企业官网建设流程全解析

做智慧仓储数字孪生，最麻烦的不是去现场扫描、不是做高精度模型，而是怎么把一堆静态模型变成能交互、能更新状态的场景。我之前用Blender纯手工搭过一个迷你仓库，光摆货架就耗了一下午，更别提后续给AGV写路径动画。后来接触到Antigravity这个AI agent，又配上Blender MCP，直接把建模过程变成了对话式操作——你说需求，它动手建。这篇文章是“上篇”，先跑通环境、搭出基础仓储场景，数据对接和实时联动放到下篇。

先说一下这套组合能解决什么问题：Antigravity负责理解你的自然语言并生成Python脚本，Blender MCP则是连接Antigravity和Blender的“手”，它把AI的意图翻译成Blender可执行的命令。两者的组合特别适合数字孪生项目的前期原型搭建——仓库布局、货架摆放、路径规划、状态动画，这些过去需要数小时甚至一天的活，现在能压缩到十几分钟跑完。适合正在做智慧园区、智慧物流、数字孪生展厅，或者想用AI辅助三维场景开发的朋友参考。

1. 项目背景与技术选型：为什么是 Antigravity + Blender MCP？

1.1 数字孪生仓储的痛点：传统建模 vs AI 辅助建模

做仓储数字孪生，很多人第一反应是“先建个高精度仓库模型”，但实际项目的瓶颈往往不在模型精度，而在场景搭建的重复劳动。一个标准仓库里，货架、立柱、托盘、AGV、通道标识，都是大量规格相似、位置不同的重复对象。若用传统方式，先手动创建立方体，再逐个调整位置，整个过程既枯燥又容易出错。更麻烦的是业务方常常改需求：货架间距从2米改成2.4米，通道从4列变5列，这时候手工调整的工作量会爆炸。

AI辅助建模的思路是把“模型搭建”抽象成“数据生成”。你只需要把仓库布局变成结构化参数，AI就能批量生成场景。Antigravity与Blender MCP组合的意义，就是让这个“数据生成”过程从写脚本变成了提需求。你告诉它“按2.4米间距排布货架，三排通道，AGV路径避开立柱”，它直接输出并执行脚本，结果实时显示在Blender视口里。这不是替代建模师，而是把重复劳动压缩到最低，让人的精力集中在方案设计上。

另外，数字孪生项目还有一层要求：场景不是一件“一次性艺术品”，而是要长期维护的数据体。传统手工建模很难回答“这个货架在系统里对应哪条记录”，但如果模型由参数化脚本生成，每个对象都能带上唯一ID和属性，后续对接WMS、WCS系统就顺理成章。这也是我最终选择参数化建模路线的原因，而Antigravity + Blender MCP正好补上“自然语言 -> 脚本 -> 场景”的缺口。

1.2 Antigravity 与 Blender MCP 分别是什么

Antigravity本质上是一个AI agent，它能读取当前环境信息、拆解任务、自动调用工具并执行代码。你可以把它理解成一位“住在终端里的建模助手”，你只描述目标，它负责给出Python脚本并运行。Antigravity支持连接MCP（Model Context Protocol）服务器，这给了它操作外部软件的能力。MCP是一个标准化接口协议，类似USB接口，不同设备只要符合接口规范就能即插即用。Blender MCP就是专门为Blender开发的MCP服务端，它把Blender的Python API包装成AI能调用的一系列工具。

可能有人会问：直接用Blender自带的Python Console不就行了？当然行，但那是人写代码，而现在是人说需求、AI写代码。Blender MCP暴露的接口包括创建物体、操作材质、管理场景、读取对象信息等，Antigravity通过MCP调用这些接口，等于在Blender外面放了一个“遥控器”。AI不再是给一段代码让你自己跑，而是直接看到Blender返回的结果，再根据结果决定下一步动作。

我实际操作时感觉最明显的一点是：它能“看到”当前场景里的物体列表。你问它“现在有几个货架”，它会先调用MCP查询场景状态，再回答你。这个能力传统脚本很难实现，因为写脚本的人还得自己负责状态同步。而MCP天然把环境状态拉进对话中，让AI对三维场景有了“感知”。对做数字孪生来说，这个感知能力非常宝贵，后续对接实时数据时，AI可以根据当前状态自动调整模型，而不是给你一段需要手动判断的代码。

