←Back to Blog
·Summer Team

2026 年 Godot MCP 服务器完整指南

了解 MCP 服务器能为 Godot 做什么，比较所有可用选项，几分钟内搭建 AI 驱动的项目助手。

MCP（Model Context Protocol，模型上下文协议）是一项开放标准，让 AI 模型能够连接到外部工具和数据源。对 Godot 开发者来说，这意味着你的 AI 编码助手可以直接读取并修改你的 Godot 项目。Claude、Cursor、Windsurf 和其他兼容 MCP 的工具都能查看你的场景文件、读取脚本、理解项目结构，并进行有针对性的修改。

如果你之前一直在把代码复制粘贴到 ChatGPT 再手动应用结果，MCP 就能消除这种摩擦。下面介绍它的工作原理、可选项，以及哪种配置更适合你的工作流。

MCP 为 Godot 带来了什么

没有 MCP 时，你的 AI 助手只能看到你粘贴给它的内容。它不知道你的场景里有哪些节点、你连接了哪些信号、项目设置是什么样，也不清楚脚本之间的关系。你得花大量精力手动设置上下文：“我有一个 CharacterBody3D，下面挂着这些子节点，还有一个脚本负责这个……”

有了 MCP，AI 助手会直接连接到你的项目。它能够：

  • 读取项目结构：每个文件夹、场景、脚本和资源文件。
  • 查看场景树：节点层级、导出属性以及信号连接。
  • 读取和修改脚本：打开任意 GDScript 文件，理解它在项目中的上下文，并写入修改。
  • 检查项目设置：输入映射、自动加载、渲染配置。

实际差别非常明显。你不再需要向 AI 描述项目，而是直接说“看看我的玩家场景，把跳跃物理修好”。AI 会读取场景、找到脚本、理解节点配置，然后做出修改。

可以这样理解：没有 MCP 时，你的 AI 是一个代码助手；有了 MCP，它就成了项目助手。

可用的 Godot MCP 服务器

GDAI MCP

网站： gdaimcp.com

GitHub： 开源

GDAI MCP 是目前最成熟的选择。它有正式的官网、清晰的文档和安装说明，而且在持续迭代。

功能包括读取项目结构、解析场景文件、访问和修改脚本，以及基于项目上下文生成代码。它可以连接到 Claude Desktop 或任何兼容 MCP 的客户端。

文档涵盖了 Claude Desktop、Cursor 以及其他客户端的配置方式。如果你是 MCP 新手，从这里入手最容易，因为它的引导做得很完善。

Coding-Solo/godot-mcp

GitHub： github.com/Coding-Solo/godot-mcp

一个通过 stdio 连接的开源 MCP 服务器，提供基础的项目读取和文件操作能力。功能集比 GDAI MCP 更精简，但代码整洁，如果你想加入自定义工具，很容易在其基础上扩展。

如果你想要一个轻量、能读懂也能改动的方案，这是不错的选择。

bradypp/godot-mcp

GitHub： github.com/bradypp/godot-mcp

另一个开源选项，支持场景树读取和脚本生成。由社区维护，定期更新。功能与 Coding-Solo 的版本相似，但在解析场景文件和暴露项目数据的方式上有所不同。

satelliteoflove/godot-mcp

GitHub： github.com/satelliteoflove/godot-mcp

对 Godot MCP 的另一种实现。具体功能请查看它的 README，因为这些社区项目的更新节奏并不一致。

如何快速搭建 Godot MCP

具体步骤因服务器和客户端而异，但总体流程大同小异。

第 1 步：安装 MCP 服务器

大多数 Godot MCP 服务器都是 Node.js 或 Python 包。克隆仓库并安装依赖：

git clone https://github.com/example/godot-mcp
cd godot-mcp
npm install

第 2 步：配置 MCP 客户端

在 Claude Desktop 中，打开设置并进入 MCP 区域。添加一个指向已安装包的服务器条目：

{
  "mcpServers": {
    "godot": {
      "command": "node",
      "args": ["/path/to/godot-mcp/index.js"],
      "env": {
        "GODOT_PROJECT_PATH": "/path/to/your/godot/project"
      }
    }
  }
}

对 Cursor 来说，配置放在项目的 .cursor/mcp.json 文件里，格式类似。

第 3 步：连接并测试

打开你的 MCP 客户端，问一些关于项目的问题：“这个项目里有哪些场景？”或者“给我看看玩家脚本。”如果服务器连接正常，AI 会读取你的项目并基于真实文件内容给出回答。

第 4 步：开始工作

现在你可以让 AI 在完整项目上下文中进行修改：

  • “给主场景加一个敌人生成器”
  • “玩家的冲刺技能有个 bug，会穿过墙壁，修一下。”
  • “把背包系统从 Dictionary 重构成 Resource”

AI 会读取相关文件，理解上下文，并生成与你现有代码风格一致的修改。

MCP 对游戏开发的局限

MCP 是文件级别的集成，这一点很重要。你的 AI 助手可以在 Godot 项目中读写文件，可以解析 .tscn 文件来理解场景结构，也可以读取和修改 .gd 脚本。

但它无法与运行中的引擎交互。

MCP 服务器不能按下播放键看游戏运行。它看不到渲染输出，无法测试物理交互是否合适，无法观察帧率、检测视觉故障，也无法验证粒子效果是否正确。它不能单步调试，也不能查看运行时的变量值。

这就是文件级桥接和引擎级集成之间的根本差距。MCP 让 AI 能访问项目的源文件。而像 Summer Engine 这样的 AI 原生游戏引擎则工作在引擎层面，AI 可以在引擎运行时理解场景、物理、渲染和玩法。它可以创建节点、调整属性，并在活跃的引擎上下文中测试行为。

对于代码层面的任务（写脚本、重构、修 bug、生成样板代码），MCP 表现不错。但对于需要理解游戏实际运行方式的任务，就需要更深的集成。

什么时候选择 MCP

以下情况适合用 MCP：

  • 你已经在使用 Claude、Cursor 或其他兼容 MCP 的工具，并希望它理解你的 Godot 项目
  • 你的工作流主要围绕代码，需要让脚本编写获得更好的上下文
  • 你希望继续在标准 Godot 编辑器中工作
  • 你偏好可以查看和修改源码的开源工具

以下情况 MCP 就不太合适：

  • 你需要 AI 创建和操作场景，而不仅仅是读取
  • 你希望 AI 生成资产（3D 模型、贴图、动画）
  • 你需要 AI 理解运行时行为和物理
  • 你想要对话式的工作流，由你描述要做什么，引擎来完成构建

超越 MCP

MCP 是一座聪明的桥梁，它让现有的 AI 工具能够感知项目。对很多 Godot 开发者来说，这已经足够。

如果你想要更深层的集成，让 AI 理解引擎本身，Summer Engine 采取了不同的思路。它不是把外部 AI 工具桥接到 Godot，而是把 AI 直接构建进引擎核心。最终效果是一个能在统一工作流中创建场景、编写代码、生成资产并理解游戏系统的 AI。而且它兼容 Godot 4，你现有的项目可以继续使用。

你可以访问 Godot AI 集成页面 了解更多，或者 下载 Summer Engine 亲自体验。