【养龙虾】OpenClaw 安装部署全流程 – 手把手教你搭建自己的 AI 助手

1. 为什么Unity开发者需要一个
AI
助手？ 如果你和我一样，在Unity里摸爬滚打了好几年，肯定对下面这些场景深恶痛绝：为了测试一个简单的功能，你得手动在场景里拖拽几十个物体；每次修改材质参数，都要在Inspector面板里一个个点开、输入、确认；想快速
搭建一个原型，光是摆放基础几何体就耗掉半小时。这些重复、琐碎但又必不可少的操作，就像游戏里的“日常任务”，枯燥且毫无技术含量，却实实在在地吞噬着我们的创造力和开发时间。 这就是
AI
助手切入的绝佳场景。它不是一个要取代你的“超级
AI”，而是一个能听懂你说话、帮你干活的“智能副驾驶”。想象一下，你只需要在聊天框里输入：“创建一个红色球体，放在（0， 5， 0），再创建五个绿色立方体随机围成一圈”，然后按下回车，场景里就瞬间按你的要求布置好了。这不再是科幻电影里的情节，而是通过MCP就能实现的现实。 MCP，全称是Model Context Protocol，你可以把它理解为一个“万能翻译官”。它建立了一套标准，让像Claude、Cursor这类
AI
助手，能够理解并安全地操作像Unity这样的专业软件。以前，
AI再聪明，它也“摸不到”你的Unity编辑器。现在，MCP在中间搭了一座桥，
AI把我们的自然语言指令（比如“把主角的移动速度调成10”）翻译成Unity编辑器能执行的命令（比如调用`Transform.Translate`或修改`Rigidbody.velocity`），再把执行结果反馈回来。 对我个人而言，引入MCP最大的改变不是“更快”，而是“更流畅”。我的思维不再需要频繁地在“创意构思”和“鼠标点击”之间切换。当我在构思一个关卡机制时，我可以直接告诉
AI
助手我的想法，让它帮我实时
搭建出可视化的场景，我就能立刻验证这个想法是否好玩，整个过程几乎是无缝的。这对于独立开发者或者小团队来说，效率提升是颠覆性的。接下来，我就
手把手带你把这个“智能副驾驶”请进你的Unity项目里。 2.
搭建前的准备工作：把地基打牢 万事开头难，但只要我们按步骤把工具装齐，后面就是一马平川。这里我会把每个环节的“坑”和“窍门”都告诉你，确保你一次成功。 2.1 核心三件套：Unity、Python和Git 首先，你需要一个Unity项目作为舞台。我强烈建议你新建一个空项目来尝试，名字就叫`MCP_Test`，避免弄乱你正在开发的主项目。Unity版本选择2020.3 LTS或2022.3 LTS这些长期支持版最稳妥，兼容性好，社区资源也丰富。从Unity Hub下载
安装时，有个关键点很多人会忽略：在
安装模块选择界面，务必找到并勾选 “Git” 支持。这个选项可能藏在“DevOps”或“版本控制”分类下。勾选它，Unity才能在
安装插件时直接从Git仓库拉取代码，这是后续一键
安装的基础。 接下来是Python环境。MCP的服务器端是用Python写的，所以我们需要
安装Python。去Python官网下载3.9到3.11之间的版本（比如3.10.11），太新或太旧的版本可能会有库依赖问题。
安装时，Windows用户一定要勾选“Add Python to PATH”这个选项，这相当于把Python的执行路径告诉系统，否则后面在命令行里输入`python`会提示找不到命令。
安装完成后，打开你的命令行（Windows叫命令提示符或PowerShell，macOS叫终端），输入`python
–
–version`并回车。如果屏幕上显示`Python openclaw 安装 3.10.11`这样的版本信息，恭喜你，这一步成功了。如果报错，大概率是PATH没设置好，需要卸载重装并确认勾选了那个选项。 Git是版本管理工具，虽然Unity
安装时勾选了Git支持，但为了确保命令行也能用，我们最好单独
安装一个完整的Git。去Git官网下载
安装包，
安装过程全部选默认选项就行。
安装后，同样在命令行里输入`git
–
–version`验证一下。 2.2 效率工具：uv包管理器 这是Python生态里的一个新兴包管理工具，比传统的pip更快、更现代化。MCP的Unity插件默认使用它来运行服务器，所以我们得装上它。
安装非常简单，在刚才验证过Python可用的命令行里，直接输入
安装命令： “`bash pip install uv “` 如果你是macOS用户，系统可能预装了Python2和Python3，记得用`pip3`来
