AI 遊戲開發革命：Unity-MCP 70+ Tools 操控 Unity Editor 實測（entries: Unity-MCP）🔥

去年我寫過一篇關於 AI 輔助編程嘅文章，當時嘅結論係：LLM 寫到 C# 腳本，但搞唔掂 Unity Editor 嗰啲拖拖拉拉、set prefab、manage scene 嘅手板眼見功夫。半年後返嚟睇，成個局面已經翻轉咗。

Unity-MCP（Model Context Protocol）嘅出現，令 AI 唔再係一個「畀你 copy-paste code 嘅助手」，而係一個真正可以坐喺 Editor 前面操控成個 Unity 嘅開發者。Singtaa/UnityMCP 有 71 個 tools、Funplay 有 91 個、CoplayDev 嘅 unity-mcp 超過 10,000 stars——你要整一個 Cube？AI 直接 call unity_gameobject_create。你要 cap 一張 Game View 嘅 screenshot？unity_capture_game_view。你要行 unit test？unity_test_run 加 polling。每一個 tool 都係對 Unity API 嘅直接映射，唔再靠自然語言描述然後等人類執行。

70+ Tools 唔係數字遊戲，而係能力邊界嘅擴張

數字好容易令人麻木。71 個 vs 91 個 vs 62 個，聽落好似 spec 打仗。但真正值得留意嘅，係呢啲 tools 覆蓋咗開發流程嘅邊啲環節。

以 Singtaa/UnityMCP 為例，佢將 tools 分成 9 個類別：Scene Management、GameObject Operations、Component Management、Transform Operations、Editor Operations、Prefab Operations、Testing、Capture、Project & Assets，加上一個好癲嘅 Reflection & Decompilation 類別。頭幾個類別好正路，係 automation 101。但 Reflection & Decompilation 呢 part 先係真正嘅 game changer——unity_reflection_search_types 可以搜晒所有 assembly 嘅 type、unity_reflection_decompile 可以直接 decompile 任何 method 做 C# source code、unity_reflection_invoke_static 可以直接 call 靜態方法。呢個意味住 AI 唔單止可以改你寫嘅 code，仲可以 runtime 探索 Unity 內部 API，然後直接用。對於逆向工程或者快速 prototyping 嚟講，呢個能力唔係 convenience，係 paradigm shift。

另一方面，Funplay Unity MCP 嘅 approach 唔同——佢哋有個 execute_code tool 做主力，配合 91 個工具但預設只 expose 29 個 core tools，減少 AI client 嘅 tool list noise。呢個設計反映出一個實際問題：tools 太多，AI 模型嘅選擇反而會變慢。Funplay 嘅解決方案係將能力集中在一個 execute_code 指令，等 AI 可以直接喺 Editor 入面執行任意 C# 表達式，類似俾咗佢一把萬用刀。

三個開源方案嘅實際體驗對比

我喺一個空嘅 Unity 6 項目入面分別試咗三個方案，每個都行咗同一組測試場景：開新 scene、整一個 Cube 加 Rigidbody、改材質顏色、cap screenshot、run EditMode test。

CoplayDev/unity-mcp（10.7k stars）係最成熟嘅選擇。安裝最簡單——Package Manager 入 git URL 就得，開咗 Window > MCP for Unity 之後佢會 auto-configure Claude 同 Cursor。佢哋嘅 tool groups 設計（vfx / animation / ui / testing）令 AI 可以針對性揀 tools，唔使每次都塞成百個 tool definitions 俾 model。community 最大，release 已經去到 v9.7.3，有 60 個 contributors。實際測試中，佢對多個 Unity instance 嘅 routing support 係唯一做得好的，如果你同時開幾個 Editor 做不同 project 嘅話呢個好重要。

Singtaa/UnityMCP（71 tools）嘅強項係嗰 7 個 reflection tools。喺測試入面，我試過叫 Claude 用 unity_reflection_decompile 睇一個第三方 package 嘅內部實作，然後直接用 unity_reflection_invoke_static call 佢嘅 private method——呢種能力喺其他方案見唔到。佢哋嘅 architecture 係 Unity C# Bridge → Node.js MCP Server → HTTP JSON-RPC，AI client 經 HTTP 連接。缺點係要裝 Node.js 18+，同埋 auth 預設開咗，要搞 bearer token。