1.3 为什么选这套组合，而不是别的方案

市面上做三维场景的AI工具不少，有生成图片贴图的，有直接生成模型文件的，也有类似Antigravity的编码Agent。但数字孪生仓储这个场景，核心诉求是“可参数化、可对接数据、可迭代更新”，而不是一张好看的渲染图。Antigravity能与Blender脚本体系深度结合，意味着生成的结果是完整的Blender工程文件，物体边界清晰、命名规范、属性可查，后续不管你是直接出图，还是导出给Three.js做网页展示，都能无缝衔接。

Blender MCP的另一个优势是它在本地运行、接口透明。MCP服务器跑在你的电脑上，命令都由你指定的脚本执行，不需要把场景上传到云端，模型的敏感信息留在本地。这一点对实际仓储项目很重要，有些仓库布局、物流路径是有保密要求的。AI只生成代码，数据和模型都在本地，心里踏实得多。

还有一个现实原因：Blender完全免费开源，在公司内部落地没授权风险。Antigravity本身有免费额度可体验，项目验证阶段成本很低。等到确认这套流程能提效，再讨论采购或扩容也来得及。这套组合的“试错成本”比商用数字孪生平台低一个数量级，这也是我把它推荐给想低成本做原型的团队的原因。

2. 环境准备与基础搭建（实操前置）

2.1 软件清单与版本匹配

动手之前先把版本对齐，能省掉后面一大半的坑。我使用的环境是Blender 4.0及以上，后面我了解到4.1和4.2 LTS版本稳定性更好，日常建议用长期支持版。Antigravity需要注册一个账号，并安装桌面端或命令行工具，登录后创建项目空间。Blender MCP这里指的是开源社区常见的BlenderMCP插件，它分为两部分：一是放在Blender里的插件面板，二是由Python运行的MCP服务器进程。

环境清单如下：

我第一次踩的坑是Blender 3.6的Python版本偏旧，导致MCP插件的某些依赖无法导入。后来换成4.2就顺畅很多。还有一点需要注意：Blender MCP服务器和Blender之间的通信走本地WebSocket或HTTP端口，端口默认是9876之类，具体以项目文档为准。如果电脑上开了防火墙或安全软件，要放行这个本地端口，否则Antigravity会显示连接失败。

2.2 安装与配置 Blender MCP 插件

安装过程分三步。第一步，在Blender的“编辑 -> 偏好设置 -> 插件”里，从ZIP文件安装BlenderMCP插件。安装完成后，在侧边栏或左侧工具栏会出现MCP面板，注意不同版本的插件位置可能不同，装好后先在面板里点“Start MCP Server”，这一步会启动对应的服务端进程。如果面板提示“Server not started”，多半是Python依赖没装全，需要到插件目录下运行pip install -r requirements.txt。

第二步，启动MCP服务器。服务器启动后，Blender会在本地监听一个端口，常见的是127.0.0.1:9876。这个端口就是Antigravity连接的目标地址。为了验证端口通不通，可以打开Antigravity的MCP配置界面，服务类型选择“Streamable HTTP”或“WebSocket”，地址填http://127.0.0.1:9876/mcp，保存并连接。不过具体协议要看MCP服务器实现，最简单的方式是直接运行插件自带的MCP server命令，终端会打印出可连接的地址。

第三步，测试连通性。连接成功之后，我习惯先打一条最简单的指令：“清空当前场景，创建单色立方体，边长2米”。Antigravity会调用MCP创建物体，如果Blender视口里出现了立方体，说明整条链路已经通了。有人疑惑为什么不做复杂测试，因为链路通了之后，再复杂的建模都只是脚本能力问题；链路不通，后面全是白搭。这个测试还能确认Antigravity是否有权限调用MCP工具，因为我遇到过默认关闭工具权限的情况。

2.3 Antigravity 连接 MCP 服务器时的配置细节

Antigravity里添加MCP服务器并不是只填一个地址那么简单。在服务配置页面，还需要定义工具权限、超时时间和运行时参数。工具权限建议先全部打开，方便调试；正式使用时可收缩到特定工具。超时时间要留意，Blender执行复杂建模可能超过默认的30秒，如果频繁超时，可以调大到120秒甚至300秒。