安装： “`bash pip3 install uv “` 如果提示“pip不是内部或外部命令”，别慌，这通常意味着你需要重启一下命令行窗口，或者电脑，让刚才
安装Python时设置的PATH环境变量生效。
安装完成后，输入`uv
–
–version`，能看到版本号就说明没问题。 2.3 选择一个你喜欢的
AI客户端 这是你和
AI
助手对话的界面。目前对MCP支持最好、配置最简单的是 Claude Desktop（Anthropic公司出品）和 Cursor（一款集成了
AI的智能代码编辑器）。对于新手，我首推Claude Desktop，它的界面更接近一个聊天机器人，专注于对话和指令执行，干扰少。你只需要去它们的官网下载
安装包，像
安装普通软件一样
安装好就行，暂时不需要进行任何复杂配置。 3. 核心
安装：把MCP插件请进Unity 工具齐备，现在开始真正的
安装。这里我提供两种方法，第一种是“一键傻瓜式”，第二种是“手动备份式”。强烈建议你先尝试第一种。 3.1 方案一：Git URL一键
安装（新手首选） 打开你刚才新建的`MCP_Test`Unity项目。在Unity编辑器顶部的菜单栏，找到 Window
–> Package Manager。这会打开包管理器窗口，我们平时在这里
安装Unity官方或第三方的各种功能包。 在包管理器窗口的左上角，你会看到一个小小的“+”号按钮，点击它，在弹出的菜单中选择 “Add package from git URL…”。 这时，你需要一个Git仓库地址。目前社区有几个可用的MCP桥接插件，我实测下来最稳定的是这个： “` https://github.com/justinpbarnett/unity
–mcp.git?path=/UnityMcpBridge “` 复制上面这行地址，粘贴到弹出的输入框中，然后点击“Add”按钮。 接下来，Unity会开始从GitHub下载这个包并导入到你的项目中。注意看Unity编辑器右下角，会有一个“Importing package…”的进度条。这个过程网络状况好的话十几秒，慢的话可能需要一两分钟，请耐心等待，不要关闭Unity。
安装成功后，你会在Unity顶部菜单栏看到一个新的菜单项：Unity MCP。如果没立刻出现，尝试重启一下Unity，它应该就会在了。这个菜单就是我们的控制中心。 3.2 方案二：手动下载与导入（备选方案） 如果方案一因为网络问题总是失败，别担心，我们还有手动方案。打开命令行，找一个你熟悉的目录（比如桌面），执行克隆命令： “`bash git clone https://gitcode.com/gh_mirrors/uni/Unity
–MCP.git “` 这个命令会把插件代码下载到你当前目录下的一个叫`Unity
–MCP`的文件夹里。下载完成后，打开Unity，在菜单栏选择 Assets
–> Import Package
–> Custom Package…。 在弹出的文件选择窗口中，导航到你刚才下载的`Unity
–MCP`文件夹，里面会有一个`UnityMCP.unitypackage`文件，选中它并点击“打开”。之后会弹出一个导入详情窗口，通常默认全选所有文件，直接点击“Import”按钮即可。导入完成后，同样重启Unity，检查“Unity MCP”菜单是否出现。 4. 启动引擎：配置并运行MCP服务器 插件装好了，但它只是个“客户端”，还需要一个“服务器”来执行具体命令。幸运的是，如果你用的是方案一
安装的插件，这个服务器已经随着插件一起悄悄下载到你的电脑里了。 4.1 找到并验证Python服务器 服务器文件被
安装在一个固定的位置。对于Windows系统，路径通常是： “` C:Users[你的用户名]AppDataLocalProgramsUnityMCPUnityMcpServersrc “` 如果你找不到`AppData`这个文件夹（因为它默认是隐藏的），有一个更简单的办法：直接打开文件资源管理器，在顶部的地址栏里粘贴下面这行代码，回车就能直达： “` %LocalAppData%ProgramsUnityMCPUnityMcpServersrc “` 对于macOS用户，路径在这里： “` /Users/[你的用户名]/Library/Application Support/UnityMCP/UnityMcpServer/src “` macOS的`Library`文件夹默认也是隐藏的。你可以在访达（Finder）中，按住键盘上的`Option`键，同时点击顶部菜单栏的“前往”菜单，这时就会显示出“资源库”的选项，点击进去再按路径找即可。 