在Blender-MCP项目中配置多服务器环境的方法
2025-05-22 06:03:39作者:胡易黎Nicole
Blender-MCP是一个用于Blender软件的多服务器控制项目,它允许用户通过配置管理多个服务器实例。本文将详细介绍如何正确配置MCP服务器设置,特别是当遇到点击"添加新全局MCP服务器"时直接打开mcp.json文件而非命令框的情况。
问题现象分析
当用户在Cursor设置中尝试添加新的全局MCP服务器时,系统没有按预期打开命令输入框,而是直接打开了mcp.json配置文件。这表明系统可能已经识别到现有的配置结构,或者默认行为被设置为直接编辑配置文件。
解决方案
正确的做法是通过编辑mcp.json文件来手动添加新的服务器配置。以下是详细步骤和配置示例:
- 打开mcp.json配置文件
- 在"mcpServers"对象中添加新的服务器配置
- 保存文件并重启相关服务
配置示例
以下是一个标准的Blender MCP服务器配置示例:
{
"mcpServers": {
"Blender": {
"command": "uvx",
"args": [
"blender-mcp"
]
}
}
}
在这个配置中:
- "Blender"是服务器的名称标识
- "command"指定了要执行的命令
- "args"数组包含了传递给命令的参数
配置详解
-
服务器命名:可以为每个服务器指定一个唯一的名称,这个名称将用于后续的管理和操作。
-
命令配置:
- "command"字段应设置为实际要执行的命令路径或命令名
- 确保系统PATH中包含该命令,或者提供完整路径
-
参数设置:
- "args"数组中的每个元素都将作为单独的参数传递给命令
- 参数顺序很重要,必须与命令期望的参数顺序一致
注意事项
-
修改配置文件后,可能需要重启Cursor或相关服务才能使更改生效。
-
确保json格式正确,特别是括号和引号的匹配,否则可能导致配置无法加载。
-
对于复杂的服务器配置,可以考虑添加额外的配置项,如环境变量、工作目录等。
-
建议在修改前备份原始配置文件,以防配置错误导致系统无法正常工作。
通过以上方法,用户可以成功地在Blender-MCP项目中配置多个服务器实例,实现更灵活的工作流程管理。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
670
155
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322