UnrealMCP
UnrealMCP 是一款专为虚幻引擎设计的开源插件,核心目标是让 AI 智能体直接控制 Unreal Engine。它通过在引擎内实现机器控制协议(MCP),打通了外部 AI 系统与游戏环境的连接,允许人工智能通过编程方式自动操作场景、调整材质及管理资产。这一机制有效解决了传统开发中大量依赖人工手动操作的痛点,为探索 AI 驱动的自动化内容创作和工作流优化提供了新方案。
由于涉及底层代码交互及潜在风险,UnrealMCP 更适合具备 C++ 开发经验的技术人员、研究人员或技术美术使用。目前它采用网络通信和 JSON 命令协议,支持编辑器 UI 集成,并配有 Python 脚本方便客户端调用,已验证可与 Claude for Desktop 等模型配合运行。
值得注意的是,该项目仍处于早期实验阶段,主要支持 Windows 平台。鉴于 AI 拥有直接修改工程文件的权限,可能存在误删或覆盖的风险。使用者必须自行负责数据安全,强烈建议在启用前配置好 Git 或 Perforce 等版本控制系统,并定期备份项目,最好先在独立测试环境中熟悉功能。
使用场景
独立游戏开发者在构建大型科幻场景时,需要根据剧情进度动态调整整个区域的灯光色温和植被材质,以营造特定的叙事氛围。这种需求在传统工作流中往往难以高效满足。
没有 UnrealMCP 时
- 需人工遍历数百个 Actor 手动修改参数,极易因疲劳导致数值错误。
- 不同关卡间的光照一致性难以保证,视觉割裂感强,影响沉浸体验。
- 每次微调都要重新编译或重启编辑器验证,流程卡顿严重消耗时间。
- 复杂的多层材质嵌套关系让人手调变得几乎不可行,依赖资深美术经验。
使用 UnrealMCP 后
- UnrealMCP 允许 AI 代理直接扫描并批量更新指定区域的所有材质实例,消除人为疏漏。
- 开发者只需输入“将主街道调整为冷色调”,即可自动执行脚本逻辑完成全局配置。
- 结合 Python 脚本实现即时预览,无需等待漫长的渲染测试,迭代速度提升数倍。
- 能够根据剧情状态动态调用 API 改变环境参数,实现真正的交互式关卡设计。
UnrealMCP 将繁琐的手动操作转化为自然语言指令,显著提升了关卡编辑的自动化程度与灵活性。
运行环境要求
- Windows
未说明
未说明

快速开始
UnrealMCP 插件
高度开发中 (WIP)
我正在添加更多工具并清理代码库, 我计划允许在主插件之外轻松扩展工具
这仍然处于非常早期的开发阶段,我需要清理很多东西!!!!!
另外,我只使用 Windows,所以我不知道这在 Mac/Unix 上如何设置
概述
UnrealMCP 是一个非官方的虚幻引擎(Unreal Engine)插件,旨在通过 AI 工具控制虚幻引擎。它在虚幻引擎内实现了机器控制协议(Machine Control Protocol, MCP),允许外部 AI 系统与虚幻环境进行程序化交互和操控。
我几天前才了解到 MCP,所以我还不太熟悉它,仍在学习中,因此初期可能比较粗糙。 我是参考 https://github.com/ahujasid/blender-mcp 实现的,它依赖桌面版 Claude。它可能支持其他模型,也可能不支持,如果你进行了实验,请告诉我!
⚠️ 免责声明
此插件允许 AI 代理直接修改你的虚幻引擎项目。虽然它是一个强大的工具,但也存在风险:
- AI 代理可能会对你的项目做出意外更改
- 文件可能会被意外删除或修改
- 项目设置可能会被更改
- 资产可能会被覆盖
重要安全措施:
- 始终与你的项目一起使用版本控制系统(如 Git 或 Perforce)
- 定期备份你的项目
- 首先在单独的项目中测试该插件
- 提交更改前请审查它们
使用此插件即表示你确认:
- 你对项目所做的任何更改负全责
- 插件作者不对 AI 代理造成的任何损坏、数据丢失或问题负责
- 你使用此插件的风险自负
功能
- 用于远程控制虚幻引擎的 TCP 服务器实现
- 基于 JSON 的命令协议,用于 AI 工具集成
- 编辑器 UI 集成,方便访问 MCP 功能
- 全面的场景操作能力
- 用于客户端交互的 Python 辅助脚本
路线图
这是我在 2025 年 3 月 14 日计划中的开发内容。 我还不确定哪些是可行的,理论上什么都可以,但这取决于集成的 LLM(大语言模型)利用这些工具的能力有多好。
- 基本操作正常工作
- Python 正常工作
- 材质
- 用户扩展(进行中)
- 资产工具
- 蓝图 (Blueprints)
- Niagara 视觉效果 (VFX)
- MetaSound
- 地形 (Landscape)(我可能会暂时搁置这一点,因为 Epic 提到他们将更新地形工具)
- 建模工具
- 程序化内容生成 (PCG)
要求
- 虚幻引擎 5.5(我仅在此版本上测试过,可能在早期版本上也能工作,但没有官方支持)
- 为虚幻引擎配置的 C++ 开发环境
- Python 3.7+ 用于客户端脚本编写
- 用于运行命令的模型,测试中我使用的是桌面版 Claude https://claude.ai/download
安装
将此仓库克隆到你的虚幻项目的
Plugins目录中:git clone https://github.com/kvick-games/UnrealMCP.git Plugins/UnrealMCP项目路径应匹配以下模式: ...\UNREAL_PROJECT\Plugins\UnrealMCP\
重新生成你的项目文件(右键点击 .uproject 文件并选择“生成 Visual Studio 项目文件”)
在你使用的任何 IDE 中构建项目,我使用 Rider,Visual Studio 也可以(正在制作发布版)
打开你的项目并在“编辑 > 插件 > UnrealMCP"中启用该插件
在虚幻中启用 Python 插件
运行 setup_unreal_mcp.bat(随着更多人尝试,我可能需要对此文件进行一些修复)
目前我仅使用桌面版 Claude 进行了测试,因此请按照以下说明继续操作
配合桌面版 Claude 使用
