mcpField
P
PicoBerry

PicoBerry

本地服务
picoberry.ai媒体与设计21 周前更新

关于 PicoBerry

PicoBerry MCP Server 将 MCP 客户端连接到 PicoBerry API,用于生成和处理 3D 资产、图像及动画。工具覆盖多个生成引擎和资产操作,生成结果可作为草稿继续迭代。

主要功能

  1. 01根据文本或图像生成图像与 3D 模型
  2. 02重拓扑和重新贴图现有资产
  3. 03自动绑定并为 3D 角色制作动画
  4. 04查询引擎选项与积分成本
  5. 05将资产导出为 GLB、FBX 或 OBJ

适用场景

  1. 01为游戏原型制作 3D 资产草稿
  2. 02根据参考图像生成模型
  3. 03重拓扑并贴图已有资产
  4. 04为 3D 工作流导出完成的模型

MCP 相关

该 MCP 服务向 MCP 客户端提供 PicoBerry API 的生成与资产管理工具,包括模型查询、生成、状态检查和下载。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
"mcpServers": {
"umodeler-picoberry": {
"command": "npx",
"args": [
"-y",
"@picoberry/mcp-server"
],
"env": {
"PICOBERRY_API_KEY": "<PICOBERRY_API_KEY>",
"PICOBERRY_API_BASE": "<PICOBERRY_API_BASE>"
}
}
}
}
启动命令npx -y @picoberry/mcp-server
需要配置的环境变量
PICOBERRY_API_KEY密钥PicoBerry API key (pb_live_...). Create one at https://picoberry.ai/dashboard/api-keys. Requires a completed purchase (a subscription or a one-off credit pack) or an active paid subscription.
PICOBERRY_API_BASEOverride the API base URL. Defaults to https://api.picoberry.ai — leave unset unless you were given a different host.

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
npm@picoberry/mcp-server0.1.7

工具

14

收录的工具列表 · 更新于 1 周前

参数类型必填说明
categoryenum否`3d` 仅列出文本转 3D 引擎。仅接受图像输入的供应商引擎(例如 meshy-7)没有文本转 3D 条目,只会出现在 `image-to-3d` 下——调用 generate_3d_from_image 前请使用该类别。3d | image-to-3d | image | parts-board | remesh | texture | animate | uv-unwrap

详细介绍

PicoBerry

PicoBerry MCP 服务

通过任意 MCP 客户端(Claude Code、Cursor、Claude Desktop、Cline)为游戏和 3D 工作流生成 3D 模型、图像和动画,无需编写 HTTP 胶水代码。它是 PicoBerry /v1 API 的轻量封装,让你可以直接在 Agent 中使用 PicoBerry 的多引擎工作流。多个 3D 和图像引擎共用一个 API;调用 list_models 可查看当前可用引擎及各引擎的费用。生成的素材是草稿,适合用于原型制作和迭代,也可以针对你的项目进行审核或完善。

📖 完整参考文档: API + MCP 文档 · PicoBerry API

MCP 或 API 不需要单独订阅。 生成内容会像使用 Web 应用一样,按引擎消耗相同的 PicoBerry 预付额度。你可以在消耗额度前调用 list_models 查看费率。(使用 API 需要先完成购买,详见获取 API 密钥。)

安装

无需安装——使用 npx 运行:

// Claude Code:  .mcp.json   ·   Claude Desktop:  claude_desktop_config.json
{
  "mcpServers": {
    "picoberry": {
      "command": "npx",
      "args": ["-y", "@picoberry/mcp-server"],
      "env": {
        "PICOBERRY_API_KEY": "pb_live_xxxxxxxxxxxxxxxx"
      }
    }
  }
}

Cursor 使用相同的配置格式,配置文件路径为 ~/.cursor/mcp.json。

获取 API 密钥

登录 https://picoberry.ai,打开控制面板中的 API Keys 选项卡,然后点击 Create key。密钥只会显示一次——请立即复制并像密码一样妥善保管。

使用 API 需要先完成购买:订阅或一次性额度包均可。购买后,你将永久获得 API 使用资格——无需保持当前有效订阅。(当然,正在生效的付费订阅也可以。)

环境变量
变量必需默认值说明
PICOBERRY_API_KEY✅—pb_live_...
PICOBERRY_API_BASE—https://api.picoberry.ai如果没有收到其他主机地址,请留空

