---
id: "kb-gd-002"
title: "AI Agent 游戏开发工具"
schema_type: "TechArticle"
category: "game-development"
language: "zh"
confidence: "high"
confidence_rationale: "游戏开发领域系统性知识，基于行业标准和实践经验"
last_verified: "2026-04-28"
generation_method: "human_only"
derived_from_human_seed: true
tags: ["ai", "tools", "agent", "mcp", "a2a", "api", "workflow"]
summary: "AI Agent 游戏开发工具汇总：MCP/A2A协议、框架对比、API文档索引与实战代码"
primary_sources:
  - title: "游戏开发Wiki（个人知识库）"
    type: "knowledge_base"
    year: 2026
    note: "基于行业实践和标准参考文献的系统性整理"
secondary_sources:
  - title: "Model Context Protocol Specification"
    type: "standard"
    year: 2025
    url: "https://modelcontextprotocol.io/specification/2025-06-18"
    institution: "Linux Foundation / AAIF"
completeness: 0.85
related_entities:
  - "entity:game-development"
ai_citations:
  last_citation_check: "2026-05-22"
---

# AI Agent 游戏开发工具

## 概览

2025-2026 年，AI 编码 Agent（Claude Code、Cursor、Codex 等）已经成为游戏开发的重要辅助工具。以下是在各阶段有用的工具和模板。

---

## 完整的 AI 游戏开发框架

### Claude Code Game Studios — 49 智能体虚拟游戏工作室

一个模板系统，把单个 Claude Code 会话变成完整的游戏开发工作室：

- **49 个专门化 Agent** — 分 3 层（总监用 Opus、部门主管用 Sonnet、专家用 Sonnet/Haiku）
- **72 个 Skill 命令** — /start、/design-system、/dev-story 等
- **支持引擎** — Godot 4、Unity、Unreal Engine 5
- **7 阶段管线** — 概念 → 系统设计 → 技术准备 → 预生产 → 生产 → 打磨 → 发布

**GitHub**: [Donchitos/Claude-Code-Game-Studios](https://github.com/Donchitos/Claude-Code-Game-Studios)

### Everything Game Dev Code — 42 Agent 开源脚手架

- **42 个 Agent、51 个命令、86 个 Skill、92 条规则、10 个阶段上下文**
- 引擎隔离 — Unity、Unreal、Godot 的规则互不污染
- Unity 专用命令：/unity-setup、/unity-build-fix、/unity-review

**Unity 论坛**: [Everything Game Dev Code](https://discussions.unity.com/t/everything-game-dev-code-open-source-ai-scaffold-with-dedicated-unity-support/1716140)

### WebGameTemplateForAgents — 浏览器游戏模板

制作浏览器游戏的即用模板：
- 兼容 Cursor Agent、Codex、Claude Code
- 4 阶段工作流：设计 → 规划 → 实现 → 测试
- 结构化入口文件（FIRST_PROMPT.md、NEXT_ITERATION_PROMPT.md）

**GitHub**: [ludenio/WebGameTemplateForAgents](https://github.com/ludenio/WebGameTemplateForAgents)

---

## 引擎 MCP 集成

MCP（Model Context Protocol）是让 AI Agent 直接操作引擎的标准方式：

| 工具 | 引擎 | 功能 |
|------|------|------|
| **Unity MCP** | Unity | 开源 MCP 服务端，AI 直接操作 Unity Editor（7k+ ⭐） |
| **Coplay MCP** | Unity | 86 个工具，支持脚本、场景、资产生成 |
| **GodotIQ** | Godot | 3D 空间理解、信号流追踪、场景编辑 |
| **Agentic AI** | Roblox | 规划模式 + AI 游戏测试 + 程序化 3D 模型 |

---

## AI 辅助开发工作流推荐

### 核心原则

1. **结构化规则先行** — 建立 CLAUDE.md、AGENTS.md、ARCHITECTURE.md
2. **规划优于编码** — 不要让 AI 自主规划，你规划 AI 执行
3. **模块化设计** — 每次只做一个可测试的特性
4. **频繁提交** — 每步工作后提交 Git，方便回滚
5. **清理上下文** — 每步新开对话，避免上下文污染

