MCP + Skills 集成指南

English

为什么要结合 MCP 与 Skills？

标准 MCP 的问题

标准 MCP 的 tools/list 会一次性返回所有工具——没有任何过滤。

当系统中有 3 个 DCC 实例 × 50 个技能包 × 5 个脚本 = 750 个工具同时在上下文中。AI 的上下文窗口立即被占满，成本飙升，推理质量下降。

标准 MCP tools/list：
┌──────────────────────────────────────────────┐
│  maya_geo__create_sphere                      │
│  maya_geo__bevel                              │
│  maya_anim__set_keyframe  ... (共 250 个)     │
│  blender_sculpt__smooth                       │
│  blender_sculpt__grab     ... (共 250 个)     │
│  houdini_vex__compile     ... (共 250 个)     │
└──────────────────────────────────────────────┘
750 个工具每次都在上下文中 → 昂贵、缓慢

我们的解决方案：会话范围渐进式发现

每个 AI 会话绑定到一个 DCC 实例，tools/list 只返回该实例的工具。

会话 A（Maya 实例 #1）：
  tools/list → 100 个 Maya 工具 + 50 个共享工具 = 150 个工具

会话 B（Houdini 实例 #1）：
  tools/list → 100 个 Houdini 工具 + 50 个共享工具 = 150 个工具

上下文减少 71%，信息零损失

CLI 工具的问题

CLI 工具对 DCC 状态一无所知：

• 无法看到当前场景、选中对象或视口内容
• 需要多次往返才能收集上下文
• 返回需要脆弱解析的原始文本
• 执行过程中没有视觉反馈

dcc-mcp-core 直接运行在 DCC 内部，可以直接访问其完整状态。

架构

AI 智能体（Claude、GPT 等）
    │
    │ tools/call {"name": "maya_geo__create_sphere", "radius": 2.0}
    │
    ▼
网关服务器（dcc-mcp-server）          ← 每台机器一个
    │
    │ 会话 A → Maya 实例 #1（IPC）
    │ 会话 B → Houdini 实例 #1（IPC）
    │
    ▼
DCC 桥接插件
    │
    │ 执行脚本，捕获结果
    │
    ▼
{success: true, message: "球体已创建", context: {name: "pSphere1"}}

核心概念

ServiceEntry — 每个 DCC 注册的信息

from dcc_mcp_core import create_skill_server, McpHttpConfig

# Gateway 自动注册 DCC 实例
server = create_skill_server("maya", McpHttpConfig(port=8765))
handle = server.start()

网关通过这些信息了解：

• 哪个实例可用
• 哪些文件已打开
• 应将 AI 请求路由到哪个实例

会话隔离

# 将会话绑定到特定 Maya 实例
session_id = mgr.get_or_create_session("maya", instance_id)

# tools/list 仅过滤该 Maya 实例的技能
# AI 智能体看到 150 个工具，而非 750 个

Skills 系统

SKILL.md（元数据）                     scripts/
─────────────────────────────────────────────────
name: maya-geometry                    create_sphere.py
dcc: maya                              bevel.py
scope: repo                            export_fbx.bat
policy:                                ──────────────
  products: ["maya"]                   ↓ 注册为 MCP 工具
  allow_implicit_invocation: false     maya_geometry__create_sphere
                                       maya_geometry__bevel
                                       maya_geometry__export_fbx

零 Python 胶水代码。元数据 + 脚本 = MCP 工具。

渐进式发现

工具根据上下文逐步展示：

过滤器	条件	结果
DCC 类型	会话绑定到 Maya	只显示 Maya 工具
产品	policy.products: ["maya"]	Houdini 工具隐藏
作用域	scope: system	不能被 repo 技能覆盖
隐式调用	allow_implicit_invocation: false	需先显式调用 load_skill

快速开始

1. 安装

pip install dcc-mcp-core

2. 创建技能包

my-tools/
├── SKILL.md
└── scripts/
    └── create_sphere.py

SKILL.md：

---
name: my-tools
dcc: maya
scope: repo
policy:
  allow_implicit_invocation: true
  products: ["maya"]
---
# 我的 Maya 工具
自定义几何体工具。

3. 启动服务器

import os
from dcc_mcp_core import create_skill_server, McpHttpConfig

os.environ["DCC_MCP_MAYA_SKILL_PATHS"] = "/path/to/my-tools"

server = create_skill_server("maya", McpHttpConfig(port=8765))
handle = server.start()
print(f"MCP 服务器: {handle.mcp_url()}")
# AI 客户端连接到 http://127.0.0.1:8765/mcp

4. 连接 Claude Desktop

{
  "mcpServers": {
    "maya": {
      "url": "http://127.0.0.1:8765/mcp"
    }
  }
}

与其他方案的对比

特性	dcc-mcp-core	通用 MCP	CLI 工具
DCC 状态感知	✅ 场景、文档、对象	❌ 无	❌ 无
上下文范围控制	✅ 会话隔离	❌ 全局	❌ 不适用
零代码工具	✅ SKILL.md	❌ 需要完整 Python	✅ 仅脚本
多实例支持	✅ 网关选举	❌ 单一端点	❌ 无
结构化结果	✅ 始终	⚠️ 手动	❌ 文本解析