工具

工具功能
list_models查看某个类别(3d / image / parts-board / remesh / texture / animate)的引擎及额度费用。生成前请先调用——不要将引擎名称写死在代码中。
list_animation_presets列出动画预设 ID(因引擎而异),支持可选的子字符串筛选。
get_credits查看当前额度余额。
generate_image文本 → 图像(可选参考图像 URL)。count(1–4)可在一次调用中生成多张图像 → assets[],请分别等待每个 ID。
generate_3d_from_text文本 → 3D 模型(GLB)。
generate_3d_from_image图像 → 3D 模型。单视图:image_url 或本地 image_path。多视图(2–4 个视角,保真度更高):image_urls 或 image_paths,按 [正面、左侧、背面、右侧] 排列——仅支持 tripo*/meshy6/hunyuan-3.x。
parts_board将一张图像拆分为分解零件板图像(使用服务端固定引擎)。输入 asset_id、image_url 或本地 image_path;将结果传给 generate_3d_from_image,即可生成零件分离的网格。
remesh对现有 3D 素材进行重拓扑处理 → 新素材。
texture为现有 3D 素材重新制作纹理(PBR)→ 新素材。
animate为现有 3D 角色自动绑定骨骼并制作动画 → 新素材。
get_asset查看单个素材的状态和结果 URL。
wait_for_asset轮询素材直至完成(或超时),然后返回该素材。
list_my_assets浏览你生成的素材。
download_asset导出已完成的 3D 素材(glb / fbx / obj)→ 签名 URL。

生成流程

生成是异步的:

  1. generate_3d_from_text({ prompt }) → 返回素材 { id }。
  2. wait_for_asset({ asset_id: id }) → 轮询直至 taskStatus === 2(成功)。
  3. 从 files.model(GLB)或 files.image(PNG)中读取结果 URL。

taskStatus:0 等待中 · 1 处理中 · 2 成功 · 3 失败。结果 URL 带签名且有效期较短——请及时下载。发生错误时会返回可操作的提示信息(例如,未知引擎会返回有效名称列表)。

示例(在 Agent 中)

“制作一个低多边形宝箱,将其拓扑重构至 3k 个三角面,并提供一个 Unity FBX 文件。”

list_models(category="3d")                         → pick an engine
generate_3d_from_text(prompt="low-poly treasure chest")  → { id: A }
wait_for_asset(asset_id=A)                          → taskStatus 2
remesh(asset_id=A, polycount=3000)                  → { id: B }
wait_for_asset(asset_id=B)
download_asset(asset_id=B, format="fbx", texture_preset="unity")  → signed URL

配合 Blender MCP 使用

将其与 blender-mcp 一起运行, Agent 就可以使用 PicoBerry 生成模型,然后在一个流程中将其导入 Blender:

{
  "mcpServers": {
    "picoberry": { "command": "npx", "args": ["-y", "@picoberry/mcp-server"], "env": { "PICOBERRY_API_KEY": "pb_live_..." } },
    "blender":   { "command": "uvx", "args": ["blender-mcp"] }
  }
}

开发

npm install
npm run build      # tsc → dist/
PICOBERRY_API_KEY=pb_live_... npm start

发布

运行 Actions → Publish → Run workflow(或推送一个 v* 标签)。它会先发布到 npm,再发布到官方 MCP 注册表——注册表会通过获取软件包的 npm 元数据,并将其 mcpName 与 server.json 中的 name 进行匹配来验证,因此必须先发布到 npm。 保护步骤会在发布任何内容之前检查所有约束(名称/版本一致、命名空间大小写、 版本尚未发布到 npm),因为 npm 版本不可变,而且发布流程中途失败会浪费该版本号。

在 package.json 和 server.json(version 和 packages[0].version)中都更新 version——如果两者不一致,保护步骤会使运行失败。

一次性设置——无需密钥。 两次发布都通过工作流的 GitHub OIDC 令牌(id-token: write)进行身份验证。无需存储或轮换任何内容。

唯一需要做的是告知 npm 信任此工作流。在 npmjs.com 上,前往 @picoberry/mcp-server → Settings → Trusted publishing → GitHub Actions,并填写:

字段值
组织或用户UModeler
仓库picoberry-mcp
工作流文件名publish.yml
环境名称(留空)
允许的操作npm publish

工作流文件名必须完全匹配——这是 npm 验证内容的一部分。

MCP 注册表无需任何设置:mcp-publisher 会交换 Actions OIDC 令牌,注册表则根据令牌的 repository_owner 声明授予 io.github.<repository_owner>/*。这涵盖 io.github.UModeler/picoberry-mcp,并且无需交互式浏览器登录(该登录还需要组织 Owner 权限)。

Trusted Publishing 需要 npm >= 11.5.1,因此工作流使用 Node 24 (npm 11.x)。Node 22 仍捆绑 npm 10.9,运行会失败——node-version 固定值至关重要。如果运行器提供的 npm 版本过旧,保护步骤会提前使运行失败。

命名空间按字节精确匹配——必须是 io.github.UModeler/...,与 GitHub 组织的登录名一致。小写的 io.github.umodeler/... 会被拒绝并返回 403。

发布后,认领 Glama 列表 ——未认领的服务可发现性有限,而且 awesome-mcp-servers 要求其 PR 在 CI 中包含 Glama 徽章。

许可证

MIT

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。