### 推荐工作流

```
GDD → 技术选型 → CLAUDE.md 规则 → 实现计划
→ 内存银行（Memory Bank）→ 分步开发 → 测试 → 审查
```

### Verb 编码方法（2026）

1. 使用 Claude Opus 4.6 在 Claude Code 中（推荐优于 Cursor）
2. 每个步骤从全新上下文开始
3. 要求 AI 先输出计划，批准后再实现
4. 使用 TDD 确保质量

---

## Skill 套装推荐

| 项目 | ⭐ | 用途 |
|------|-----|------|
| **addyosmani/agent-skills** | 16.6k | 20 个全流程工程技能 |
| **forrestchang/andrej-karpathy-skills** | 62k | 4 条行为准则 |
| **Bollwerkio/werkstatt** | — | 严格的 TDD 工作流 |
| **Astro-Han/karpathy-llm-wiki** | — | 个人游戏开发知识库 |

---

## 开发建议

### Web 游戏开发
- HTML5 Canvas / Phaser 框架
- 无服务器架构（确定性回放）
- AI Agent 生成完整小游戏效率极高

### Unity 开发
- Unity MCP 让 AI 直接操作编辑器
- Everything Game Dev Code 脚手架
- 注意 C# 编译导致的迭代延迟

### Godot 开发
- GodotIQ MCP 提供空间理解
- GDScript 解析成本低，适合 AI 生成
- 编辑器轻量，迭代快

### Unreal 开发
- 蓝图可视化 + C++ 混合
- Aura 12.0 提供多 Agent 协作
- 适合 AAA 品质但需要更多算力

---

## 在项目中使用 AI 辅助设计

AI Agent 不仅能辅助写代码，也能辅助**游戏设计本身**。以下是经过验证的实战案例：

### 实战案例 1：基于 MDA 框架的机制生成

**场景**：需要为一个 Roguelike 游戏设计 20 个独特的武器机制。

**Prompt 模板**：
```markdown
你是一位游戏机制设计师。基于 MDA 框架，为 [Roguelike 游戏] 设计 20 个武器机制。

要求：
- 每个机制明确 Mechanics（规则）、Dynamics（玩家互动产生的动态）、Aesthetics（情感体验）
- 机制之间要有协同效应（组合产生新策略）
- 包含 5 个简单机制、10 个中等复杂度、5 个高复杂度
- 每个机制标注设计意图和潜在平衡风险

输出格式：
| 编号 | 机制名称 | Mechanics | Dynamics | Aesthetics | 复杂度 | 协同武器 |
```

**实际效果**：
- 生成 20 个机制中，约 60% 可直接使用，30% 需要调整，10% 启发新方向
- MDA 框架强制要求思考玩家体验，避免"为机制而机制"
- 协同矩阵帮助发现意外的组合乐趣

参见：[[wiki/concepts/game-design-principles.md#MDA-框架]]

---

### 实战案例 2：AI 玩家角色扮演测试

**场景**：测试 F2P 游戏的经济系统对不同玩家类型的友好度。

**方法**：让 AI 扮演 4 种玩家原型，各进行 100 次模拟游玩：

| 玩家类型 | 行为特征 | 测试重点 |
|----------|----------|----------|
| 鲸鱼玩家 | 高付费意愿，追求顶级排名 | 付费天花板是否足够高 |
| 海豚玩家 | 适度付费，追求性价比 | Battle Pass 价值感知 |
| 小鱼玩家 | 零付费或首充 | 免费体验是否完整 |
| 硬核玩家 | 技术优先，时间充裕 | 技能是否能弥补付费差距 |

**Prompt 模板**：
```markdown
你是一位 [鲸鱼/海豚/小鱼/硬核] 类型的玩家。

游戏信息：
- 类型：[游戏类型]
- 经济系统：[简述货币、获取、消耗]
- 当前进度：[天数/等级]

请模拟你接下来 7 天的游戏行为：
1. 每天的游戏时长分配
2. 消费决策（是否付费、付费金额）
3. 情绪变化曲线
4. 流失风险评估（1-10）

输出格式：按天记录，包含决策理由。
```

**实际效果**：
- 提前发现"小鱼玩家在第 3 天感到付费压力"的问题
- 验证 Battle Pass 对海豚玩家的吸引力
- 发现硬核玩家在第 7 天达到"付费墙"的挫败感

参见：[[wiki/concepts/player-psychology.md#玩家细分模型]]
参见：[[wiki/concepts/monetization-strategy.md]]