Funplay Unity MCP（91 tools）最特別係佢哋成個 game 用 AI 由零 build 出嚟嘅實驗（McpTest-BlockBlast）。150 個 self-test assertions、全部 AI-generated art、procedural audio。我試用佢 generate 一個 simple snake game，Claude 經 execute_code 配合 scene creation tools 一條龍搞掂——create scene、generate scripts、setup UI、config game logic，less than 5 minutes。呢個 workflow 係目前最流暢嘅，如果你係由零開始嘅 prototype 階段，Funplay 可能係最快見效嘅選擇。

對獨立開發者嘅實際意義

講到尾，呢項技術對 Indies 嘅影響遠大過對 AAA Studio。大 team 有 pipeline team、有 TA、有 automation engineer，MCP 對佢哋嚟講係 efficiency gain。但對一個人或者三五個人的 indie team 嚟講，呢個係 capability jump——你唔使請多個人去搞工具鏈，AI 就係你嘅 pipeline engineer。

我見到最實用嘅幾個場景：

Rapid Prototyping：以前由 concept 去到 playable prototype，indie dev 可能要兩三個星期。而家你可以用自然語言描述 gameplay，AI 經 MCP 直接操作 Editor 砌出嚟，一日內搞掂第一個可玩版本。Funplay 嘅 snake game demo 已經證明咗呢個 workflow 係 work 嘅。

Test Automation：Unity 嘅 Test Runner 一直以嚟都被 indie dev 忽略，因為 setup test fixture 嘅 overhead 太大。而家 AI 可以幫你 generate test cases、run tests、analyse results。Singtaa 方案入面嘅 unity_test_list + unity_test_run + unity_test_get_results 成個 pipeline 可以俾 AI 自己行 regression。

Asset Pipeline Automation：import settings、prefab variants、material 批量修改——呢啲重複性極高但 logic 相對簡單嘅 task，係 MCP tools 最擅長嘅領域。唔使寫 Editor Script、唔使整 postprocessor，直接叫 AI 做就得。

現實嘅限制同未解決嘅問題

唔可以只講好嘢。實際試完之後有幾個痛點：

第一，Tool list 太大對 AI model 係負擔。每次 tool call 都要傳晒成個 tool definition 過去，71 個 tools 嘅 JSON schema 可以輕鬆塞爆 context。Funplay 嘅 core profile approach 係一個解法，但我覺得真正嘅答案係 dynamic tool discovery——AI 應該可以按需要查詢可用 tools，而唔係每次都硬食成個 list。

第二，Domain reload 後嘅 state management。Unity 嘅 script compilation 會 trigger domain reload，MCP bridge 嘅 state 會斷開。Singtaa 嘅文檔自己都寫咗要等 1 秒先叫 test tools。呢啲 edge case 喺 production 環境會變成煩擾嘅可靠性問題。

第三，Security model 仲未成熟。大部份方案嘅 auth 係 optional，預設開咗但有幾多人會認真 set 個 bearer token？如果 AI client 同 Editor 喺同一部機就還好，但一涉及到 remote 或者 CI/CD pipeline，呢個 attack surface 會好大。

下一步應該點做

如果你係 Unity indie dev 仲未試過 MCP，我建議你本週末做三件事：

開一個新 Unity 6 項目，裝 CoplayDev/unity-mcp（最成熟，community 最大）
連 Claude Code 或者 Cursor，試一句 “Create a simple 2D platformer with a player character, ground tiles, and one moving enemy”
睇住 AI 幫你砌 scene、寫 script、set prefab——呢個體驗會重塑你對「AI 輔助開發」嘅理解

跟住落嚟六個月，我預測 Unity-MCP 生態會有兩個重要發展：第一，Unity 官方已經將 MCP Server 整合入 Unity 6 AI 功能（雖然目前只限 Pro/Enterprise），意味住呢個唔會係曇花一現嘅 community project。第二，multi-agent orchestration 會浮現——一個 AI agent 做 producer 出 spec、另一個 agent 做 programmer 經 MCP 執行、第三個 agent 做 QA 行 test——成個 game dev pipeline 由 AI team 完成。xthenyo/game-mcp 嘅 multi-agent framework 已經係呢個方向嘅雛形。

遊戲開發嘅入場門檻從來未試過咁低。唔好等佢成熟先開始——而家就係最好嘅時機。