UnityMCP+Claude+VSCode,构建最强AI游戏开发环境

UnityMCP+Claude+VSCode,构建最强AI游戏开发环境
请添加图片描述

请添加图片描述

前言

  • 本篇文章来介绍使用 UnityMCP+Claude+VSCode,打造一个更智能、高效的游戏开发工作流。
  • 借助MCP工具,Claude可以直接与Unity编辑器进行双向指令交互,开发者则可以直接使用自然语言进行Unity游戏开发。
  • 这一组合充分利用了AI的代码生成、问题诊断与创意辅助能力,极大提升了Unity项目的开发效率与质量。

一、UnityMCP+Claude+VSCode,构建最强AI 游戏开发环境

1.1 介绍

在之前文章中已经详细介绍过在使用UnityMCP之前需要做的步骤,包括MCP的安装和配置都有介绍。
【Unity-AI开发篇】| Unity-MCP最新指南:让AI接管游戏开发

下面这几样还是必须安装的,这里再提一下:

  • Git CLI:用于克隆服务器代码。下载 Git
  • Python:3.12 或更高版本。下载 Python
  • Unity Hub 及编辑器:2020.3 LTS 或更高版本。下载 Unity
  • uv(Python 包管理器):pip install uv # 或参考:https://docs.astral.sh/uv/getting-started/installation/
  • 支持MCP的AI客户端:(Claude Desktop、Cursor、VSCode等)

上篇文章介绍的是在Trae中使用UnityMCP,本篇文章则着重介绍一下在VSCode中接入Claude和UnityMCP进行游戏开发。

1.2 使用说明及下载

除了本文使用的CoplayDev UnityMCP之外,还有很多其它UnityMCP可以使用,后面有时间会看下别的MCP,在使用和功能上有什么差异。

工具地址介绍
unity-mcp(本文使用)https://github.com/CoplayDev/unity-mcpstar:7.2k,持续更新中
Unity-MCPhttps://github.com/IvanMurzak/Unity-MCPstar:1.4k
CoderGamester - mcp-unityhttps://github.com/CoderGamester/mcp-unitystar:1.5k
zoucdr - unity3d-mcphttps://github.com/zoucdr/unity3d-mcp/tree/masterstar:44

二、VSCode配置

2.1 连接UnityMCP

在Unity中通过 Window → MCP For Unity 打开相关面板,Client选择VSCode然后点击Start Server开启连接。

在这里插入图片描述

然后在VSCode中会出现一个MCP服务器(unityMCP),这个时候点击启动服务器,查看控制台输出一切正常。

在这里插入图片描述
在这里插入图片描述

此时跟VSCode内置的AI聊天可以看到UnityMCP已连接完成。

在这里插入图片描述

如果不打算连接Claude,那此时就可以通过VSCode进行Unity的AI开发了,后面来接入Claude进行使用。

2.2 在VSCode中添加插件

在VSCode中添加UnityClaude Code For VS Code插件,如下所示:

在这里插入图片描述

此时在VSCode中会出现Claude的对话按钮,点击这个按钮即可打开ClaudeAI对话框。

在这里插入图片描述

如果Claude没安装的话应该不能使用Claude对话,下面简单介绍下Claude的安装。

2.3 Claude安装

# 1. 检测 npm 的版本(需要安装node.js)> npm -v # 2. 查看 npm 的全局安装路径(可选) > npm config get prefix # 3. 返回的 npm 全局安装路径(不同的用户不一样)> D:\mywork\node-v23.8.0\node_global # 4.修改全局安装路径(可选) > npm config set prefix "D:\npm-global"# 5. 将 npm 的全局安装路径配置到系统的 PATH 变量。(可选)# 如果已经配置则忽略,如有不懂的可自行查找资料。# 为什么需要配置到 PATH 变量,这是因为 npm 会将 claude 命令安装到全局安全环境路径下# 配置了 PATH 之后,则可以在系统的任意控制台执行 claude 命令# 6. 执行 npm 命令安装 claude code cli。(关键)> npm install -g @anthropic-ai/claude-code # 7.验证安装> claude --version > claude --help # 等待上面的安装完毕即可,如果因为网络原因无法安装,则可以调整 npm 的镜像地址到国内。
在这里插入图片描述

为了方便地在不同API Key之间切换 ,这里推荐下载一个cc-switch使用。

github 安装地址:https://github.com/farion1231/cc-switch/releases

安装完成之后,在cc-switch中配置好自己购买的的模型即可。

2.4 VSCode MCP配置

在自己的Unity工程目录下创建一个.mcp.json文件,文件内容如下:

{"mcpServers":{"unityMCP":{"type":"http", "url":"http://localhost:8080/mcp"}}}
在这里插入图片描述