---

### 实战案例 3：叙事一致性检查

**场景**：分支剧情游戏有 500+ 个叙事变量，需要检查逻辑矛盾。

**方法**：将变量状态和剧情脚本输入 LLM，自动检测冲突。

**Prompt 模板**：
```markdown
你是一位叙事逻辑检查员。请检查以下剧情分支是否存在逻辑矛盾。

已知条件：
- 玩家在任务 A 中杀死了 NPC X（变量：NPC_X_ALIVE = false）
- 任务 B 的前提条件是 NPC X 存活（条件：NPC_X_ALIVE == true）
- 任务 B 在任务 A 之后触发

请检查：
1. 是否存在"死NPC出现在后续剧情"的矛盾
2. 条件判断是否正确处理所有变量组合
3. 是否存在未定义的变量引用
4. 给出修复建议

剧情脚本：
[粘贴脚本内容]
```

**实际效果**：
- 发现 12 处逻辑矛盾（如"已死亡的NPC出现在对话中"）
- 发现 3 处未处理的分支条件（变量存在但未在条件中使用）
- 生成修复建议，节省 80% 的人工检查时间

参见：[[wiki/concepts/story-architecture.md#变量管理与状态追踪]]
参见：[[wiki/concepts/story-architecture-code.md]]

---

### 实战案例 4：经济系统模拟分析

**场景**：设计一个 MMORPG 的经济系统，需要预测通胀/通缩。

**方法**：用 AI 建立简化经济模型，模拟 30 天玩家行为。

**Prompt 模板**：
```markdown
你是一位游戏经济分析师。请模拟以下 MMORPG 经济系统的 30 天运行。

经济参数：
- 货币产出：每日任务 100G、副本掉落 50-200G、交易税 5%
- 货币消耗：修理 10G/天、传送 5G/次、拍卖行手续费 5%
- 物品产出：装备掉落率 5%、材料采集 20/小时
- 玩家行为：每日在线 2 小时、50% 参与交易

请输出：
1. 每日货币总量变化曲线
2. 物品价格变化预测（前 5 种热门物品）
3. 通胀/通缩风险评估
4. 建议的货币回收机制
```

**实际效果**：
- 预测第 15 天开始出现轻微通胀（货币总量增长 > 物品增长）
- 建议增加"奢侈品消耗"和"限时活动货币回收"
- 验证拍卖行 5% 手续费不足以控制通胀

参见：[[wiki/concepts/game-data-analytics.md#数据驱动平衡工作流]]
参见：[[wiki/concepts/core-mechanics.md#经济系统]]

---

### 实战案例 5：关卡节奏 AI 评估

**场景**：设计一个 10 分钟的关卡，需要验证节奏是否合理。

**方法**：向 AI 描述关卡布局，获取节奏分析和改进建议。

**Prompt 模板**：
```markdown
你是一位关卡设计专家。请评估以下关卡的节奏设计。

关卡描述：
[描述关卡结构：区域划分、敌人配置、谜题位置、叙事节点]

玩家数据（如有）：
- 平均通关时间
- 死亡热点
- 停顿/困惑区域

请分析：
1. 节奏曲线（紧张度 0-10 随时间变化）
2. 是否存在节奏疲劳（连续高压超过 3 分钟）
3. 引导是否清晰（玩家是否知道该做什么）
4. 高潮位置是否合适
5. 改进建议（具体调整方案）
```

**实际效果**：
- 发现"第 4-6 分钟连续战斗无休息"的节奏问题
- 建议在 5 分钟处添加安全区/叙事节点
- 验证 Boss 战前的"资源补给站"位置合理

参见：[[wiki/concepts/level-design.md#节奏设计]]

---

### AI 辅助设计最佳实践

| 设计任务 | 推荐 AI 工具 | 验证方法 |
|----------|-------------|----------|
| 机制创意发散 | Claude/GPT-4 | 原型测试 + 玩家反馈 |
| 玩家体验模拟 | Claude（角色扮演） | 真实玩家测试对比 |
| 叙事逻辑检查 | Claude（逻辑分析） | 人工抽查 + 自动化测试 |
| 经济模拟 | Claude（数值模拟） | 小规模封闭测试 |
| 关卡评估 | Claude（节奏分析） | 热力图 + 玩家录像 |