你需要找到桌面版 Claude 的安装目录。找到 claude_desktop_config.json 并添加一个条目,使其看起来像这样:
{
"mcpServers": {
"unreal": {
"command": "C:\\UnrealMCP_Project\\Plugins\\UnrealMCP\\MCP\\run_unreal_mcp.bat",
"args": []
}
}
}
在命令字段中输入指向脚本的插件目录路径:"run_unreal_mcp.bat" 此脚本位于 ../plugin_root_directory/MCP/run_unreal_mcp.bat 内
你可以参考此链接获取更多信息: https://modelcontextprotocol.io/quickstart/user
要查找桌面版 Claude 的安装路径,你可以进入设置并点击“编辑配置” 在我的 Windows PC 上,路径是: C:\Users\USERNAME\AppData\Roaming\Claude
用法
在虚幻编辑器中
启用插件后,你会在编辑器工具栏按钮中找到 MCP 控件。


TCP 服务器可以从这里启动/停止。 检查输出日志下的 LogMCP 过滤器以获取额外信息。
一旦从编辑器确认服务器已启动并运行。 打开桌面版 Claude,确保工具已成功启用,让 Claude 在虚幻中工作。
目前仅支持基本操作,创建对象、修改它们的变换、获取场景信息和运行 Python 脚本。 由于我认为虚幻 Python 方面的示例不多,Claude 在使用虚幻 Python 时经常出错,但让它运行通常能解决问题。 我非常想改进这方面的工作方式,但这对于向虚幻添加功能来说是容易实现的功能点。
客户端集成
使用 MCP 目录中提供的 Python 脚本来连接和控制你的虚幻引擎实例:
from unreal_mcp_client import UnrealMCPClient
# 连接到虚幻 MCP 服务器
client = UnrealMCPClient("localhost", 13377)
# 示例:在场景中创建一个立方体
client.create_object(
class_name="StaticMeshActor",
asset_path="/Engine/BasicShapes/Cube.Cube",
location=(0, 0, 100),
rotation=(0, 0, 0),
scale=(1, 1, 1),
name="MCP_Cube"
)
命令参考
插件支持各种场景操作命令:
get_scene_info: 检索当前场景的信息create_object: 在场景中生成新对象delete_object: 从场景中移除对象modify_object: 更改现有对象的属性execute_python: 在虚幻的 Python 环境中运行 Python 命令- 更多即将推出...
有关完整的命令参考,请参阅 Docs 目录中的文档。
安全考虑
- MCP 服务器默认接受来自任何客户端的连接
- 开发时将服务器暴露限制在本地主机 (localhost)
- 验证所有传入的命令以防止注入攻击
故障排除
- 确保虚幻引擎 (Unreal Engine) 正在运行并加载了 MCP 插件。
- 检查 Claude for Desktop 中的日志以查看 stderr (标准错误输出) 输出。
- 在 Discord 上联系我,我刚刚创建了服务器,但我会定期检查 Discord (Dreamatron Studios): https://discord.gg/abRftdSe
项目结构
Source/UnrealMCP/: 核心插件实现Private/: 内部实现文件Public/: 公共头文件
Content/: 插件资源MCP/: Python 客户端脚本和示例Resources/: 图标和其他资源
许可证
MIT 许可证
版权所有 (c) 2025 kvick
特此免费授予任何获得本软件副本及相关文档文件(“软件”)的人,在不加限制地使用、复制、修改、合并、出版、分发、再许可及/或出售本软件副本的权利,并允许向其提供本软件的人员这样做,但须符合以下条件:
上述版权声明和本权限声明应包含在所有副本或软件的主要部分中。
本软件按“原样”提供,不提供任何形式的保证,无论是明示的还是暗示的,包括但不限于对适销性、特定用途适用性和非侵权的保证。在任何情况下,作者或版权持有人均不对因使用本软件或在本软件的其他交易中使用本软件而产生的任何索赔、损害或其他责任负责,无论是在合同诉讼、侵权诉讼还是其他方面。
致谢
- 创建者:kvick
- X: @kvickart
感谢测试人员!!!
贡献指南
欢迎贡献,但我需要先花点时间理清思路并进行清理,哈哈
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。
OpenHands
OpenHands 是一个专注于 AI 驱动开发的开源平台,旨在让智能体(Agent)像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点,通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员,还是需要快速原型验证的技术团队,都能从中受益。OpenHands 提供了灵活多样的使用方式:既可以通过命令行(CLI)或本地图形界面在个人电脑上轻松上手,体验类似 Devin 的流畅交互;也能利用其强大的 Python SDK 自定义智能体逻辑,甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK,这不仅构成了平台的引擎,还支持高度可组合的开发模式。此外,OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩,证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能,支持与 Slack、Jira 等工具集成,并提供细粒度的权限管理,适合从个人开发者到大型企业的各类用户场景。