dcc-mcp/dcc-mcp-core

说明与用途

**项目简介**
dcc-mcp/dcc-mcp-core 是 DCC‑MCP 的核心运行时与共享工具库，提供安全、以「skill」为中心的模型上下文协议（Model Context Protocol）实现，支持 Maya、Blender、Houdini、Photoshop 以及自定义 DCC 主机的统一集成。

**价值**

• **AI 与真实工具的桥梁**：通过标准化的协议，将 AI 助手直接连接到专业创作软件的功能和数据，实现「AI‑in‑the‑loop」的自动化工作流。
• **跨平台统一接口**：一次实现后即可在多种 DCC 环境中复用，降低重复开发成本。
• **可扩展的插件体系**：提供 API/SDK/CLI，便于在现有管线中快速嵌入自定义 skill 或模型服务。

**典型接入方式**

1. **依赖引入**：在 Rust 项目中通过 cargo add dcc-mcp-core 引入库，或在其他语言（Python、C++）中使用对应的 FFI 包装。
2. **启动 MCP Server**：使用提供的 CLI (dcc-mcp-core serve) 启动 Model Context Protocol 服务器，指定要暴露的 DCC 主机插件。
3. **注册 Skill**：在服务器配置文件中声明 AI skill（REST、gRPC、WebSocket 等），并绑定到具体的 DCC 命令或脚本。
4. **客户端调用**：AI 代理通过标准的 MCP 消息（JSON‑RPC/Protobuf）向服务器发送请求，服务器转发到目标 DCC 软件并返回结果。

**生产可用性**

• **成熟度**：当前评分 74/100，适合作为原型或内部流水线的核心组件。
• **依赖与维护**：Rust 实现，代码库较小（28⭐），更新活跃（截至 2026‑06‑22），但仍需自行审查许可证、第三方依赖安全性以及维护者响应速度。
• **上线建议**：在生产环境部署前，进行以下检查：

1. 完整的安全审计（尤其是网络接口）。
2. 依赖锁定与 CI/CD 自动化测试。
3. 监控与日志收集，确保跨 DCC 主机的错误可追溯。

总体而言，dcc-mcp-core 为 AI 与专业创作工具的深度集成提供了统一、可编程的基础设施，适合希望在现有艺术管线中快速实验 AI‑驱动自动化的团队。

实际用途

dcc-mcp/dcc-mcp-core helps connect AI assistants to real tools and data through a standard protocol.

• connect AI agents to tools
• ship Model Context Protocol servers
• standardize integrations

限制与审查说明

Medium: useful for prototypes or internal workflows, with dependency and maintenance checks before production.