Stefan Vaskevich
GPT-6 Astra 是不是眼下做 3D 最强的模型？是，毫无悬念，而且质量的跃升非常大。 但如果你只是开箱直接用，可能根本察觉不到，因为聊天窗口看不到你的场景， 跑不了你的游戏，也生成不了资产。配上合适的工具和 MCP 服务器，它才会变成 真正的魔法，而这些工具大多完全免费。下面就是我实际在用的配置：一个智能体加九个免费工具，外加八项测试， 展示它在 Blender、Unity、Godot、Unreal Engine 5.8 和 Three.js 里能做出什么。
这是一份清单，不是手把手的教程。每一项都写了链接、它能做什么、我怎么装， 以及它凭什么在我的机器上占一个位置。视频里逐个过测试；这个页面则是所有链接 集中存放的地方。
观看测试和配置过程
每一步安装、每一条提示词、每一个结果，都在 YouTube 上。
工具栈一览
九项，全部免费安装。工具数量是我机器上 Codex 执行 /mcp 后报告的数字； 随着版本更新，你那边的数字会变。
| 工具 | 类型 | 它带来什么 | 规模 |
|---|---|---|---|
| Codex CLI | 智能体 | 运行 GPT-6 Astra 的终端智能体，下面所有 MCP 服务器都挂在它上面。 | 基础层 |
| Higgsfield Blender plugin | 插件 + MCP | 通过 MCP 控制 Blender，并把生成的 3D 模型、图像和视频直接放进场景。 | 控制 + 生成 |
| Blender MCP (official) | MCP | Blender 基金会官方出品、架在 Python API 之上的服务器。和 Higgsfield 并行运行毫无问题。 | 26 个工具 |
| Higgsfield CLI | CLI + 技能 | 在终端里生成图像和视频，30+ 个模型，不用管理任何 API 密钥。 | 9 个技能 |
| Unity MCP (AnkleBreaker) | MCP | 最完整的 Unity 服务器：场景、物理、地形、性能分析、构建。免费开源。 | 330+ 个工具，暴露约 80 个 |
| Godot MCP | MCP | 启动编辑器、运行项目、读取控制台输出、管理场景和节点。 | 14 个工具 |
| VibeUE (UE 5.8 branch) | MCP + 技能 | 在 Unreal Engine 5.8 原生 MCP 的基础上扩展出地形、Niagara、UMG、音频和性能分析。 | 约 36 个技能包 |
| img2threejs | 技能 | 输入一张参考图，输出一个可交互的程序化 Three.js 模型。不涉及任何网格文件。 | 8 阶段流水线 |
| fal.ai MCP | MCP | 模型覆盖面最广：图像、视频、音乐、音效。你选模型，它来跑。 | Codex 中 11 个工具 |
1. Codex CLI：基础层
我的第一条建议：安装并使用 Codex CLI，而不是 ChatGPT 桌面应用或 Codex 桌面应用。它看起来像是更难的那条路。恰恰相反： 一旦它在某个文件夹里跑起来，添加任何 MCP 服务器或技能都会变成最轻松的事。
安装，然后在任意文件夹打开终端
安装就是文档页上的一行命令，你也可以让 ChatGPT 一步步带你装。最终的用法是： 新建一个文件夹，在资源管理器地址栏输入 cmd（或者在 PowerShell 里进入该目录），然后运行 codex。之后的一切都通过 斜杠命令完成。把模型设为 gpt-6-astra，推理强度设为 xhigh；下面所有测试跑的都是这个组合。
curl -fsSL https://chatgpt.com/codex/install.sh | sh
cd <your-project-folder>
codex --dangerously-bypass-approvals-and-sandbox # "YOLO mode", see below我喜欢它的主要原因：加上 bypass 参数后，智能体不会每一步都来问你批准， 直接埋头干活。到目前为止我没遇到过问题；真要说的话，GPT-6 反而问得太多， 老是确认要不要多花额度。把它限制在一个坏了也无所谓的文件夹里，真正的项目 放在别处。
把链接丢进会话，就能安装 MCP 服务器
