6 更多可以扩展的玩法再补充几个我实测过或正在用的玩法能给你打开思路。Unity 中包围盒计算有次美术要确认某个模型的 AABB 是否和另一个模型的中心点对齐。以前需要手动写 Editor 脚本迭代。现在直接让 AI 写一个菜单工具计算所有选中模型的Renderer.bounds并输出到控制台顺手还能生成一个.csv清单。Unity GameAssembly.dll 的作用排查 Android 打包崩溃时需要知道 GameAssembly.dll 是否被裁剪导致某些 IL2CPP 代码异常。AI 可以结合你的链接器配置生成排查步骤甚至帮你把关键的脚本加入link.xml。Unity 引擎游戏人物模型替换如果你的项目做了一半想换模型AI 可以写一个编辑器工具自动把旧模型引用的Animator和骨骼对应关系重置到新模型省去手动拖引用。Unity Tooltips 插件想给项目加一套统一的 Tooltip 系统AI 能直接生成能在鼠标悬停时显示的组件并自动挂到所有包含[Tooltip]特性的字段上。Unity 桌面美化这个严格说不是游戏逻辑但 AI 能生成编辑器扩展窗口给 Unity 编辑器加自定义布局和彩色工具栏按钮平时做项目时会舒服很多。这些玩法都依赖同一个核心逻辑让 AI 先看项目再动工。它不是一个无情的代码生成器而是你的项目里的“另一个熟悉代码库的同事”。4. 关键问题排查与项目经验总结4.1 Unity-MCP 常见问题速查表我在不同电脑、不同项目、不同 Host 上使用 Unity-MCP 的过程中遇到很多典型的连接和运行问题。整理成一张速查表遇到问题先对照自查。现象可能原因排查方法Host 提示连接失败Unity 端服务没启动打开 Unity确认菜单栏 MCP 服务启动Console 无报错Host 提示 404端口写错或路径不对检查 MCP Server 监听日志确认路径是不是/mcp或/sse能连接但工具调用超时Unity 编辑器忙切回 Unity 窗口等待 Compilation 完成后再试场景数据读不到当前打开的不是目标场景确认 Unity 已打开目标场景而不是停留在启动场景工具调用成功后场景没变化插件仅支持只读换支持写操作的 MCP 插件版本AI 老是生成不存在的方法项目扫描缓存过期重启 Host 或刷新 MCP 连接让 AI 重新拉取项目结构导入插件后编译报错Unity 版本不兼容查看插件 Release 说明换对应版本源码导入4.2 避坑心得三条保命原则用了几周之后我总结了三条“保命”原则你在实操中务必记住。第一给 AI 大范围修改权限前先提交版本或备份场景。AI 虽然能力很强但判断并不总是符合你的预期。比如你让它“优化所有物体的名称”它可能把一些脚本里用名字引用的对象也重命名了导致运行时找不到对象。第二不要完全信任 AI 生成的序列化数据。它生成的 Prefab 或 ScriptableObject 数据偶尔会因为序列化字段类型不匹配而出现问题特别是在 Unity 2019 和 2021 之间切换的时候。建议 AI 改完数据后自己在 Inspector 里快速检查一遍。第三Host 配置改动后一定要彻底重启。我遇到比较多的问题是修改 MCP Server 地址或端口后很多 AI 工具不会自动刷新还是去连旧地址。如果发现 AI 一直调不到新工具先把 Host 进程完全退出再重新打开。4.3 常见 prompt 写法技巧MCP 用得好不好一半看工具一半看 prompt。同样是“生成巡逻脚本”不同的说法差异巨大。低效 prompt“帮我写一个简单巡逻脚本。”高效 prompt“在 Assets/Scripts/AI 下生成一个名为 PatrolController 的 C# 脚本继承 MonoBehaviour。提供 patrolPoints 数组、moveSpeed、waitTime 参数到达点后等待 waitTime 再前往下一个点自动将 Transform 同步到 NavMeshAgent 的 destination。生成后挂到场景中所有名为 Enemy 的对象上。”区别很明显。MCP 能做的远不止“给你代码”它还能让 AI 操作游戏对象、创建菜单、批量改资源。只要把需求描述得足够具体它就能完成非常沉重的工作。另外一个小技巧在 prompt 里让 AI “先用工具读取场景再输出结论”能避免它基于记忆和幻觉给出不匹配的答案。4.4 什么时候不要用 MCP虽然我推荐 Unity 开发者配置 MCP但它总有边界。当你的 Unity 版本特别老旧比如 2018 或更早大部分 MCP 插件需要高版本 API 支持可能无法运行。这种情况下用传统 AI 对话辅助反而更稳妥。当项目涉及大量视觉调整时MCP 能读取的仅仅是数据和结构信息它无法替代你观察 Game 视图来判断角色的跳跃手感是否合适。你可以让它帮你写一个调参面板但最终的“手感”还是得自己反复调。当项目还没引入版本控制时MCP 的风险会更高。