配置完成后，还有两个小细节容易被忽略。一是Antigravity的登录状态要正常，如果账号登录过期，即使MCP服务器启动，Antigravity也可能不发送任何指令。二是Blender窗口最好保持在前台，因为有些MCP操作会触发窗口重绘，如果Blender最小化，可能导致某些操作延迟。我在过程中遇到Antigravity返回403错误，检查下来不是代理问题，而是账号登录过期，重新登录后就好了。

3. 核心实操：打造智慧仓储数字孪生场景

3.1 仓储场景规划与布局设计

建模之前先画一张“数据草图”，这是整个项目最重要的环节。数字孪生场景不是一堆好看模型的堆叠，它要对真实仓储逻辑做映射。我通常先定义一个坐标系：Blender的世界原点就是仓库的西南角，X轴指向东，Y轴指向北，Z轴向上，单位直接设为米。然后规划仓库尺寸，比如长30米、宽20米、高6米。

在这个坐标系下，列出关键实体：货架、通道、AGV路径、仓库门、装卸货区域。每个货架可以抽象成一个长方体，长6米、宽1.2米、高2.4米，由若干层板和立柱组成。此类场景不需要逐个手工画货架，正确做法是设计一个JSON文件来描述布局：

{ "warehouse": { "length": 30, "width": 20, "height": 6 }, "shelf_blocks": [ { "name": "A01", "pos": [2.0, 2.0, 0.0], "rows": 5, "cols": 3, "unit_size": [6.0, 1.2, 2.4], "gap": 0.5 } ], "agv_paths": [ { "name": "AGV1", "waypoints": [[1.5, 2.5, 0.0], [28.0, 2.5, 0.0], [28.0, 17.0, 0.0]] } ] }

这个JSON就是数字孪生的“肉”，AI生成模型只是把它变成“形”。后续只要修改JSON里的坐标或尺寸，重新执行脚本，场景就能更新。这样建模不再是“雕刻”思维，而是“数据配置”思维，对业务调整响应极快。

3.2 用自然语言指挥AI建模：关键Prompt技巧

Antigravity + Blender MCP的价值要真正发挥出来，Prompt得会写。不要给一句“帮我建一个仓库”就完事。至少要说清空间尺寸、物体类型、单位、坐标参考点、批量规则。我常用的模板是：先描述整体环境，再描述具体物体，最后给批量规则和装饰规则。

例如：

在Blender场景中以世界原点为仓库西南角，创建一个长30米、宽20米、高6米的仓库地板。 在地板上放置5排货架，每排3座，货架尺寸6米长、1.2米宽、2.4米高，货架间距0.5米。 货架从坐标(2,2,0)开始排列，朝向X轴正方向，使用金属材质。

Antigravity会通过MCP创建地板和货架组合。执行完成后，视口里出现了一排排货架。如果发现货架间距不对，直接说“把货架间距改成0.8米，重新生成”。这种反馈修正效率很高，远好过自己拆树状图找对象。但我建议大家给AI设定的材质和命名要规范，让它把货架对象名称统一前缀为Shelf_，地面为Floor_，这样后续修改、导出、对接数据都清晰。

还有一点：命令中最好带上“使用bpy”的暗示，因为Blender MCP最终是靠bpy执行的。如果你不限定，AI可能写出“创建一个cube”的伪代码，虽然语法看着对，实际跑不通。我在实践中发现，在提示词里加一句“请在脚本中使用bpy模块，确保可以在Blender内直接运行”，能极大减少AI自由发挥导致的不执行问题。

