Bonsai-mcp

Bonsai-mcp - Model Context Protocol Integration für IFC über IfcOpenShell und Blender

Bonsai-mcp ist ein Fork von BlenderMCP , der die ursprüngliche Funktionalität um dedizierte Unterstützung für IFC-Modelle (Industry Foundation Classes) über Bonsai (früher BlenderBIM) erweitert. Diese Integration ist eine Plattform, mit der LLMs IFC-Dateien lesen und bearbeiten können.

Merkmale

• IFC-spezifische Funktionalität : Abfragen von IFC-Modellen, Analysieren räumlicher Strukturen und Untersuchen von Gebäudeelementen
• Elf IFC-Tools enthalten : Projektinformationen prüfen, Entitäten auflisten, Eigenschaften untersuchen, räumliche Struktur erkunden, Beziehungen analysieren und mehr
• Sequentielles Denken : Enthält das sequentielle Denktool von modelcontextprotocol/servers für strukturierte Problemlösung
• Code-Ausführungstool aus der ursprünglichen BlenderMCP-Implementierung : Erstellen und ändern Sie Objekte, wenden Sie Materialien an und führen Sie Python-Code in Blender aus

Komponenten

Das System besteht aus zwei Hauptkomponenten:

1. Blender-Addon ( addon.py ) : Ein Blender-Addon, das einen Socket-Server innerhalb von Blender erstellt, um Befehle zu empfangen und auszuführen, einschließlich IFC-spezifischer Operationen
2. MCP-Server ( tools.py ) : Ein Python-Server, der das Model Context Protocol implementiert und eine Verbindung zum Blender-Add-on herstellt

Installation – Über die MCP-Clienteinstellungen

Voraussetzungen

• Blender 4.0 oder neuer
• Python 3.12 oder neuer
• UV-Paketmanager
• Bonsai BIM-Add-on für Blender (für IFC-Funktionalität)

UV installieren:

Mac:

Windows:

Informationen zu anderen Plattformen finden Sie in der UV-Installationsanleitung .

Klonen Sie das Repository

Claude für Desktop-Integration

Bearbeiten Sie Ihre Datei claude_desktop_config.json (Claude > Einstellungen > Entwickler > Konfiguration bearbeiten), um Folgendes einzuschließen:

Installation über Docker

Das Repository verfügt über eine Docker-Datei, die die Bereitstellung in verschiedenen Umgebungen einfach und konsistent macht.

Schnellstart

Sobald der Container ausgeführt wird, stellt er die MCP-Tools als REST/OpenAPI-APIs unter http://localhost:8000 bereit.

• Um Ihre Installation zu überprüfen, öffnen Sie Ihren Browser und navigieren Sie zu
• http://localhost:8000/docs
• Sie sehen die Swagger-Benutzeroberfläche mit allen verfügbaren Endpunkten
• Testen Sie einen Endpunkt, indem Sie darauf klicken. Klicken Sie dann auf „Ausprobieren“ und „Ausführen“.

Herstellen einer Verbindung mit Open WebUI oder anderen API-Clients

So verbinden Sie diese API mit Open WebUI:

1. Gehen Sie in Open WebUI zu Einstellungen > Tool-Server verwalten
2. Fügen Sie eine neue Verbindung hinzu mit:
   • URL: http://localhost:8000
   • Pfad zur OpenAPI-Spezifikation: /openapi.json
   • Authentifizierung: Keine (sofern nicht anders konfiguriert)

Umgebungsvariablen

Der Docker-Container akzeptiert mehrere Umgebungsvariablen, um sein Verhalten anzupassen:

Installieren des Blender-Add-ons

1. Laden Sie die Datei addon.py aus diesem Repo herunter
2. Öffnen Sie Blender
3. Gehen Sie zu Bearbeiten > Einstellungen > Add-ons
4. Klicken Sie auf „Installieren…“ und wählen Sie die Datei addon.py aus
5. Aktivieren Sie das Add-on, indem Sie das Kontrollkästchen neben „Schnittstelle: Blender MCP – IFC“ aktivieren.

Verwendung

Starten der Verbindung

1. Gehen Sie in Blender zur Seitenleiste „3D-Ansicht“ (drücken Sie N, wenn sie nicht sichtbar ist).
2. Suchen Sie die Registerkarte „Blender MCP – IFC“
3. Klicken Sie auf „Mit Claude verbinden“
4. Stellen Sie sicher, dass der MCP-Server läuft

Verwendung mit Claude

Sobald die Verbindung hergestellt ist, sehen Sie in Claudes Benutzeroberfläche ein Hammersymbol mit Tools für die Blender MCP IFC-Integration.

IFC-Werkzeuge

Dieses Repo enthält neun IFC-spezifische Tools, die eine umfassende Abfrage und Bearbeitung von IFC-Modellen ermöglichen:

get_ifc_project_info : Ruft grundlegende Informationen zum IFC-Projekt ab, einschließlich Name, Beschreibung und Anzahl der verschiedenen Entitätstypen. Beispiel: „Was sind die grundlegenden Informationen zu diesem IFC-Projekt?“

list_ifc_entities : Listet IFC-Objekte eines bestimmten Typs (Wände, Türen, Räume usw.) mit Optionen zum Einschränken der Ergebnisse und Filtern nach Auswahl auf. Beispiel: „Listet alle Wände in diesem IFC-Modell auf“ oder „Zeigt mir die Fenster in diesem Gebäude“

get_ifc_properties : Ruft alle Eigenschaften einer bestimmten IFC-Entität anhand ihrer GlobalID oder der aktuell ausgewählten Objekte ab. Beispiel: „Welche Eigenschaften hat diese Wand mit der ID 1Dvrgv7Tf5IfTEapMkwDQY?“