这就是 CLI 给你的东西：本文里的每一个工具，我都是把链接粘贴到 Codex 会话里， 说一句“把这个 MCP 装到这个文件夹里”。智能体读 README、写配置、完成连接。 大多数 MCP 设置都在同一个配置文件里，技能则统一放在一个 skills 文件夹。 我专门留了一个智能体文件夹，里面记着我的工作流笔记，永远从那里启动智能体， 并且永远给它们完全访问权限。
输入 /mcp 查看哪些已连接、 每个服务器暴露了多少工具。如果某一项显示 failed，直接问 Codex 为什么。 它会去读自己的日志和文档，我的 Higgsfield 连接就是这样修好的，我连配置文件 都没打开。作为参考，每一项安装的手动形式都是 codex mcp add <name> -- <command>。
2. Blender：Higgsfield 插件加官方 MCP
Blender 是我花时间最多的地方，两个工具就能覆盖。单用 Higgsfield 插件可能就够了； 它的功能比原生 MCP 多得多。但两个可以同时跑，我的智能体把这一对配合得很好。
Higgsfield Blender 插件（及其 MCP）
Higgsfield Blender 插件是免费的。只有在里面生成 3D 模型、图像或视频时才消耗额度。安装：下载 zip， 打开 Blender，Edit → Preferences → Add-ons → 那个小箭头按钮 → Install from Disk，选中 zip，不要解压。然后启用它，出现登录按钮时登录；它会把你带到网站 授权，就这么简单。
它给你的智能体的，是一个带有大量 Blender 控制工具的 MCP，外加 3D 模型生成、 图像生成和视频生成，全部在同一个会话里。没错，生成会消耗额度。但我不知道 有什么免费的办法能把 3D 生成接进智能体，GPT-6 自己只能生成图像，而且我更 愿意有得选：里面有一个专做风格化游戏贴图的模型，Unity 测试期间 GPT-6 自己 就主动调用了它。
官方 Blender MCP（Blender Lab）
Blender Lab MCP 服务器是 Blender 基金会官方通往 Python API 的桥梁，内置文档查询。需要 Blender 5.1 或更新版本。把那个页面上的安装链接拖进 Blender 两次（一次添加 Blender Lab 仓库，一次安装插件），然后在侧边栏确认服务器确实在运行：它偶尔会停掉。 它监听 9876 端口，在 Codex 里显示为 26 个工具。
codex mcp add blender \
--env BLENDER_MCP_HOST=localhost --env BLENDER_MCP_PORT=9876 \
-- uvx --from 'git+https://projects.blender.org/lab/blender_mcp.git@v1.0.0#subdirectory=mcp' blender-mcpHiggsfield CLI，在 Blender 之外做生成
Higgsfield CLI就是同一个账号在终端里的形态：30+ 个模型，图像最高 4K，视频最长 15 秒， 通过 Soul 保持角色一致，登录一次就行，不需要 API 密钥。三条命令，再加上 skills 仓库带来的九个智能体技能（生成、产品图、缩略图、讲解视频、浏览器 游戏）。Unity 测试里生成的每一个模型都是通过这个 CLI 来的。
npm i -g @higgsfield/cli
higgsfield auth login
npx skills add higgsfield-ai/skills3. 游戏引擎：Unity、Godot 和 Unreal Engine 5.8
如今每个引擎都有好几个 MCP 服务器。下面是我留下的三个，每个引擎一个， 全部免费开源。
Unity：AnkleBreaker Unity MCP Server
AnkleBreaker Unity MCP Server 出自我社区里的一位成员之手，他们下了很大功夫：30+ 个类别、330+ 个工具 （场景、GameObject、组件、物理、地形、NavMesh、粒子、UI、性能分析、构建， 甚至 Unity Hub）。约 70 个核心工具始终暴露，其余通过代理按需加载，所以 Codex 报告的是 80 个左右，而不是 330。智能体工作时它不会卡住编辑器。 这是我测过的最好、最高效的 MCP 之一，比一些付费的还强。