**关键原则**：
1. AI 是"发散工具"不是"决策工具"——用它生成选项，你来做选择
2. 所有 AI 输出必须经过**玩家验证**——AI 模拟不等于真实玩家行为
3. 保留"人类直觉"——AI 可能错过文化语境和情感细微差别
4. 迭代循环：AI 生成 → 快速原型 → 玩家测试 → AI 分析数据 → 优化

参见：[[wiki/concepts/game-design-principles.md]]
参见：[[wiki/concepts/player-psychology.md]]
参见：[[wiki/concepts/game-data-analytics.md]]

---

## 参考来源

- Claude Code Game Studios: GitHub
- WebGameTemplateForAgents: GitHub
- Everything Game Dev Code: Unity Discussions
- Unity MCP: GitHub
- Roblox Agentic AI Update (April 2026)

---

## AI 工具快速选型表

| 需求 | 推荐工具 | 替代方案 |
|------|----------|----------|
| **快速原型** | Claude Code + Godot | Cursor + Unity |
| **代码生成** | Claude Code / Cursor | GitHub Copilot |
| **美术生成** | Midjourney / DALL-E 3 | Stable Diffusion (本地) |
| **3D 模型** | Meshy / Rodin | Tripo3D / 手动建模 |
| **音乐/音效** | Suno / Udio | AIVA / 人工作曲 |
| **对话/叙事** | ChatGPT / Claude | 专用叙事工具 |
| **视频/预告片** | Runway / Pika | 手动剪辑 |
| **Bug 检测** | Claude (代码审查) | 静态分析工具 |
| **测试自动化** | AI 玩家模拟 | 传统脚本测试 |

---

## MCP 协议详解

MCP（Model Context Protocol）是 Anthropic 于 2024 年 11 月推出的开放标准，让 AI 模型能够安全地连接外部工具和数据源。

### 核心架构

```
┌─────────────┐      MCP Protocol      ┌──────────────┐
│   AI Host   │  ←──────────────────→  │  MCP Server  │
│ (Claude/Cursor│  JSON-RPC 2.0 over    │ (Tool Provider)│
│  /Copilot)  │   stdio / SSE / HTTP   │              │
└─────────────┘                        └──────────────┘
                                              │
                              ┌───────────────┼───────────────┐
                              ↓               ↓               ↓
                         [Resources]    [Tools]        [Prompts]
                         只读数据       可执行操作      可复用模板
```

### 三大原语

| 原语 | 功能 | 方向 | 示例 |
|------|------|------|------|
| **Resources** | 暴露可读数据给AI | Server → Host | 文件内容、数据库记录、游戏场景树 |
| **Tools** | 暴露可执行功能 | Host → Server → Host | 创建文件、编译项目、运行测试 |
| **Prompts** | 预定义可复用模板 | Server → Host | "生成敌人AI行为树"、"代码审查清单" |

### MCP 传输方式

| 方式 | 适用场景 | 特点 |
|------|----------|------|
| **stdio** | 本地进程 | 最常见、简单、安全 |
| **SSE (Server-Sent Events)** | 远程/浏览器 | 单向流、需HTTP |
| **HTTP** | 云服务 | 双向、可跨网络 |

### MCP vs 传统 Function Calling

| 特性 | Function Calling | MCP |
|------|-----------------|-----|
| 注册方式 | 代码内硬编码 | 动态发现 |
| 工具来源 | 单应用 | 多服务器生态 |
| 标准化 | 各厂商不同 | 统一协议 |
| 可扩展性 | 需修改代码 | 即插即用 |
| 状态管理 | 无标准 | 会话隔离 |

### MCP 游戏开发服务器生态

| 服务器 | 功能 | 安装 |
|--------|------|------|
| **Unity MCP** | 操作Unity编辑器、场景、资产 | npm / GitHub |
| **GodotIQ** | Godot场景理解、代码生成 | Godot AssetLib |
| **Blender MCP** | 3D建模、脚本执行 | pip install |
| **Git MCP** | 代码仓库操作 | npm install |
| **FileSystem MCP** | 文件读写 | 内置 |
| **Playwright MCP** | 浏览器自动化测试 | npm install |
| **Obsidian MCP** | 知识库操作 | npm install |
| **SQLite MCP** | 数据库查询 | pip install |