这一步必须创建这个文件,不然Claude检测不到UnityMCP,就没办法使用了。

2.5 使用Claude开发功能

第一次使用Claude时,在Claude对话窗口中先执行/init,这样AI就会输出更符合自己项目的功能。

可以在对话框中输入 /mcp 选择MCP server 查看UnityMCP是否连接正常。

如下图所示即可正常使用:

在这里插入图片描述

在对话框中尝试输入这样的提示词:Create a red, blue and yellow cube

在这里插入图片描述


在这里插入图片描述

或者尝试这样说:帮我在AIScene中创建一个平面和一个角色,角色支持WASD移动,移动速度为5

在这里插入图片描述


在这里插入图片描述

这样角色就创建好了,运行之后按WASD就会按指定速度进行前后左右移动。

这样就算跑通了UnityMCP+Claude+VSCode开发游戏的整个流程,后面就可以直接在对话框通过自然语言让AI来开发游戏了。

而Claude强大的地方在于我们可以添加各种SkillMCP,定制化开发自己的游戏项目。

Claude+MCP 把AI从"聊天机器人"变成了能操作电脑上各种工具的智能体,让我们可以把AI当做自己的同事,让其帮自己干活~


三、相关问题

在第一次使用时遇到的问题可能是MCP和Claude的配置问题,导致使用Claude对话时没办法正确调用unityMcp的功能,可能会显示MCP未连接。

1.Unity项目根目录添加 .mcp.json 文件,内容如下所示:

{"mcpServers":{"unityMCP":{"type":"http","url":"http://localhost:8080/mcp"}}}

2.在vscode的全局目录 C:\Users\Administrator\AppData\Roaming\Code\User 下配置一个 mcp.json 文件,这样所有的项目工程都能读到这个mcp工具的配置。

{"mcpServers":{"unityMCP":{"url":"http://localhost:8080/mcp","type":"http"}},"servers":{"unityMCP":{"url":"http://localhost:8080/mcp","type":"http"}}}

3.如果Claude一直检测不到UnityMCP的连接,可以直接在对话框中跟它对话,问AI为什么没有连接,然后一步步引导AI去排查原因即可。

4.Claude关于MCP连接的文档。通过 MCP 将 Claude Code 连接到工具:https://code.claude.com/docs/zh-CN/mcp

5.Python和uv没办法正常使用。在Unity中点击StartServer时不能弹出正确的弹窗,而是提示无法打开指定的文件之类的内容,则需要看下python的环境变量有没有配置,或者把报错内容直接发给AI进行诊断排查即可。


总结

  • UnityMCP + Claude + VSCode 的组合,将AI的认知能力与Unity的创作能力深度融合,重新定义了游戏开发的效率边界。
  • 无论是独立开发者还是小型团队,都能借助这一环境快速验证想法、减少技术债务,将更多精力聚焦于创意本身。
  • 未来随着AI模型的进化与MCP生态的完善,这一模式有望成为游戏开发的标准配置。
  • 后面会尝试全程使用这套配置进行小游戏开发,验证不写代码完成整个游戏的开发可行性。

🎬 博客主页:https://xiaoy.blog.ZEEKLOG.net🎥 本文由 呆呆敲代码的小Y 原创 🙉🎄 学习专栏推荐:Unity系统学习专栏🌲 游戏制作专栏推荐:游戏制作🌲Unity实战100例专栏推荐:Unity 实战100例 教程🏅 欢迎点赞 👍 收藏 ⭐留言 📝 如有错误敬请指正!📆 未来很长,值得我们全力奔赴更美好的生活✨------------------❤️分割线❤️-------------------------
请添加图片描述
请添加图片描述
请添加图片描述
请添加图片描述

资料白嫖,技术互助

学习路线指引(点击解锁)知识定位人群定位
🧡 Unity系统学习专栏 入门级本专栏从Unity入门开始学习,快速达到Unity的入门水平
💛 Unity实战类项目 进阶级计划制作Unity的 100个实战案例!助你进入Unity世界,争取做最全的Unity原创博客大全。
❤️ 游戏制作专栏 难度偏高分享学习一些Unity成品的游戏Demo和其他语言的小游戏!
💚 游戏爱好者万人社区 互助/吹水数万人游戏爱好者社区,聊天互助,白嫖奖品
💙 Unity100个实用技能Unity查漏补缺针对一些Unity中经常用到的一些小知识和技能进行学习介绍,核心目的就是让我们能够快速学习Unity的知识以达到查漏补缺

Read more

AskGo:免费使用顶级AI的宝藏网站(Gemini 3、GPT 5.1、DeepSeek)

AskGo:免费使用顶级AI的宝藏网站(Gemini 3、GPT 5.1、DeepSeek)

