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

WIN11必备!QTTabBar中文优化版保姆级安装教程(含常见问题解决)

WIN11效率革命:深度定制你的资源管理器,不止于多标签 如果你和我一样,每天要在Windows的资源管理器里花费大量时间,那你一定对那种反复在层层文件夹中穿梭、找不到上一个窗口的体验深恶痛绝。系统自带的文件管理工具,就像一个功能简陋的毛坯房,勉强能用,但毫无效率与舒适度可言。尤其是升级到WIN11后,虽然界面更现代,但核心的文件管理逻辑依然停留在上个时代,对于追求效率的用户来说,这无疑是一种巨大的生产力损耗。 这篇文章,就是为那些不愿忍受现状,但又不想投入过多精力去学习复杂新软件的WIN10/WIN11用户准备的。我们不讨论那些需要彻底改变操作习惯的“重型”第三方管理器,而是聚焦于一种更优雅、更无感的解决方案:增强你正在使用的资源管理器本身。今天的主角,是一个经过国内开发者精心“魔改”的经典工具——QTTabBar的中文优化版。它就像给你的文件管理器做了一次精装修,保留了熟悉的格局,却赋予了它全新的、高效的能力。接下来,我将带你从零开始,完成这次效率升级,并深入探讨如何根据你的习惯,将它调校成最趁手的工具。 1. 为什么选择增强,而非替换? 在深入安装细节之前,我们有必要先

Java Web HTML问卷调查系统系统源码-SpringBoot2+Vue3+MyBatis-Plus+MySQL8.0【含文档】

Java Web HTML问卷调查系统系统源码-SpringBoot2+Vue3+MyBatis-Plus+MySQL8.0【含文档】

摘要 随着互联网技术的快速发展,在线问卷调查系统已成为企业、教育机构和政府部门收集数据的重要工具。传统的纸质问卷调查方式效率低下,数据统计和分析过程繁琐,而基于Web的问卷调查系统能够实现问卷的快速创建、分发和数据分析,显著提升工作效率。此外,现代用户对系统的交互体验和响应速度提出了更高要求,因此开发一个高效、稳定且用户友好的在线问卷调查系统具有重要的现实意义。关键词:问卷调查系统、Web应用、数据收集、效率提升、用户交互。 本系统采用前后端分离架构,后端基于SpringBoot2框架搭建,结合MyBatis-Plus实现高效数据库操作,MySQL8.0作为数据存储方案,确保系统的高性能和可扩展性。前端使用Vue3框架开发,利用其响应式特性和组件化设计提升用户体验。系统核心功能包括问卷创建、问题管理、用户权限控制、数据统计与可视化分析等,同时支持多终端适配,满足不同场景下的使用需求。关键词:SpringBoot2、Vue3、MyBatis-Plus、MySQL8.0、前后端分离、数据可视化。 数据表设计 问卷信息数据表 问卷信息数据表用于存储用户创建的问卷基本信息,包括标题、

Python爬虫实战:高效解析Web of Science文献数据并导出CSV

1. 从零开始:为什么科研人员需要掌握Python爬虫 如果你是一名研究生、博士生,或者正在从事学术研究,我猜你一定有过这样的经历:为了写一篇综述或者做文献计量分析,你需要手动从Web of Science(WoS)上,一篇一篇地复制粘贴文献的标题、作者、摘要、关键词、发表年份、期刊信息……这个过程不仅枯燥乏味,而且极其容易出错,复制到第50篇的时候,你可能已经头晕眼花,甚至怀疑人生了。我当年读博的时候,为了分析一个领域近十年的研究趋势,需要收集上千篇文献数据,手动操作几乎是不可能完成的任务。正是这种“痛点”,让我下定决心研究如何用技术解放双手。 Python爬虫,听起来像是程序员专属的高深技术,但其实它离我们科研人员并不遥远。简单来说,爬虫就是一个能自动访问网页、抓取并整理信息的程序。对于Web of Science这样的学术数据库,虽然它提供了强大的检索功能,但批量导出详细数据(尤其是摘要、作者机构等)到本地进行深度分析,往往需要付费或者功能受限。自己写一个爬虫,就成了最高效、最灵活的解决方案。它能让你在喝杯咖啡的功夫,

LangChain 实战:大模型对话记忆模块(附完整代码 + Web 案例)

目录 前言:为什么需要对话记忆? 一、核心认知:原始 API vs LangChain 封装 1.1 原生 API 调用的痛点(无记忆) 1.2 LangChain 的价值:封装记忆与简化调用 二、LangChain 记忆模块核心组件 2.1 基础款:ConversationBufferMemory(完整记忆) 2.2 进阶款:窗口记忆与总结记忆 (1)ConversationBufferWindowMemory(窗口记忆) (2)ConversationSummaryMemory(总结记忆) 三、实战 1:LangChain 记忆链(ConversationChain) 四、实战 2:Streamlit 搭建带记忆的聊天