因为 AI 的大范围资产修改无法一键回滚一旦它操作错误恢复成本比手工操作大得多。务必先把项目纳入 git 或其他团队协作软件再考虑。4.5 在 Mac 和 Windows 上的差异别被端口卡住Unity-MCP 在跨平台使用中最大的差异往往不是功能本身而是系统网络权限和防火墙。在 Windows 上Unity 监听本地端口时Windows Defender 防火墙可能弹出提示如果点取消连接就会失败。解决方法是到防火墙设置里手动添加允许规则或者临时关闭防火墙测试。在 Mac 上大多不需要额外设置但如果启用了系统防火墙第一次也可能询问是否允许连接。另外在 Mac 上如果你同时在本地跑多个 Unity 项目注意 MCP 服务端口不要冲突。我在跑两个 Unity 编辑器实例时一次因为端口被第二个实例抢占导致 Host 连接到了错误的项目上折腾了很久才发现。5. 从入门到进阶MCP 工具清单和自动化场景实战5.1 我最常用的 MCP 工具清单一开始我也不清楚到底有哪些工具可用后来发现只需要记住几个最常用的就够了。绝大多数 MCP 插件至少提供这些工具能力get_scene_hierarchy获取当前打开场景的 GameObject 层级结构get_selected_object/get_object_details获取选中对象及其组件、属性信息find_objects_by_name按名称模糊搜索场景对象create_gameobject/delete_gameobject创建或删除 GameObjectmodify_component修改组件属性run_editor_menu触发编辑器菜单命令如运行、暂停、停止list_assets/search_assets搜索项目资源create_script生成 C# 脚本文件到指定路径get_console_logs读取 Console 日志每个工具其实都是编辑器 API 的封装理解这一点后你甚至可以自己在 MCP Server 源码里加自定义工具。比如我加了两个工具generate_sprite_atlas和build_asset_bundles这样在 Host 里直接说“生成图集”或“打 AssetBundle”AI 就会自动调用。这种二次开发和定制能力才是 Unity-MCP 真正值钱的地方。5.2 工作流黑话从一次性指令到持续 Agent用多了之后你会发现 MCP 前提下写 prompt 不再是一问一答而是可以构造一个持续 Agent 工作流。比如你有一个新关卡需要搭建可以这样描述目标在场景中创建一个名为 “Level_01” 的空 GameObject 作为根节点在根节点下创建地面、围墙、光源、玩家出生点、敌人出生点为地面添加 BoxCollider为玩家出生点添加一个空子物体并命名为 “SpawnPoint”生成一个脚本LevelGenerator读取出生点位置列表并输出到控制台完成后在场景中生成一个 Preview Cube 标记每个位置。按这个清晰指令AI 可以一口气完成步骤 1-5。它不一定每次完美执行但你可以让它逐步执行并汇报进度。工作中我会说“先执行前三步完成后暂停等我确认再继续”这样既保留了对流程的控制力也让 AI 成为真正意义上的开发助手。5.3 可用性和安全性让 MCP 更像一个真实协作者最后再说说“使用边界”这件事。MCP 让 AI 能直接调用你的编辑器 API这比普通聊天工具的风险更高。建议只在开发期启用构建 CI 或真机调试时不要开启服务。同时不要在公开的 Host 对话中暴露敏感的项目路径、公司内部命名或资源名因为它会把信息发送给 AI 服务商。如果项目里有大量敏感业务逻辑建议使用本地部署的 AI 模型来配合 MCP。很多支持 MCP 的 Host 已经可以本地模型配置这样既保留项目上下文也能规避数据安全疑虑。尤其是做外包项目或开发保密产品时这是更稳妥的方案。5.4 最后分享一个小技巧如果你只想先试试水我建议你今天就花十分钟做这个实验装好 Unity-MCP 后打开任意一个小场景问 AI 一个问题“请列出当前场景所有挂载了 Collider 的对象并说明它们的碰撞类型。”即使你暂时不需要这个功能看到 AI 能准确描述你的项目时那种“它真的懂我的场景”的感觉会指引你思考下一步的自动化方向。我在实际使用中最深的感受是每次开始一个新的 Unity 项目第一时间把 MCP 环境配好已经成为我比安装插件还要优先的工作。它节省的不仅是写代码的时间更是沟通上下文的时间。以前向同事解释项目结构要写半天文档现在直接让 AI 自己看项目里边边角角的问题都能更快暴露出来。这中间当然也有翻车的时候比如一次大范围批量修改把整个场景地形重置了但就是从踩过的这些坑里我摸索出了更安全的修改习惯先备份、给 AI 明确的文件路径和范围限制、逐步执行。MCP 不是一个完美的工具但它把 AI 从一个“只说不做”的建议者变成了一个“能干活、但需要你盯着”的执行者这个变化对 Unity 开发效率的提升是实打实的。