UnityMCP+Claude+VSCode，构建最强AI游戏开发环境

优质文章学习记录

— 10 min read
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Unity和Claude 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Skill 和 MCP，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

免费部署专业级AI绘画：Stable Diffusion WebUI云端实战指南

免费部署专业级AI绘画：Stable Diffusion WebUI云端实战指南 【免费下载链接】GPT-SoVITS 项目地址: https://gitcode.com/GitHub_Trending/gp/GPT-SoVITS 环境搭建与快速入门 1. 项目获取与配置 在Kaggle Notebook环境中执行以下命令获取最新代码： git clone https://gitcode.com/GitHub_Trending/gp/GPT-SoVITS cd GPT-SoVITS 2. 虚拟环境配置 项目需要Python 3.9环境，通过conda快速搭建： conda create -n AIPaint python=3.9 -y conda activate AIPaint 3. 依赖安装与模型下载 运行一体化安装脚本完成环境配置：

百考通AIGC检测：精准识别AI生成内容，守护学术与创作诚信

在人工智能技术迅猛发展的今天，AI写作工具已成为学术研究、内容创作的常用辅助手段。然而，当高校明确要求"论文不得使用AI生成内容"，当期刊对投稿稿件进行严格的AIGC（AI生成内容）检测，当企业招聘中"原创能力"成为核心评估指标，如何确保内容的原创性，避免因AI痕迹引发的学术不端或职业风险，已成为无数研究者与创作者的共同焦虑。百考通AIGC检测服务，以"精准识别AI生成内容，守护学术与创作诚信"为使命，为用户提供专业、可靠的AI内容识别解决方案，让每一份产出都经得起权威检测的考验。 精准检测：技术赋能学术诚信 百考通AIGC检测系统采用多维度分析模型，能够深度识别文本中的AI生成特征。不同于简单的关键词匹配，系统通过语义结构分析、语言模式识别、逻辑连贯性评估等技术手段，精准区分人类写作与AI生成内容。例如，当系统检测到文本中存在"过度流畅的句式结构"、"缺乏个性化表达"、"逻辑跳跃但表面连贯"等典型AI特征时，
丹摩智算平台部署 Llama 3.1：实践与体验

丹摩智算平台部署 Llama 3.1：实践与体验

文章目录 * 前言 * 部署前的准备 * 创建实例 * 部署与配置 Llama 3.1 * 使用心得 * 总结 前言 在最近的开发工作中，我有机会体验了丹摩智算平台，部署并使用了 Llama 3.1 模型。在人工智能和大模型领域，Meta 推出的 Llama 3.1 已经成为了目前最受瞩目的开源模型之一。今天，我将通过这次实践，分享在丹摩平台上部署 Llama 3.1 的实际操作流程以及我的个人心得。 部署前的准备 Llama 3.1 是一个资源需求较高的模型，因此在部署之前，首先要确保拥有合适的硬件环境。按照文档中的要求，我选择了 Llama 3.1 8B 版本进行测试。8B 模型对 GPU 显存的需求为

4个突破性策略提升llama.cpp启动效率：从加载延迟到毫秒级响应的系统优化指南

4个突破性策略提升llama.cpp启动效率：从加载延迟到毫秒级响应的系统优化指南 【免费下载链接】llama.cppPort of Facebook's LLaMA model in C/C++ 项目地址: https://gitcode.com/GitHub_Trending/ll/llama.cpp 在本地部署大语言模型时，你是否经历过长达数分钟的启动等待？llama.cpp作为C/C++实现的高效推理框架，其启动性能直接影响开发效率和用户体验。本文将通过"问题诊断→核心原理→分级优化→场景适配"的系统方法，帮助你从根本上解决启动缓慢问题，实现本地部署环境下的毫秒级响应。无论是个人开发者调试模型、企业级服务部署还是边缘设备应用，这些经过验证的优化策略都能显著提升llama.cpp的启动速度和资源利用效率。 问题诊断：llama.cpp启动性能瓶颈分析 启动流程的四个关键阶段 llama.