安装，简单说：新建一个 Unity 项目（内置的 AI 选项别勾，我用着效果不好）， 打开 Window → Package Manager → 加号按钮 → Install package from git URL， 粘贴 README 里的插件 URL，Install。不用重启。然后把 README 里的配置说明 复制到你的 Codex 会话，剩下的它自己搞定并连上 Unity。要求：Node.js 18+， Unity 2021.3 LTS 或更新版本（包括 Unity 6）。
为什么重要：有了这个服务器，GPT-6 会和编辑器来回交互，运行游戏、写测试、 自己试玩。同样的循环我之前用 Fable 5.1 测过；GPT-6 在这方面完全是另一个 层级。
Godot：Coding-Solo Godot MCP
Godot MCP 是最省事的一个，而且非常高效。把链接发给 GPT-6，让它安装就行。有趣的是： 它甚至不需要装好 Godot 就能开始搭建 Godot 项目；只有要在编辑器里打开成品 时才需要 Godot。Codex 里有 14 个工具（启动编辑器、运行和停止项目、捕获 调试输出、创建场景、添加节点、加载精灵图、导出 MeshLibrary 资源、在 Godot 4.4+ 上管理 UID），MIT 许可证，Node 18+。今年早些时候的童年游戏复刻用的就是它。
codex mcp add godot -- npx @coding-solo/godot-mcp
# optional: --env GODOT_PATH=<path to the Godot executable>Unreal Engine 5.8：VibeUE，5-8 分支
我的选择仍然是 VibeUE。 它和 Unreal Engine 5.8 自带的原生 MCP 服务器协同工作，大概是眼下最好的 组合，并在官方工具集止步的地方继续延伸：地形和植被、基于 GPS 的真实地貌、 MetaSound 和 SoundCue 图表、动画资产、带自定义 HLSL 的 Niagara 发射器、 带 MVVM 绑定的 UMG 控件、蓝图、行为树、可安全撤销的事务，以及基于 Unreal Insights 追踪的性能分析。它注册了大约 36 个技能包，让智能体知道 该用哪个工具。
Unreal Engine 5.7 或更低版本，就单独用 VibeUE；它是我测过的最好的免费 开源选项。它要求注册，但保持免费。三步：启用引擎的原生 MCP 插件（Unreal MCP、Toolset Registry、Editor Tools），把 VibeUE 克隆到 Plugins/ 并运行构建脚本， 然后在编辑器控制台生成客户端配置；Codex 是它支持生成配置的客户端之一。 引擎那一侧的内容见UE 5.8 原生 MCP 文章。
4. Web 与生成：img2threejs 和 fal.ai
img2threejs：一张照片变成可交互的 Three.js 模型
如果你常刷 X，肯定见过那些示例。img2threejs 是一个技能，不是服务器：给它一张参考图，它会用 TypeScript 把物体重建成 程序化的 Three.js——基础几何体、生成的几何和着色器，没有网格文件，随时 可以加动画。它跑的是一条分阶段的流水线（大块体、结构、造型、材质、表面、 光照、交互、优化），每个阶段由脚本把关，模型只在视觉判断上花 token。 Python 3.10+，只用标准库，Apache 2.0，除了 Claude Code 和 OpenCode， 也支持 Codex。
从 CLI 安装简单得离谱：复制仓库链接，丢进会话，说一句“安装这个技能”。 我的测试是一台老式 Underwood 打字机，而且必须能操作：在 3D 里点击按键， 字就打到纸上。造型不是百分之百准确，侧面的键有点歪，但看着像样，而且 真的能用：我可以在上面打字。用这个技能的正确方式是一步一步来：先做造型， 再做按键，然后加这个、加那个，手动引导它。你能走得很远。
fal.ai MCP：模型覆盖最广，前提是你知道自己要什么
再给一条通用建议：如果你想让智能体接入大量 API，可以考虑 fal.ai MCP 服务器。 它需要一个 fal.ai API 密钥，提供的模型范围大概是最广的：音乐、音效、视频、 图像等等，覆盖 fal 的 600+ 个端点，内置模型发现和价格查询。Codex 里 11 个 工具，MIT 许可证，Python 包或 Docker。
