内容
# LL3M 智能代理（Monorepo）
用于 Blender 的统一自主 3D 建模系统，基于模型上下文协议（MCP）构建。
[](https://www.youtube.com/watch?v=BnbDg1-be4g)
该项目将 LL3M 研究中的多智能体推理框架与本地 Blender 执行桥集成。它提供了一个可用于生产的栈，用于生成 3D 资产、检查场景层次结构以及通过自然语言执行迭代细化。
## 架构与起源
该系统源自两个基础概念：
- **LL3M（大型语言 3D 建模器）**：一种通过可解释的 Python 代码进行 3D 生成的多智能体方法。[源码](https://github.com/threedle/ll3m)
- **Blender Lab MCP**：官方设想，将 Blender 暴露为大型语言模型的工具。[文档](https://www.blender.org/lab/mcp-server/)
## 系统功能（v3.1）
### 自主建模流程
系统实施结构化的多智能体循环，以确保几何和物理准确性：
- **规划器**：将自然语言请求分解为离散的几何组件和空间需求。
- **编写器**：将建模计划翻译为使用 `bpy` 和 `bmesh` 的模块化 Python 脚本。
- **调试器**：分析执行回溯和视觉反馈，以执行自动错误纠正。
### 本地检索增强生成（RAG）
集成的 Python-based RST 解析器为智能体提供：
- `bpy` 和 `bmesh` 的完全合格的 API 签名。
- 从官方文档中提取的上下文使用示例。
- 大型模块引用的自动截断和导航。
### 场景和对象智能
- **分层总结**：集合、对象可见性和活动选择状态的详细映射。
- **技术检查**：直接访问网格数据、材质节点树和修改器堆栈。
- **视觉反馈**：实时视口截图捕获和高分辨率背景渲染。
## 仓库结构
- `/brain`：Node.js/TypeScript MCP 服务器，处理智能体编排和文档检索。
- `/body`：包含 Blender 桥、建模工具和完整 API RAG 数据集的 Python 环境。
- `/skill`：用于管理自主工作流的 Gemini CLI 技能定义。
## 安装和设置
### 1. MCP 配置
在您的配置文件中注册服务器（例如 `~/.claude.json`）：
```json
"ll3m": {
"command": "node",
"args": ["/path/to/ll3m-agent/brain/dist/index.js"]
}
```
### 2. Blender 插件
- 安装位于 `body/addon/blender_mcp_addon/` 的插件。
- 在插件首选项中启用“启动服务器”（默认端口：9876）。
## 操作
通过提供技术或描述性请求来执行建模循环：
> “使用 ll3m-agent 技能生成一个带有玻璃桌面桌子的简约工业室内场景。”
系统将自动进入计划 → 检索 → 编写 → 执行的循环。
