网格 AI MCP 服务器

这是一个用于与 网格 AI API 交互的 Model Context Protocol (MCP) 服务器。它提供了生成 3D 模型、应用纹理以及优化模型的功能。

功能

• 从文本提示生成 3D 模型
• 从图像生成 3D 模型
• 在 3D 模型上应用纹理
• 重新网格化和优化 3D 模型
• 实时流式传输任务进度
• 列出并检索任务
• 查看账户余额

安装

1. 克隆此仓库：

   git clone https://github.com/pasie15/scenario.com-mcp-server
   cd meshy-ai-mcp-server
   

2. （推荐） 设置虚拟环境：

   使用 venv:

   python -m venv .venv
   # 在 Windows 上
   .\.venv\Scripts\activate
   # 在 macOS/Linux 上
   source .venv/bin/activate
   

   使用 Conda:

   conda create --name meshy-mcp python=3.9  # 或你偏好的 Python 版本
   conda activate meshy-mcp
   

3. 安装 MCP 包：

   pip install mcp
   

4. 安装依赖项：

   pip install -r requirements.txt
   

5. 创建一个 .env 文件并添加你的网格 AI API 密钥：

   cp .env.example .env
   # 编辑 .env 并添加你的 API 密钥
   

使用方法

启动服务器

你可以使用以下命令启动服务器：

python -m mcp.server --port 8081

默认情况下，服务器将在 8081 端口上运行。你可以在 MCP_PORT 环境变量中指定其他端口。

示例

生成一个 3D 模型

from mcp.client import MCPClient

client = MCPClient()
result = client.use_tool(
    "meshy-ai",
    "create_text_to_3d_model",
    {
        "request": {
            "mode": "preview",
            "prompt": "a monster mask",
            "art_style": "realistic",
            "should_remesh": True
        }
    }
)
print(f"任务 ID: {result['id']}")

检查任务状态

from mcp.client import MCPClient

client = MCPClient()
task_id = "your-task-id"
result = client.use_tool(
    "meshy-ai",
    "retrieve_text_to_3d_model_task",
    {
        "task_id": task_id
    }
)
print(f"状态: {result['status']}")

配置

你可以通过环境变量配置服务器：

• MESHY_API_KEY: 你的网格 AI API 密钥（必需）
• MCP_PORT: 服务器监听的端口（默认：8081）
• TASK_TIMEOUT: 流式传输任务时的最大等待时间（默认：300 秒）

许可证

该项目使用 MIT License 许可，详细内容请查看 LICENSE 文件。