RenderDoc MCP Server
Enables AI assistants to analyze and inspect RenderDoc capture files, providing tools to examine draw calls, textures, buffers, and shader information. It allows developers to perform graphics debugging and resource analysis through natural language interactions.
README
RenderDoc MCP Server
一个用于 RenderDoc 的 MCP (Model Context Protocol) 服务器,允许 AI 助手分析和检查 RDC 捕获文件。
功能
- 打开和分析 RDC 捕获文件
- 获取捕获的基本信息(API 类型、驱动、帧数等)
- 列出和搜索纹理资源
- 列出和搜索缓冲区资源
- 获取 Draw Call 列表和详情
- 查看着色器信息
- 获取像素数据
安装
前置要求
- RenderDoc: 从 renderdoc.org 下载并安装
- Python 3.10+: 确保已安装 Python 3.10 或更高版本
安装 MCP 服务器
# 克隆仓库
git clone https://github.com/yourusername/renderdoc-mcp.git
cd renderdoc-mcp
# 安装依赖
pip install -e .
配置 RenderDoc Python 模块
要使用原生 Python API(推荐),需要设置 PYTHONPATH 包含 RenderDoc 的 Python 模块路径:
Windows:
set PYTHONPATH=%PYTHONPATH%;C:\Program Files\RenderDoc\plugins\python
或者在环境变量中永久设置。
如果不设置,服务器会自动回退到使用 renderdoccmd 命令行工具。
配置 Claude Desktop
在 Claude Desktop 配置文件中添加:
Windows: %APPDATA%\Claude\claude_desktop_config.json
{
"mcpServers": {
"renderdoc": {
"command": "python",
"args": ["-m", "renderdoc_mcp.server"],
"env": {
"PYTHONPATH": "C:\\Program Files\\RenderDoc\\plugins\\python"
}
}
}
}
macOS/Linux: ~/.config/claude/claude_desktop_config.json
{
"mcpServers": {
"renderdoc": {
"command": "python",
"args": ["-m", "renderdoc_mcp.server"],
"env": {
"PYTHONPATH": "/usr/share/renderdoc/plugins/python"
}
}
}
}
可用工具
| 工具名称 | 描述 |
|---|---|
renderdoc_check_available |
检查 RenderDoc 是否可用 |
renderdoc_open_capture |
打开 RDC 捕获文件 |
renderdoc_close_capture |
关闭当前捕获文件 |
renderdoc_get_capture_info |
获取捕获的详细信息 |
renderdoc_get_textures |
获取所有纹理列表 |
renderdoc_get_buffers |
获取所有缓冲区列表 |
renderdoc_get_draw_calls |
获取 Draw Call 列表 |
renderdoc_get_shader_info |
获取着色器详细信息 |
renderdoc_get_pixel_data |
获取指定位置的像素数据 |
renderdoc_get_texture_thumbnail |
获取纹理缩略图 |
renderdoc_analyze_draw_call |
分析特定 Draw Call |
renderdoc_search_resources |
搜索资源 |
使用示例
在 Claude Desktop 中,你可以这样使用:
请帮我分析 C:\captures\scene.rdc 这个捕获文件中的纹理资源
列出这个捕获中的所有 Draw Call
搜索名称包含 "normal" 的纹理
开发
# 安装开发依赖
pip install -e ".[dev]"
# 运行测试
pytest
许可证
MIT License
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。
VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。