这几年,AI大模型可谓是极速迭代,在激烈的竞争下,国内的AI大模型能力也有了质的飞跃,如通义千问、豆包、GLM、Kimi等。 但其实国外的AI大模型目前依然呈领先趋势,只是很多人在国内无法使用。 那么今天给大家推荐一个能够同时使用国内外顶级AI的网站——AskGo! AskGo集成了ChatGPT、DeepSeek、Gemini、Claude、Grok等数十个顶尖大模型,覆盖聊天、搜索、深度阅读、创意写作、程序开发、专业翻译、图像生成及视频生成等全场景。无需再做选择题,你可以随时利用最前沿的AI技术解决复杂问题。 AskGo为您提供「一站式AI」综合解决方案: ✅ 国内直接使用数十款顶级AI。包含GPT 5.1、Gemini 3 pro、Claude 4.5、Grok 4.1、DeepSeek满血版、Nano Banana Pro、GPT-4o绘图、Sora2、Veo3.1等顶级模型。

Amazon SageMaker 部署 AIGC 应用:训练 - 优化 - 部署 - Web 前端集成应用实践

Amazon SageMaker 部署 AIGC 应用:训练 - 优化 - 部署 - Web 前端集成应用实践

Amazon SageMaker 部署 AIGC 应用:训练 - 优化 - 部署 - Web 前端集成应用实践 背景 Amazon SageMaker 汇集广泛采用的亚马逊云科技机器学习和分析功能,统一访问所有数据,为分析和人工智能提供一体式体验,使用亚马逊云科技机工具进行模型开发、生成式人工智能、数据处理和 SQL 分析,在融通式合作开发工作室中加快协作和构建,借助强大的生成式人工智能软件开发助手 Amazon Q 开发者版提升效率,无论数据存储在数据湖、数据仓库,还是第三方或联合数据来源中,均可访问所有数据,同时内置治理功能可满足企业安全需求。 前言 本文将通过 Amazon SageMaker Notebook 实例完成 AIGC 模型的测试与验证,再将模型部署至 Amazon SageMaker Inference Endpoint 实现服务化,最后利用 Amazon

2026年最新爆火!9款免费AI写论文工具实测,精准控制AIGC率无压力!

2026年最新爆火!9款免费AI写论文工具实测,精准控制AIGC率无压力!

紧急预警:2026投稿季倒计时!你还在为论文熬夜崩溃? 2026年学术圈投稿窗口已进入最后30天冲刺期——导师催稿邮件刷屏、查重AIGC率卡线、文献综述写得逻辑混乱、数据图表半天做不出来……深夜三点的实验室里,你是不是还在对着空白文档发呆? 现在!学术圈已经集体进入「AI提速赛道」——晚用1天,可能就被同行抢发成果;AIGC率超标0.1%,就可能前功尽弃。别再死磕传统写作法了!本文实测9款2026年爆火的免费AI论文工具,帮你24小时内搞定初稿、1小时降重达标、30分钟理清逻辑,精准控制AIGC率,抢在截稿日前「无痛交稿」! 9款免费AI论文工具核心参数对比(2026年实测版) 为了帮你快速锁定「救命工具」,我们整理了9款工具的核心功能、AIGC控制能力、适用场景对比表——直接抄作业,不用浪费时间试错! 工具名称核心功能AIGC率控制能力适用场景紧急救援指数PaperTan30分钟出万字初稿、双降重、交叉引用全自动★★★★★(精准可调)毕业论文/期刊投稿(全流程)10/10玄域AI工具集3000+AI工具导航、一键直达官网——(工具聚合)快速找工具(写作/绘图/

Cogito-v1-preview-llama-3B效果展示:多模态思维链(CoT)生成可视化

Cogito-v1-preview-llama-3B效果展示:多模态思维链(CoT)生成可视化 最近在探索各种开源大模型时,我遇到了一个挺有意思的模型——Cogito-v1-preview-llama-3B。这个模型最吸引我的地方,是它号称能在回答问题时,把思考过程“可视化”出来。这听起来有点玄乎,但实际用下来,发现它确实有点东西。 简单来说,Cogito-v1-preview-llama-3B是一个只有30亿参数的小模型,但它有个特别的能力:不仅能直接给出答案,还能在回答前先“自我反思”一番,然后把整个思考链条展示给你看。这种“思维链”功能,通常只在那些动辄几百亿参数的大模型里才能看到,现在居然在一个3B的小模型上实现了,这本身就挺让人惊讶的。 我花了一些时间测试这个模型,发现它的效果确实超出了我的预期。它不仅在各种标准测试中表现不错,更重要的是,它的“可视化思考”功能,让我们能真正看到模型是怎么一步步推理出答案的。这对于理解模型的决策过程、排查错误,甚至教学演示,都很有价值。 1. 模型核心能力概览 Cogito-v1-preview-llama-3B虽然参数规模不大,