3.3 数据驱动生成：从JSON布局到批量建模

如果只是让AI一个个建模，那还不够高效。数字孪生仓储的最终形态是“数据文件里的记录长什么样，场景里就出现什么”。所以我做了第二个尝试：让Antigravity写一个批量建模脚本，自动读取仓库布局JSON，然后在Blender中创建全部货架。脚本大致结构如下。

import bpy import json with open("warehouse_layout.json") as f: layout = json.load(f) # 清空原有货架，保留地面 for obj in bpy.data.objects: if obj.name.startswith("Shelf_"): bpy.data.objects.remove(obj, do_unlink=True) shelf_blocks = layout["shelf_blocks"] for block in shelf_blocks: name_prefix = block["name"] x, y, z = block["pos"] rows = block["rows"] cols = block["cols"] w, d, h = block["unit_size"] gap = block["gap"] for r in range(rows): for c in range(cols): obj_name = f"Shelf_{name_prefix}_r{r}_c{c}" bx = x + c * (w + gap) by = y + r * (d + gap) bpy.ops.mesh.primitive_cube_add(size=1, location=(bx, by, z)) bpy.context.active_object.name = obj_name bpy.context.active_object.scale = (w, d, h)

这段脚本本身并不复杂，但Antigravity能在对话中生成、执行，并依据结果帮我修正。我只需要把JSON文件放在项目目录，然后对Antigravity说“运行刚才的批量建模脚本，并检查生成结果”，它就会完成剩余工作。脚本原则是“幂等”：多次运行不会产生叠加对象，而是先清理再重建，这保证了后续数据更新时模型不会越堆越多。

真正让我觉得舒服的是改布局。传统流程要先删掉场景里所有货架，再重新创建；现在只要改JSON里的坐标或数量，让Antigravity重新运行脚本即可。整个过程不超过两分钟。这也是数字孪生体最核心的特质：能随业务数据变化而变化，而不是一张“死图”。

3.4 让场景动起来：AGV 路径与状态动画

静态模型搭好后，下一步是让AGV沿着规划路径运动。仓储数字孪生如果全是静止的货架，演示效果会大打折扣。Antigravity可以通过MCP创建运动路径，我用提示词让它生成一条AGV行驶路线，并在路线上添加关键帧动画。

我采用的方案是让AI在场景中新建一条NURBS路径，把AGV模型绑定到路径上，通过“Follow Path”约束实现移动。Antigravity生成的脚本大致如下：

import bpy # 创建路径 bpy.ops.curve.primitive_bezier_curve_add(location=(0,0,1)) path = bpy.context.active_object path.name = "AGV_Path_1" # 移动顶点创建路径形状 points = path.data.splines[0].bezier_points points[0].co = (1.5, 2.5, 0.0) points[1].co = (28.0, 2.5, 0.0) # 创建 AGV 立方体 bpy.ops.mesh.primitive_cube_add(size=0.5, location=(1.5, 2.5, 0.0)) agv = bpy.context.active_object agv.name = "AGV_1" # 绑定路径约束 constraint = agv.constraints.new(type='FOLLOW_PATH') constraint.target = path constraint.forward_axis = 'FORWARD_X' constraint.use_fixed_location = True

执行后，AGV模型出现在起点，但这时候还没有动画。需要再对“约束偏移值”设置关键帧，例如从0到1，表示路径起点到终点。这些细碎的操作如果全部自己处理会非常磨人，Antigravity能直接生成并插入关键帧。我对它说“给AGV_1的路径约束添加0到100帧的偏移关键帧，让它在10秒内走完全程”，脚本就自动完成了。

动态场景的意义不只是演示。AGV的位置其实可以对应仓储执行系统的任务状态，后续我们可以在每一帧或每个事件回调中更新AGV的位置，让虚拟场景和真实工厂同步。这篇文章是“上篇”，先把动画跑起来，下篇再聊实时数据对接。

3.5 额外加分项：给场景添加环境细节

基础模型完成之后，我还加了一些“氛围”组件。比如在地面上画出行走通道标记，用细立方体当作货架层板，用点光源模拟照明。这类操作并不难，但能让展示效果提升明显。有了Antigravity，你不需要手动一个个去加，直接告诉它“在货架转角处添加黄色安全警示条”，它就能生成一排细长的立方体。

不过需要注意的是，AI生成环境细节时会大量创建对象，场景里可能瞬间多出几百个三角面。如果不加以控制，Blender会卡顿，导出three.js场景时也会因为面数过大而加载缓慢。建议在提示词里加上“使用最小面数实现，避免倒角”“优先使用平面结构”，后期如果需要精细渲染，再增加细节层级。