### MCP 配置示例 (Claude Code)

```json
// ~/.mcp/config.json
{
  "servers": {
    "unity": {
      "command": "node",
      "args": ["/path/to/unity-mcp/dist/index.js"],
      "env": { "UNITY_PROJECT_PATH": "/path/to/project" }
    },
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/project"]
    },
    "git": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-git"]
    }
  }
}
```

---

## A2A 协议 (Agent-to-Agent)

### 概述

A2A 是 Google 于 2025 年 4 月推出的开放协议，让不同框架构建的 AI Agent 能够互相发现并协作完成任务。与 MCP 互补（MCP 连接工具，A2A 连接 Agent）。

### A2A 核心概念

| 概念 | 说明 |
|------|------|
| **Agent Card** | JSON-LD 格式的Agent能力描述（技能、端点、认证） |
| **Task** | 协作的基本单元，包含输入、输出、状态 |
| **Message** | Agent间通信载体，支持文本、文件、结构化数据 |
| **Skill** | Agent可执行的能力声明 |

### A2A 与 MCP 对比

| 维度 | MCP | A2A |
|------|-----|-----|
| **连接对象** | AI ↔ 工具/数据 | AI Agent ↔ AI Agent |
| **发起方** | AI Host | 任何Agent |
| **交互模式** | 请求-响应 | 异步任务流 |
| **发现机制** | 配置文件 | Agent Card目录 |
| **典型场景** | 操作编辑器、查数据库 | 多Agent协作开发 |
| **推出方** | Anthropic | Google |

### 游戏开发多Agent协作场景

```
主控Agent (Producer)
    ├── 设计Agent → 输出GDD、机制文档
    ├── 程序Agent → 输出代码、系统实现
    ├── 美术Agent → 输出资产需求、风格指南
    ├── QA Agent → 输出测试计划、Bug报告
    └── 音频Agent → 输出音效需求、音乐 brief

通过 A2A 协议:
- Producer Agent 创建Task"实现战斗系统"
- 自动分配给程序Agent，同时通知设计Agent提供规格
- 程序Agent完成后通知QA Agent生成测试用例
- 所有状态通过A2A Task流跟踪
```

---

## 主要 Agent 框架与协议

| 框架/协议 | 推出方 | 核心特点 | 游戏开发适用性 |
|-----------|--------|----------|----------------|
| **MCP** | Anthropic | 工具连接标准 | ⭐⭐⭐⭐⭐ 引擎操作、资产管�� |
| **A2A** | Google | Agent协作标准 | ⭐⭐⭐⭐ 多Agent工作室 |
| **LangChain** | LangChain Inc | 编排框架、链式调用 | ⭐⭐⭐⭐ 工作流编排 |
| **AutoGen** | Microsoft | 多Agent对话、代码生成 | ⭐⭐⭐⭐ 代码协作 |
| **CrewAI** | CrewAI Inc | 角色化Agent团队 | ⭐⭐⭐ 任务分配 |
| **LlamaIndex** | LlamaIndex | RAG、数据检索 | ⭐⭐⭐ 知识库查询 |
| **Semantic Kernel** | Microsoft | 微软生态集成 | ⭐⭐⭐ Azure用户 |
| **AG2 (原AutoGen)** | AG2 Team | 下一代AutoGen | ⭐⭐⭐⭐ 代码生成 |

---

## 核心 API 文档索引

### 大语言模型 API

| 服务 | 文档链接 | 特点 | 定价 |
|------|----------|------|------|
| **Anthropic Claude API** | https://docs.anthropic.com | 长上下文(200K)、代码强 | [待验证] |
| **OpenAI GPT-4o/4.5** | https://platform.openai.com/docs | 多模态、函数调用成熟 | [待验证] |
| **Google Gemini 2.5** | https://ai.google.dev/gemini-api | 超大上下文(1M+)、免费 tier | [待验证] |
| **DeepSeek V3/R1** | https://api-docs.deepseek.com | 高性价比、推理强 | [待验证] |
| **Moonshot Kimi** | https://platform.moonshot.cn | 中文优化、长上下文 | [待验证] |
| **Alibaba Qwen** | https://help.aliyun.com/qwen | 中文强、开源模型 | [待验证] |

