Unity MCP 与 Ollama 集成

一个 Unity MCP (模型上下文协议) 包，可以通过 Ollama 实现 Unity 和本地大型语言模型 (LLM) 之间的无缝通信。此包扩展了 justinpbarnett/unity-mcp，使其能够与本地 LLM 配合使用，从而允许开发人员自动化工作流程、操作资源以及以编程方式控制 Unity 编辑器，而无需依赖基于云的 LLM。

概述

Unity MCP 与 Ollama 集成提供了以下组件之间的双向通信通道：

1. Unity (通过 C#)
2. Python MCP 服务器
3. 通过 Ollama 运行的本地 LLM

这使得能够：

• 资源管理：以编程方式创建、导入和操作 Unity 资源
• 场景控制：管理场景、对象及其属性
• 材质编辑：修改材质及其属性
• 脚本集成：查看、创建和更新 Unity 脚本
• 编辑器自动化：控制 Unity 编辑器功能，如撤消、重做、播放和构建

所有这些都由您自己的本地 LLM 提供支持，无需互联网连接或 API 密钥。

支持的模型

此实现专门配置为与以下 Ollama 模型配合使用：

• deepseek-r1:14b - 一个具有强大推理能力的 140 亿参数模型
• gemma3:12b - 谷歌的 120 亿参数模型，具有良好的通用能力

您可以轻松地在 Unity MCP 窗口中切换这些模型。

安装（资源方法）

由于 Unity 的包管理器兼容性问题，我们建议使用资源方法进行安装。

前提条件

• Unity 2020.3 LTS 或更高版本
• Python 3.10 或更高版本
• 您的系统上安装了 Ollama
• 在 Ollama 中拉取了以下 LLM 模型：
  • ollama pull deepseek-r1:14b
  • ollama pull gemma3:12b

步骤 1：下载并安装编辑器脚本

1. 下载或克隆此存储库：

   git clone https://github.com/ZundamonnoVRChatkaisetu/unity-mcp-ollama.git
   

2. 在 Unity 项目的 Assets 目录中创建一个文件夹：

   Assets/UnityMCPOllama
   

3. 将克隆的存储库中的 Editor 文件夹复制到您的 Unity 项目：

   # 复制整个 Editor 文件夹
   [Repository]/Editor → Assets/UnityMCPOllama/Editor
   

4. 验证文件夹结构是否正确：

   Assets/
     UnityMCPOllama/
       Editor/
         MCPEditorWindow.cs
         UnityMCPBridge.cs
   

5. 让 Unity 导入并编译脚本

步骤 2：设置 Python 环境

1. 为 Python 环境创建一个文件夹（在您的 Unity 项目之外）：

   mkdir PythonMCP
   cd PythonMCP
   

2. 从克隆的存储库复制 Python 文件夹：

   cp -r [Repository]/Python .
   

3. 创建并激活虚拟环境：

   # 创建一个虚拟环境
   python -m venv venv
   
   # 激活虚拟环境
   # 在 Windows 上：
   venv\Scripts\activate
   # 在 macOS/Linux 上：
   source venv/bin/activate
   

4. 安装依赖项：

   cd Python
   pip install -e .
   

步骤 3：配置 Ollama

1. 确保 Ollama 已安装并在您的系统上运行
2. 拉取支持的模型：

   ollama pull deepseek-r1:14b
   ollama pull gemma3:12b
   

3. 启动 Ollama 服务器：

   ollama serve
   

使用 Unity MCP 与 Ollama

步骤 1：启动 Unity Bridge

1. 打开您的 Unity 项目
2. 导航到 Window > Unity MCP 以打开 MCP 窗口
3. 单击 Start Bridge 按钮以启动 Unity bridge

步骤 2：启动 Python 服务器

1. 打开命令提示符或终端
2. 导航到您的 Python 环境：

   cd PythonMCP
   

3. 激活虚拟环境：

   # 在 Windows 上：
   venv\Scripts\activate
   # 在 macOS/Linux 上：
   source venv/bin/activate
   

4. 导航到 Python 目录并启动服务器：

   cd Python
   python server.py
   

步骤 3：配置 Ollama 设置

1. 在 Unity MCP 窗口中，找到 Ollama Configuration 部分
2. 验证或更新以下设置：
   • Host：localhost（默认）
   • Port：11434（默认）
   • Model：选择 deepseek-r1:14b 或 gemma3:12b
   • Temperature：根据需要调整 (0.0-1.0)
3. 单击 Apply Ollama Configuration

步骤 4：使用聊天界面

1. 单击 Unity MCP 窗口中的 Show Chat Interface 按钮
2. 在消息字段中键入您的指令
3. 单击 Send 以处理您的请求

示例提示：

• "Create a red cube at position (0, 1, 0)"
• "Add a sphere to the scene and apply a blue material"
• "List all objects in the current scene"
• "Write a simple movement script and attach it to the cube"

连接状态指示器

Unity MCP 窗口提供每个组件的状态信息：

• Python Server Status：指示 Python 服务器是否正在运行

  • 绿色：已连接
  • 黄色：已连接但存在问题
  • 红色：未连接

• Unity Bridge Status：显示 Unity socket 服务器是否正在运行

  • Running：Unity 正在监听连接
  • Stopped：Unity socket 服务器未激活

• Ollama Status：显示与 Ollama 的连接状态

  • Connected：已成功连接到 Ollama 服务器
  • Not Connected：无法连接到 Ollama

故障排除

常见问题

1. Python Server 的 "Not Connected" 状态

   • 确保 Python 服务器正在运行 (python server.py)
   • 检查 Python 控制台中的错误
   • 验证 Unity Bridge 是否正在运行

2. 找不到 Unity MCP 菜单

   • 确保编辑器脚本已正确导入到您的项目中
   • 检查 Unity 控制台中的任何错误
   • 必要时重新启动 Unity

3. Ollama 连接问题

   • 验证 Ollama 是否正在运行 (ollama serve)
   • 检查模型是否已正确拉取
   • 确保没有防火墙阻止端口 11434

4. MCP 命令执行失败

   • 检查 Python 控制台中的详细错误消息
   • 验证 Unity Bridge 是否正在运行
   • 确保提示清晰且具体

Python 环境的显式设置说明

如果您在设置 Python 环境时遇到问题：

1. 安装 Python 3.10 或更高版本
2. 从 ollama.ai 安装 Ollama
3. 为 Python 环境创建一个专用目录：

   mkdir C:\PythonMCP
   cd C:\PythonMCP
   

4. 克隆或下载此存储库并复制 Python 文件夹：

   git clone https://github.com/ZundamonnoVRChatkaisetu/unity-mcp-ollama.git
   copy unity-mcp-ollama\Python .
   

5. 创建一个虚拟环境：

   python -m venv venv
   

6. 激活虚拟环境：

   venv\Scripts\activate
   

7. 安装依赖项：

   cd Python
   pip install -e .
   

8. 运行服务器：

   python server.py
   

性能考虑

本地 LLM 性能取决于您的硬件：

• 对于 deepseek-r1:14b：建议最低 12GB VRAM
• 对于 gemma3:12b：建议最低 10GB VRAM
• 仅 CPU 操作是可能的，但速度会慢得多

贡献

欢迎贡献！请随时提交 Pull Request 或打开 Issue。

许可证

本项目根据 MIT 许可证获得许可。

致谢

• 基于 justinpbarnett/unity-mcp
• 使用 Ollama 进行本地 LLM 集成