get_ifc_spatial_structure : Ruft die räumliche Hierarchie des IFC-Modells ab (Gelände, Gebäude, Stockwerke, Räume). Beispiel: „Zeigen Sie mir die räumliche Struktur dieses Gebäudes.“

get_ifc_relationships : Ruft alle Beziehungen für eine bestimmte IFC-Entität ab. Beispiel: „Welche Beziehungen bestehen für die Eingangstür?“

get_selected_ifc_entities : Ruft Informationen zu IFC-Entitäten ab, die den aktuell in der Blender-Benutzeroberfläche ausgewählten Objekten entsprechen. Beispiel: „Erzählen Sie mir von den Elementen, die ich in Blender ausgewählt habe.“

get_user_view : Erfasst den aktuellen Blender-Ansichtsbereich als Bild und ermöglicht so die Visualisierung des Modells aus der Benutzerperspektive. Beispiel: „Zeigen Sie mir, was der Benutzer aktuell in Blender sieht.“

export_ifc_data : Exportiert IFC-Daten in eine strukturierte JSON- oder CSV-Datei mit Filteroptionen nach Entitätstyp oder Gebäudeebene. Beispiel: „Alle Wanddaten in eine CSV-Datei exportieren“

place_ifc_object : Erstellt und positioniert ein IFC-Element im Modell an den angegebenen Koordinaten mit optionaler Drehung. Beispiel: „Platziere eine Tür an den Koordinaten X:10, Y:5, Z:0 mit 90-Grad-Drehung.“

Blender-Code ausführen

Veraltete Funktion aus der ursprünglichen MCP-Implementierung. Ermöglicht Claude, beliebigen Python-Code in Blender auszuführen. Mit Vorsicht verwenden.

Werkzeug für sequentielles Denken

Diese Integration umfasst das Sequential Thinking-Tool für strukturierte Problemlösung und Analyse. Es ermöglicht einen schrittweisen Denkprozess, der sich mit zunehmendem Verständnis verzweigen, überarbeiten und anpassen lässt – ideal für komplexe IFC-Modellanalysen oder Planungsaufgaben.

Beispiel: „Nutzen Sie sequentielles Denken, um die Energieeffizienz dieses Gebäudes anhand des IFC-Modells zu analysieren.“

Beispielbefehle

Hier sind einige Beispiele dafür, was Sie Claude mit IFC-Modellen tun lassen können:

• „Analysieren Sie dieses IFC-Modell und sagen Sie mir, wie viele Wände, Türen und Fenster es hat.“
• „Zeigen Sie mir die räumliche Struktur dieses Gebäudemodells“
• „Alle Räume in diesem IFC-Modell und ihre Eigenschaften auflisten“
• „Identifizieren Sie alle Strukturelemente in diesem Gebäude“
• „Welche Beziehungen bestehen zwischen dieser Wand und anderen Elementen?“
• „Nutzen Sie sequentielles Denken, um einen Wartungsplan für dieses Gebäude basierend auf dem IFC-Modell zu erstellen.“

Fehlerbehebung

• Verbindungsprobleme : Stellen Sie sicher, dass der Blender-Add-On-Server läuft und der MCP-Server in Claude konfiguriert ist.
• IFC-Modell wird nicht geladen : Stellen Sie sicher, dass Sie das Bonsai BIM-Add-on installiert haben und dass eine IFC-Datei geladen ist
• Timeout-Fehler : Versuchen Sie, Ihre Anfragen zu vereinfachen oder in kleinere Schritte aufzuteilen

Docker:

• Fehler „Verbindung abgelehnt“ : Stellen Sie sicher, dass Blender ausgeführt wird und das Add-on aktiviert ist, während der Server gestartet ist
• CORS-Probleme : Die API hat CORS standardmäßig für alle Ursprünge aktiviert. Wenn Probleme auftreten, überprüfen Sie die CORS-Einstellungen Ihres Clients.
• Leistungsbedenken : Bei großen IFC-Modellen können die API-Antworten langsamer sein. Erwägen Sie die Anpassung der Timeouts in Ihrem Client.

Technische Details

Die IFC-Integration nutzt das Bonsai BIM-Modul, um auf die ifcopenshell-Funktionalität in Blender zuzugreifen. Die Kommunikation erfolgt über dasselbe JSON-basierte Protokoll über TCP-Sockets wie das ursprüngliche BlenderMCP.

Einschränkungen und Sicherheitsüberlegungen

• Das Tool execute_blender_code aus dem Originalprojekt ist weiterhin verfügbar und ermöglicht die Ausführung beliebigen Python-Codes in Blender. Verwenden Sie es mit Vorsicht und speichern Sie Ihre Arbeit immer.
• Bei komplexen IFC-Modellen kann es erforderlich sein, Vorgänge in kleinere Schritte aufzuteilen.
• Die Leistung der IFC-Abfrage hängt von der Größe und Komplexität des Modells ab.
• Das Tool „Benutzeransicht abrufen“ gibt ein Base64-codiertes Bild zurück. Bitte stellen Sie sicher, dass der Client dies unterstützt.

Beiträge

Dieses MIT-lizenzierte Repo kann geforkt, modifiziert und auf jede erdenkliche Weise verwendet werden. Ich bin offen für Ideen und Kooperationen. Zögern Sie also nicht, mich für Beiträge zu kontaktieren.

Credits

• Original BlenderMCP von Siddharth Ahuja
• Sequential Thinking-Tool von modelcontextprotocol/servers
• IFC-Integration basierend auf dem Bonsai BIM-Add-on für Blender

ZU TUN

Integration und Tests mit mehreren MCP-Clients