### 图像生成 API

| 服务 | 文档链接 | 特点 |
|------|----------|------|
| **Midjourney API** | https://docs.midjourney.com | ⚠️ 无官方公开API，仅Discord/第三方封装 |
| **OpenAI DALL-E 3** | https://platform.openai.com/docs/guides/images | 指令遵循强。定价：1024×1024 $0.04/张，1792×1024 $0.08/张 |
| **Stability AI** | https://platform.stability.ai/docs | SDXL/SD3、可微调 [待验证] |
| **Replicate (FLUX)** | https://replicate.com/docs | 开源模型托管 [待验证] |
| **Leonardo.ai API** | https://docs.leonardo.ai | 游戏专用模型 [待验证] |

### 3D 生成 API

| 服务 | 文档链接 | 特点 |
|------|----------|------|
| **Meshy API** | https://docs.meshy.ai | 文本/图像→3D、PBR |
| **Tripo3D API** | https://platform.tripo3d.ai/docs | 图像→3D、高质量 |
| **CSM API** | https://docs.csm.ai | 快速3D生成 |
| **Rodin API** | https://docs.rodin.genius.xyz | 高质量角色3D |

### 音频生成 API

| 服务 | 文档链接 | 特点 |
|------|----------|------|
| **ElevenLabs API** | https://elevenlabs.io/docs | 语音/SFX。模型：v3(70+语言)、multilingual_v2(29语言)、flash/turbo v2.5(32语言) |
| **Suno API** | https://github.com/gcui-art/suno-api | ⚠️ 官方无公开API，现有均为社区开源封装 |
| **Udio API** | https://www.udio.com/api | 音乐生成 [待验证] |
| **OpenAI TTS** | https://platform.openai.com/docs/guides/text-to-speech | 简单语音 [待验证] |

### 视频生成 API

| 服务 | 文档链接 | 特点 |
|------|----------|------|
| **Runway API** | https://docs.runwayml.com | Gen-3视频生成 |
| **Pika API** | https://pika.art/docs | 视频生成、特效 |

### 游戏引擎相关 API

| 服务 | 文档链接 | 用途 |
|------|----------|------|
| **Unity MCP** | https://github.com/justinpbarnett/unity-mcp | AI操作编辑器 |
| **Unity Sentis** | https://docs.unity3d.com/Packages/com.unity.sentis@2.0 | 运行时ML推理 |
| **Unreal ML Deformer** | https://docs.unrealengine.com/5.4/ml-deformer | 顶点变形 |
| **GodotIQ** | https://github.com/coppolaemilio/godoiq | Godot AI助手 |
| **Roblox API** | https://create.roblox.com/docs | 平台API |
| **Steamworks API** | https://partner.steamgames.com/doc/api | Steam集成 |

---

## API 调用示例

### Anthropic Claude (带工具调用)

```python
from anthropic import Anthropic

client = Anthropic(api_key="YOUR_API_KEY")

response = client.messages.create(
    model="claude-3-7-sonnet-20250219",
    max_tokens=4096,
    tools=[
        {
            "name": "create_game_object",
            "description": "在Unity场景中创建游戏对象",
            "input_schema": {
                "type": "object",
                "properties": {
                    "name": {"type": "string"},
                    "position": {"type": "array", "items": {"type": "number"}},
                    "prefab": {"type": "string"}
                },
                "required": ["name", "position"]
            }
        }
    ],
    messages=[
        {"role": "user", "content": "在(0,5,0)位置创建一个名为Player的物体"}
    ]
)

# 处理工具调用
for block in response.content:
    if block.type == "tool_use":
        result = execute_tool(block.name, block.input)
        # 将结果返回给Claude继续对话
```

