文章目录
- 前言
- [一、MCP 核心包接入 Unity 编辑器](#一、MCP 核心包接入 Unity 编辑器)
-
- [1、使用Git URL 安装（可选，最新）](#1、使用Git URL 安装（可选，最新）)
- [2、Unity Asset Store 安装（可选，稳定）](#2、Unity Asset Store 安装（可选，稳定）)
- 2、OpenUPM（可选）
- [二、Python 3.10 + 与 uv 环境搭建](#二、Python 3.10 + 与 uv 环境搭建)
-
- [1、安装 Python 3.10+](#1、安装 Python 3.10+)
- 2、Python环境配置
- 3、UV环境配置
- [4、设置MCP For Unity](#4、设置MCP For Unity)
- 三、安装编辑器
- 四、实践开始------一句话做游戏
-
- [1、测试 MCP 基础功能](#1、测试 MCP 基础功能)
- 2、一句话实现一个功能
- 2、一句话生成一个游戏
- 总结
前言
Unity-MCP 是 CoplayDev 开发的基于 Model Context Protocol（MCP）的 Unity 智能开发工具，能让 LLM 通过自然语言直接操控 Unity 编辑器。通俗的讲MCP就是让ai能读懂你的意思并自动化完成任务。
一、MCP 核心包接入 Unity 编辑器
高版本且有外网环境的使用下面第一种方法；
图省事、稳定使用第二种方法。
1、使用Git URL 安装（可选，最新）
- 打开 Unity 编辑器，依次点击「Window → Package Manager」打开包管理器；
- 点击包管理器左上角的「+」号，选择「Add package from git URL...」；
- 输入稳定版地址并确认：https://github.com/CoplayDev/unity-mcp.git?path=/MCPForUnity
可以通过改变url后缀，获取最新的测试版分支，具体以git地址说明为主
2、Unity Asset Store 安装（可选，稳定）
- 访问 Unity Asset Store 中的 MCP for Unity 页面，点击「Add to My Assets」将包加入资产库；
- 回到 Unity 包管理器，切换至「My Assets」标签，找到 MCP for Unity 并点击「Import」完成导入。
2、OpenUPM（可选）
bash
openupm add com.coplaydev.unity-mcp二、Python 3.10 + 与 uv 环境搭建
Unity-MCP 的服务端运行依赖 Python 3.10 及以上版本，且需搭配 uv（新一代 Python 包管理器，由 Rust 编写，比 pip 快 10-100 倍，能自动处理依赖冲突），以下是全系统的安装与配置步骤。
1、安装 Python 3.10+
-
前往Python 官方网站，下载对应系统（Windows/macOS/Linux）的 3.10 + 版本安装包；
-
-
安装时务必勾选「Add Python to PATH」（Windows），macOS/Linux 默认会添加环境变量，无需手动操作；
-
验证安装：打开系统终端，输入以下命令，显示 Python 版本号即安装成功。
bash
python --version2、Python环境配置
如果mcp不识别环境，重启一下电脑。
附：单独配置的方法
选择环境变量
加入如下两条环境变量，环境变量为安装的位置，默认为C盘用户名下的文件夹
改完，重启电脑
3、UV环境配置
进入官方网站，了解到uv 提供全系统通用的一键安装命令，无需手动配置环境变量，操作如下：
windows命令行输入
bash
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
打开unity，如下图所示那么就安装陈昆了
4、设置MCP For Unity
通过unity菜单栏 Window/MCP For Unity/Toggle MCP Window 打开下列面板，点击 Start Server 启动服务
启动成功！
三、安装编辑器
支持mcp的编辑器非常之多，codex、curor、trae等等。
这里以Tare举例，毕竟是国内的，方便且便宜。
首先，我们选择自己的编辑器，然后copy json格式的配置。
打开trae设置
粘贴刚刚复制的json
四、实践开始------一句话做游戏
1、测试 MCP 基础功能
首先打开项目文件夹，我们先验证 AI 是否能正常读取项目结构与文件内容。
本次项目基于 ZM 框架 进行开发。
从截图可以看到，AI 能够自动识别目录结构、读取并解析脚本内容，具备完整的项目上下文感知能力。
2、一句话实现一个功能
可以看到她能够自己创建脚本，自动执行某些逻辑，原理如下图------mcp协议给我们的大语言模型一些能调用api的协议，比如调用debug日志、支持游戏对象管理、脚本创建 / 编辑等操作
2、一句话生成一个游戏
我们新建一个空白场景，直接让 AI 生成俄罗斯方块。
初次生成效果未达预期，这属于正常现象。
俄罗斯方块1.gif
补充更清晰的规则与逻辑描述后，经过简单调整优化，AI 最终成功生成可正常运行的俄罗斯方块游戏。
俄罗斯方块2.gif
总结
AI 在游戏开发中实用性很强，适合快速原型、场景搭建与脚本编写，但面对复杂场景仍存在局限。真正借助 AI 做游戏，离不开自身的架构设计与问题纠错能力。
而开发者的基本功尤为关键：项目立项后，需要确定前后端技术栈、数据库选型、框架适配、插件集成、模块划分，以及每个模块对应的数据结构、算法与设计模式。在使用 AI 的过程中，究竟是完全交给 AI 实现，还是让 AI 编写黑盒逻辑、我们把控整体架构？或是让 AI 参与架构分析、系统设计，再由我们优化代码逻辑，反向迭代架构形成闭环？
这正是 AI 时代开发者必须思考清楚的核心定位问题，你们觉得呢？