4. 常见问题与排查实录

4.1 Antigravity 返回 403 或无法连接

这是我用这套工具链遇到的第一个问题。花了不少时间检查MCP端口、防火墙，结果发现问题是账号登录状态过期。Antigravity是云服务，如果长时间未操作，Token会失效，MCP连接也频繁报403。解决办法是重新登录账号，确认页面右上角状态正常。另外，如果公司网络有额外策略限制外部服务，需要在合规的前提下确保可用，而不是绕开限制。

第二个常见原因是MCP服务器没启动。Blender插件面板里的Start按钮只是启动了服务端的监听，你可以在终端看到日志。如果连接失败，先看日志里有没有“Listening on”这类提示。还有一点提醒：如果MCP服务器端口换了，Antigravity里的配置也要同步改，不要只改一处。把地址、端口、协议全部对照文档核对一遍，往往就能定位问题。

4.2 Blender 崩溃、脚本卡死

AI生成脚本后，有些操作会瞬间创建大量物体。比如一次性生成50个货架，每个货架包含多个层板，总物体数可能上千，Blender会出现明显的卡顿甚至无响应。我建议把大任务拆成小批次：在提示词里要求“每次生成3排货架后暂停检查”，或者直接在脚本里加入分批执行逻辑，用yield或者time.sleep控制节奏。在执行长任务时，最好先把Blender的自动保存频率调到2分钟，避免白干。

还有一个常见的崩溃来源是修改器堆栈。AI为了生成圆角或平滑效果，可能给每个物体添加细分修改器，这在批量场景里是灾难。我踩过坑之后，会明确要求AI“不要使用修改器，直接用原始网格”。如果确实需要平滑，也要控制修改器层级不超过1级。

4.3 模型位置不对、尺寸误差明显

出现这个问题先别怪AI，多半是坐标或单位没对齐。Blender默认单位是米，但如果场景在导入时使用了英寸或纯数值，AI生成的立方体会和想象中差很多。数字孪生项目里，所有尺寸必须以米为单位，并且坐标原点要固定。我在提示词里反复强调“以米为单位”，并让AI在脚本里显式设置场景单位为米。

还有一个细节：如果之前手工移动过物体，之后再执行AI生成的脚本，可能出现重复位移。解决办法是所有位置都基于世界原点计算，不要基于物体相对坐标。还有，AI创建的对象会自带旋转、缩放，如果不去归一化，后续对位置会非常头疼。建议在每次批量生成后，让人工检查一下对象的旋转是否为0，缩放是否为1，有异常就选择所有对象，按Ctrl+A应用变换。

4.4 场景太大导致导出困难

数字孪生最终通常要发布到Web端展示，Three.js是很多人的首选。Blender里建模再好看，如果整个场景导出成GLTF后几百MB，Web页面根本跑不动。我建议在建模阶段就养成“轻量建模”的习惯：货架不要用实心立方体组合，能用平面板的就只用平面，厚度交给材质法线；复杂形状优先用cube加纹理替代高模。Antigravity可以生成这些低模结构，只要你在提示词中明确“为了Web端展示，请使用最小三角形数量”。

另外，如果能拿到现场的激光点云或3D扫描数据，可以把点云作为背景参考层导入Blender，辅助校准货架位置，但生成数字孪生模型时不需要每个点云都完整保留。可以先用点云确定关键尺寸，再让AI根据尺寸生成标准货架。这正是热词里“3D点云拉框”思路的变通：标注不是为了画框，而是为了获取真实空间约束，驱动参数化模型。

我个人在实际操作中的体会是，AI辅助建模最大的价值不是“替代人”，而是把“从想法到场景”的反馈环缩到极短。你花十分钟写清楚需求，AI用一分钟给出模型，你发现问题再调整，这种快速迭代在传统工作流里几乎做不到。这套 Antigravity + Blender MCP 的流程，目前我只完成了静态场景和基础动画，下一步计划把仓储管理系统的实时数据接进来，让货架库存状态、AGV位置真正和数字孪生体联动。各位如果也在这条路上摸索，建议先从最小的仓库布局做起，不要一上来就堆复杂模型，等整条链路跑通，再一点点加功能。