找到这个`src`文件夹后，我们进去启动一下服务器，验证它是否能正常工作。打开命令行，使用`cd`命令切换到上述路径。例如在Windows上： “`bash cd C:Users你的用户名AppDataLocalProgramsUnityMCPUnityMcpServersrc “` 切换成功后，输入启动命令： “`bash uv run server.py “` 如果一切顺利，命令行里会显示类似`Server running on port 8080`的信息，并且光标会停在那里闪烁。这个命令行窗口千万不要关闭！ 它就是我们MCP服务器的运行窗口。如果它被关闭，
AI
助手就无法与Unity通信了。 4.2 备选的Node.js服务器方案 有些开发者可能对Node.js环境更熟悉，社区也有一个Node.js版本的服务器。你可以在命令行里执行以下命令来使用它： “`bash git clone https://github.com/Unity
–Technologies/unity
–mcp
–server.git cd unity
–mcp
–server npm install npm run build node build/index.js “` 同样，看到监听端口的提示就说明成功了。但作为新手，我建议你先用Python版，因为它是和Unity插件配套
安装好的，省去了克隆和构建的步骤，更不容易出错。 5. 连接与对话：让
AI和Unity握手成功 服务器在后台跑起来了，
AI客户端（Claude Desktop）也开着，Unity项目也打开了，现在我们需要让它们彼此认识一下，建立连接。 5.1 自动配置（最省心的方式） 这是我最推荐新手的配置方式，几乎不需要你手动写任何配置代码。在Unity中，点击顶部菜单栏的 Unity MCP
–> Unity MCP Window。这会打开一个配置面板窗口。 在这个窗口里，你很可能会看到一个非常醒目的按钮，比如 “Auto
–Configure for Claude” 或 “Auto
–Configure for Cursor”。点击你正在使用的那个客户端的按钮。 点击后，插件会自动帮你修改
AI客户端的配置文件，添加连接到本地MCP服务器所需的信息。这个过程大概需要十几到三十秒。配置成功后，配置窗口的右上角通常会有一个状态指示灯，从红色或黄色变成稳定的绿色。看到绿色，就表示从Unity插件到MCP服务器，再到
AI客户端的整个链路已经打通了！ 5.2 手动配置（自动配置失败时的后手） 如果自动配置按钮没出现，或者点击后一直不成功，我们就需要手动修改配置文件。这里以Claude Desktop为例。 首先找到Claude的配置文件。它在以下位置：
– Windows: `C:Users[你的用户名]AppDataRoamingAnthropicClaudeclaude_desktop_config.json`
– macOS: `/Users/[你的用户名]/Library/Application Support/Anthropic/Claude/claude_desktop_config.json` 用记事本（Windows）或文本编辑（macOS）打开这个JSON文件。在文件末尾，在最后一个大括号 `}` 的前面，添加以下配置内容（注意，如果前面已经有内容，记得在开头加个逗号分隔）： “`json , “mcpServers”: { “UnityMCP”: { “command”: “uv”, “args”: [“run”, ”
–
–directory”, “C:\Users\你的用户名\AppData\Local\Programs\UnityMCP\UnityMcpServer\src”, “server.py”] } } “` 这里有个关键细节：Windows的路径中的反斜杠“，在JSON文件里需要写成双反斜杠`\`，否则会解析错误。macOS的路径用正斜杠`/`，写一个就行。修改完成后保存文件，然后完全关闭Claude Desktop和Unity，再重新打开它们。 5.3 激动人心的第一次对话 连接成功后，让我们来测试一下。确保三件事：1. Unity项目开着；2. 运行`uv run server.py`的命令行窗口开着；3. Claude Desktop开着。 现在，切换到Claude Desktop的聊天界面，试着输入一句指令： “` 帮我在Unity场景中央创建一个名叫“TestCube”的立方体。 “` 发送后，稍等一两秒。如果你的Unity场景视图是开着的，你会神奇地看到一个灰色的立方体突然出现在场景（0，0，0）坐标附近，并且在Hierarchy面板里，它的名字正是“TestCube”！第一次成功时，那种感觉真的很奇妙，仿佛给你的开发环境施了魔法。 你可以尝试更复杂的指令： “` 选中刚才创建的TestCube，把它沿Y轴抬高5个单位。 “` 或者： “` 创建一个红色的球体，再创建一个蓝色的立方体，把它们分别放在（