### OpenAI GPT-4o (图像生成 + 代码)

```python
from openai import OpenAI

client = OpenAI(api_key="YOUR_API_KEY")

# 图像生成
image = client.images.generate(
    model="dall-e-3",
    prompt="A fantasy RPG character, warrior in glowing armor, 
            concept art style, transparent background",
    size="1024x1024",
    quality="hd"
)

# 代码生成 + 函数调用
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[
        {"role": "system", "content": "你是一位Unity游戏开发专家"},
        {"role": "user", "content": "写一个第三人称相机控制器"}
    ],
    functions=[
        {
            "name": "search_documentation",
            "description": "搜索Unity文档",
            "parameters": {
                "type": "object",
                "properties": {
                    "query": {"type": "string"}
                }
            }
        }
    ]
)
```

### ElevenLabs 语音生成

```python
from elevenlabs import generate, save

audio = generate(
    text="Welcome, adventurer. The dungeon awaits.",
    voice="Bella",  # 或自定义克隆声音
    model="eleven_multilingual_v2",
    api_key="YOUR_API_KEY"
)

save(audio, "welcome.mp3")
```

### Meshy 3D 生成

```python
import requests

# 文本生成3D
response = requests.post(
    "https://api.meshy.ai/openapi/v2/text-to-3d",
    headers={"Authorization": f"Bearer {MESHY_API_KEY}"},
    json={
        "mode": "preview",
        "prompt": "A low-poly treasure chest, wooden, metal bands, 
                   game asset, stylized",
        "art_style": "low-poly",
        "negative_prompt": "high poly, realistic, human"
    }
)

task_id = response.json()["result"]

# 轮询获取结果
result = poll_task(task_id)
download_url = result["model_urls"]["glb"]
```

---

## MCP 集成实战步骤

### Unity MCP 集成

```bash
# 1. 安装 Unity MCP
# GitHub: https://github.com/justinpbarnett/unity-mcp

# 2. Unity Package Manager 导入
# Window → Package Manager → Add from Git URL
# https://github.com/justinpbarnett/unity-mcp.git

# 3. 启动 MCP 服务器
# Tools → Unity MCP → Start Server

# 4. Claude Code 中配置
# 在 Claude Code 的 MCP 设置中添加 Unity MCP 的 SSE 端点
```

### GodotIQ MCP 集成

```bash
# 1. 从 Godot Asset Library 安装 GodotIQ
# https://godotengine.org/asset-library/asset/4097

# 2. 启用插件
# Project → Project Settings → Plugins → GodotIQ → Enable

# 3. 配置 MCP 连接
# 在 GodotIQ 面板中设置 Claude / OpenAI API Key

# 4. 可用功能
# - 3D 场景理解（描述当前场景内容）
# - 信号流追踪（分析节点信号连接）
# - 代码生成（根据自然语言生成 GDScript）
# - 场景编辑（AI 辅助添加/修改节点）
```

---

## AI 辅助开发趋势（2025-2026）

| 趋势 | 描述 | 影响 |
|------|------|------|
| **Agent 协作** | 多个 AI Agent 分工协作开发 | 单人开发效率接近小团队 |
| **MCP 标准化** | 模型上下文协议成为行业标准 | AI 可直接操作任何工具 |
| **A2A 协作** | Agent 间开放协议实现跨框架协作 | 多Agent工作室成为可能 |
| **实时生成** | 运行时 AI 生成内容 | 无限内容、个性化体验 |
| **AI 测试玩家** | AI 模拟玩家行为测试 | 自动化平衡性测试 |
| **语音驱动开发** | 语音指令生成代码/资产 | 更低门槛 |
| **多模态 AI** | 文本+图像+音频统一生成 | 跨领域一致性 |
| **开源模型崛起** | DeepSeek、Qwen、FLUX 缩小与闭源差距 | 成本大幅降低 |

---

## 最佳实践

- [ ] **规则文件第一** — 先写 CLAUDE.md / AGENTS.md，再让 AI 写代码
- [ ] **小步快跑** — 每次只做一个可测试的特性，避免大规模重构
- [ ] **人类把关** — AI 生成的是草稿，最终决策权在人类
- [ ] **版本控制一切** — 每步工作后 Git 提交，方便 AI 犯错时回滚
- [ ] **清理上下文** — 复杂任务分多个会话，避免上下文污染
- [ ] **测试驱动** — 让 AI 先写测试，再写实现
- [ ] **代码审查** — 把 AI 当作初级程序员，所有代码需要审查
- [ ] **文档同步** — 要求 AI 同步更新文档和注释