代价是：和 Higgsfield MCP 不同，它没有把模型以开箱即用的方式整齐地暴露 出来。你得告诉智能体什么用途该用哪个具体模型，这会花更多时间。如果你已经 配置过一次，并且清楚自己需要哪些模型，它是个不错的选择。我的Claude + Blender 配置出于同样的原因也依赖它。
pip install fal-mcp
codex mcp add fal-ai --env FAL_KEY=<your_fal_key> -- fal-mcp5. 八项测试来证明
每项测试都是一份书面任务书，带一条硬性规则（用哪个引擎、哪些工具、屏幕上 必须保留什么）、一份测量项清单，以及一套流程：要么是带我反馈的迭代会话， 要么是一份冻结的任务书，智能体必须自己搭建、检查、修复和验证。
Mr Mak 64 是最该先看的一个。我让 GPT-6 复刻我童年的游戏《超级马里奥 64》，主角换成我自己的 Mr Mak：N64 风格的 第三人称平台跳跃游戏，漂浮的天空岛，五顶可获得的帽子，一百个按钮，会惩罚 你的敌人，还有一个可以找到的秘密。我用 AI 测试游戏制作已经有一阵子了， 这是迄今最好的结果，尤其是它对空间的理解。不完美（奔跑动画的权重有点坏）， 但趋势才是重点。277 次模型请求，两个半小时，3000 万 token。
Pickle Trials 是我小时候玩的摩托攀爬 游戏，套上了卡通科幻的外壳，同样的配置，资产生成不设上限。我学到的一件 趣事：GPT-6 心疼我的钱。它生成的资产比它能生成的少，转而自己做程序化的 东西，所以我七八条追加提示词里有一条就是原话“多生成一些图像和 3D 资产” （主任务运行时你可以在 CLI 里继续下指令，而且能一边它还在做一边试玩构建 版本）。它还自己在一个 Blender 文件里把酸黄瓜绑到了摩托上。两小时，1700 万 token，它说做完的时候我一个 bug 都没报。它自己先把游戏玩了一遍。
Spell Arena 源自 X 上的一个帖子， 有人用 GPT-6 测试了 VFX，我必须试试。纯 Three.js，没有资产，全部程序化， 重点全在 VFX：沿直线施放的法术、一个会扭曲画面并压碎目标的程序化黑洞 （一个复杂的着色器）、一团火焰、一场风暴。它不只是做出了特效；还给每个 特效配了控制面板——颜色、时序、贴图尺寸——所以它用起来像一个游戏开发 工具：调到你满意为止，再搬进你的游戏。冻结的任务书，MAX reasoning，648 项 真实浏览器检查通过，最终构建再加 101 项，1080p 下 p95 帧时间 11.1 ms。
Gummy Balance 的灵感来自大家在 Three.js 里发的果冻实验。一份任务书：一个糖果柜台，24 只半透明小熊软糖、每只 10 g，一台机械天平和一把勺子，抓起或舀起它们，对准 100 g 的参考重量。物理是成立的（两个秤盘都承受真实载荷，五次倒糖都通过了验证），小熊还可以更 Q 弹一些，多花点时间调参就能做到。这是最长的一轮，3 h 12 m、1890 万 token，因为它是从更早的糖果托盘快照上继续做的。Vinyl Shop 收尾：一家复古动漫风唱片店，在 Blender 5.2 里根据一张 2752 x 1536 的参考图重建为可编辑几何体（1,773 个物体、108 张唱片套、一台能用的唱机），外加 12 秒的组装动画和 9 秒的播放循环，用时 1 h 40 m、1120 万 token。四个月前我用 Opus 4.8 和 GPT-5.6 做过同类测试，它们连物体的旋转都摆不对。现在它搭出的场景在镜头透视上是准确的，而它自己的报告也承认与原图并非像素级一致。
花多少钱，用多长时间
八项测试呈现的规律是一样的。瓶颈从来不是模型，而是工具。在你真正使用的 应用里给 GPT-6 Astra 装上眼睛和双手，写一份带可测量终点线的任务书，它就能 交付。把工具拿走，你就又回到了复制粘贴脚本的日子。还有，是的，这类工作我 目前已经从 Claude 换到了 GPT；看着这些每周额度的数字，很难不这么选。
本站相关配置：Claude + Blender 配置、Kimi K3 做十款 Unity 游戏、原生 UE 5.8 MCP，以及Higgsfield 角色设定图技能。