–3，0，0）和（3，0，0）。 “` 看着
AI
助手准确地理解并执行这些指令，你会立刻明白这个工具带来的效率提升有多么直接。 6. 深入应用：不止于创建物体 成功运行了基础命令，你可能觉得这只是一个“创建物体”的玩具。别急，MCP的能力远不止于此。通过它，
AI可以调用大量常用的Unity编辑器API，帮你完成各种繁琐工作。 6.1 场景管理与批量操作 假设你正在
搭建一个开放世界的地形，需要放置大量树木和岩石作为装饰。你可以对
AI说：“在当前场景中，随机生成50棵松树模型（引用`PineTree.prefab`），分散在（0，0，0）点周围半径100米的区域内，Y轴坐标贴合地面。”
AI
助手可以编写脚本，通过`Instantiate`方法批量生成，并使用`Random.insideUnitSphere`来随机分布位置，再通过射线检测让它们贴合地面。这比你手动复制粘贴、调整位置要快上百倍。 对于灯光和后期处理，你可以指令化：“在场景中添加一个全局方向光，旋转角度为（50，
–30， 0），强度设为1.2。再添加一个后处理体积，启用环境光遮蔽和辉光效果，强度调为中等。”
AI可以帮你调用`new GameObject()`创建物体，添加`Light`组件并设置参数，或者找到`Post
–Process Volume`相关的API进行配置。 6.2 资源检查与项目维护 项目做大了，资源管理是个头疼事。你可以让
AI
助手帮你做体检：“检查`Assets/Textures`目录下所有分辨率超过2048×2048的纹理，并列出它们的路径和大小。”或者“查找项目中所有未使用的Prefab预制体。”
AI可以通过`AssetDatabase`相关的API遍历资源，进行分析和报告，帮你快速定位优化点。 另一个常见需求是批量修改组件参数。比如美术调整了主色调，你需要把所有UI按钮的默认颜色换掉。你可以告诉
AI：“找到项目中所有带有`Button`组件的物体，将它们的`Normal Color`属性改为（R:0.2， G:0.5， B:0.8， A:1）。”
AI可以遍历场景和Prefab，精准地完成批量替换。 6.3 调试与信息获取 调试时，获取实时信息非常有用。你可以问
AI：“当前选中的游戏对象身上有哪些组件？”或者“玩家角色的当前生命值是多少？把它打印到控制台。”
AI可以通过`Selection.activeGameObject`获取选中物体，遍历其`GetComponents`，或者访问你游戏中定义的`PlayerHealth`之类的脚本变量，将信息反馈给你，省去了你手动写临时调试代码的麻烦。 你甚至可以结合这些能力，让
AI帮你编写简单的自动化测试脚本。比如：“编写一个脚本，在播放模式下，每0.5秒随机点击一次屏幕上的UI按钮，持续10秒，并记录每次点击的结果。”虽然复杂的逻辑仍需你亲自设计，但
AI可以快速
搭建出测试框架和基础代码，极大加速你的测试流程。 7. 避坑指南：新手常见问题与解决 在实际
搭建过程中，你可能会遇到一些小麻烦。别担心，大部分问题我都踩过坑，这里给你总结好了。 问题一：Unity
安装插件时提示“Git not found”或“Git错误”。 这通常是因为Git没有正确集成到Unity中。首先，确认你
安装Unity时勾选了Git支持。如果勾选了还不行，去系统环境变量里检查Git的`cmd`和`bin`目录是否在PATH里。最彻底的解决办法是：卸载Git，重新
安装，并在
安装时确认勾选“Use Git from the Windows Command Prompt”（或类似选项，意思是将Git添加到系统PATH）。
安装完成后，重启电脑，再重启Unity尝试。 问题二：在命令行输入`uv run server.py`，提示“uv不是内部或外部命令”。 这说明uv包管理器没有
安装成功，或者
安装后其路径没有被添加到系统PATH。首先，尝试用`pip install
–
–upgrade uv`命令重新
安装或升级。如果还不行，可以找到Python的脚本
安装目录（通常在`C:Users[用户名]AppDataLocalProgramsPythonPython310Scripts`或类似路径），将这个完整路径添加到系统的环境变量PATH中。添加后，务必关闭当前所有命令行窗口，再新开一个，新的PATH才会生效。 问题三：启动服务器时提示“Address already in use”或“端口8080被占用”。 这意味着你电脑上已经有另一个程序（可能是某个后台服务、开发服务器、甚至迅雷等下载软件）占用了8080端口。解决方法是换一个端口。用文本编辑器打开`server.py`文件（在之前提到的`src`目录里），找到`port=8080`这一行，把`8080`改成其他不常用的端口，比如`8081`或`3000`。保存文件，然后重新用`uv run server.py`启动服务器。同时，记得在Claude的配置文件里，如果手动配置了，也需要把端口号改成新的。 问题四：
AI发送指令后，Unity里毫无反应。 这是最让人沮丧的情况，但排查起来有章可循。请按照以下顺序检查： 1. 检查服务器窗口：运行`uv run server.py`的命令行窗口是否还在？有没有报错信息？ 2. 检查Unity日志：在Unity中打开 Unity MCP
–> Debug Window。这个调试窗口会显示所有通信日志。如果看到红色错误信息，通常能直接定位问题，比如“连接被拒绝”可能是服务器没开，“无效指令”可能是语法问题。 3. 检查
AI客户端连接：确认Claude Desktop配置面板里的MCP服务器连接状态是否是绿色的“已连接”。 4. 重启大法：按顺序关闭
AI客户端、Unity、服务器命令行窗口，然后重新启动：先开服务器，再开Unity，最后开
AI客户端并发送指令。 问题五：Python
安装后，在命令行里输入`python`没反应。 这几乎是Windows用户的专属问题，核心就是
安装时没勾选“Add Python to PATH”。唯一的解决办法是：打开控制面板的“卸载程序”，找到Python，彻底卸载它。然后重新去官网下载
安装包，运行
安装程序时，切记在第一个
安装界面，一定要勾选底部的“Add Python to PATH”复选框，然后再点击“Install Now”。
安装完成后，再次打开新的命令行窗口测试。 8. 进阶技巧与安全实践 当你熟练使用基础功能后，可以探索一些更高级的用法，同时也要建立良好的安全习惯。 自定义工具扩展：MCP的强大之处在于它的可扩展性。`server.py`这个服务器脚本本质上定义了一系列“工具”（Tools），比如`create_object`、`get_selection`等。你可以打开这个文件看看它的结构。如果你需要
AI帮你执行一个特定的、它目前还不会的操作，比如“批量重命名所有材质球”，你可以参照现有工具的格式，自己编写一个新的工具函数，并注册到服务器里。这样，
AI就能调用你这个自定义工具了。这需要一些Python和Unity API的知识，但为你打开了无限的可能性。 指令描述的技巧：和
AI沟通，描述越清晰，结果越准确。避免模糊的指令，比如“弄几个敌人”。更好的说法是：“在场景中生成3个‘Enemy’预制体，将它们以（0，0，0）为中心，随机放置在X和Z轴范围
–10到10，Y轴为0的位置上。” 明确指定资源名、数量、位置、参数，能极大减少返工。 项目安全与版本管理：强烈建议你在一个专门用于测试的Unity项目中使用MCP，或者在尝试复杂、批量操作前，务必先提交Git或做好项目备份。虽然MCP指令通常是可逆的，但批量删除或修改操作一旦执行，手动恢复会很麻烦。
养成好习惯，让
AI
助手在版本控制的保护下为你工作。 性能考量：通过
AI执行编辑器操作，尤其是批量生成上百个物体时，其性能开销和直接写编辑器脚本是一样的。对于极其大量的操作，可能会造成Unity编辑器短暂卡顿。建议将大型任务拆分成多个小指令分步执行，或者让
AI生成脚本代码，由你审查后再运行，这样更可控。 从我自己的使用体验来看，MCP智能
助手最大的价值在于它改变了我的工作流。我不再需要为了一个简单的场景
搭建而频繁打断思路去点击鼠标。现在，我更像一个“导演”，用语言描述我的构想，
AI
助手作为“场务”快速
搭建好舞台。它处理掉了那些重复的、机械的“体力活”，让我能把更多的时间和精力集中在游戏玩法设计、逻辑调试这些真正需要创造力和判断力的核心工作上。刚开始配置可能会遇到点小麻烦，但一旦跑通，你会发现这一切都是值得的。不妨今天就花半个小时，按照上面的步骤试试看，感受一下未来已来的开发体验。