SketchUp 接入 MCP 实战：用 TaoToken 统一 Key 让 AI 直接动手建模

1. 为什么我要把 SketchUp 接进 AI 工具链

先说清楚这篇要解决的事：SketchUp 通过 MCP（Model Context Protocol）接入 AI 客户端后，AI 不再只是给你一份“先画矩形再推拉”的文字教程，而是能直接调用工具、生成几何、组织组件、修改材质，最后交付一个还能继续编辑的 .skp 文件。适合谁？建筑、室内、家具、景观方向，日常用 SketchUp 建模、又想让 AI 帮忙干重复活的人。核心检索词就三个：SketchUp、MCP、AI 建模。

我自己的痛点是：每次让 AI 帮忙“出个方案”，它给的操作步骤都对，但我要手动点几十下；改一处尺寸，前面几步又得重来。MCP 的价值在于把 AI 从“顾问”变成“执行层”——它能读你正在打开的模型，也能按指令建组、命名、导出。

但这里有个必须先讲清的误区：SketchUp 接入 MCP 至少有两条路线，做的不是同一件事。路线 A 是官方 SketchUp Connector，跑在云端，输入文字或草图，生成一个新的 .skp 让你下载，不用装插件、不碰端口，适合快速出体块白模；路线 B 是社区本地桥接，把 Ruby 扩展装进 SketchUp，再用 Python MCP 服务把 AI 的工具调用翻译成 SketchUp API 命令，面对的是你电脑上正在打开的模型，能读能改能导出，能力更强但配置更多。

一句话选择：只想尽快生成第一个模型，走官方 Connector；想让 AI 参与正在进行的 SketchUp 工作，走本地桥接。下面两条路线我都会给到可复制的配置和验证步骤，重点放在本地桥接，因为它才是“AI 直接动手建模”的最小闭环。

2. TaoToken 前置：统一 Key 与 API 通道怎么准备

本地桥接这条链路里，AI 客户端负责决定调用什么工具，Python MCP 服务负责翻译和传输，SketchUp 内的 Ruby 扩展负责执行命令。AI 客户端要能稳定调用模型，就得有一个统一的 API 入口。我用 TaoToken 来做这件事：一个 Key 走通模型对话、编码和 Agent 场景，省得在多个客户端里反复填不同厂商的地址和密钥。

你需要先拿到两样东西：API Key 和接入地址。Key 在控制台的 API Keys 页面创建，地址用https://taotoken.net/api（注意 API 调用不加 UTM 参数）。模型对话、Coding Plan、控制台、API Keys、接入文档这几个入口建议先收藏，后面排障会反复用到。

注意：TaoToken 在这里的角色是统一的模型 API 通道，不是让你绕过任何本地权限。SketchUp 的 Ruby 扩展仍然只监听 127.0.0.1，模型调用和本地建模是两段独立链路，别混在一起理解。

如果你主要做长期编码或 Agent 类任务，可以看 Coding Plan；如果只是验证模型连通性，用模型对话页面最快。接入文档里有各客户端的配置骨架，Cline、CC Switch 这类客户端都能按同一套思路写。

3. 可复制配置：settings.json 与 config.toml 骨架

先装 uv，它负责在隔离环境里跑 Python MCP 服务。Windows 打开 PowerShell：

winget install --id=astral-sh.uv -e

装完关掉终端重开，检查：

uvx --version

macOS 和 Linux 用 uv 官方安装脚本即可。接着装 SketchUp 的 .rbz 扩展：优先从 Extension Warehouse 获取 MCP Server 扩展，开发者也行从项目 Releases 拿对应 .rbz。在 SketchUp 里走Window → Extension Manager → Install Extension，选 .rbz，装完重启 SketchUp。推荐 Warehouse 版的原因是它默认关闭eval_ruby——这个工具允许 AI 在 SketchUp 内执行任意 Ruby 代码，能力很强，也可能访问文件、网络甚至系统命令，先用类型化工具完成常规建模，需要时再单独评估是否开启。

启动服务：Plugins → MCP Server → Start Server，默认监听127.0.0.1:9876。127.0.0.1 表示只允许本机访问，这正是普通用户应该保留的设置，不要为了“连接方便”改成 0.0.0.0。

下面是 AI 客户端的 MCP 注册骨架。以 Claude Code 项目根目录的.mcp.json或 Claude Desktop 的claude_desktop_config.json为例：

{ "mcpServers": { "sketchup": { "command": "uvx", "args": ["sketchup-mcp2"], "env": { "SKETCHUP_MCP_HOST": "127.0.0.1", "SKETCHUP_MCP_PORT": "9876", "SKETCHUP_MCP_TIMEOUT": "60", "SKETCHUP_MCP_LOG_LEVEL": "INFO" } } } }

如果你用的是 Cline 或 CC Switch 这类支持 TOML 的客户端，可以写成：

[mcp_servers.sketchup] command = "uvx" args = ["sketchup-mcp2"] [mcp_servers.sketchup.env] SKETCHUP_MCP_HOST = "127.0.0.1" SKETCHUP_MCP_PORT = "9876" SKETCHUP_MCP_TIMEOUT = "60" SKETCHUP_MCP_LOG_LEVEL = "INFO"

保存后彻底退出并重启 AI 客户端。如果客户端提示找不到 uvx，先在 PowerShell 执行Get-Command uvx，把返回的uvx.exe完整路径填进 command。JSON 里的 Windows 反斜杠要写成双反斜杠：

"command": "C:\\Users\\你的用户名\\.local\\bin\\uvx.exe"

模型 API 这一侧，在客户端的模型配置里填 TaoToken 的地址和 Key，地址用https://taotoken.net/api，Key 从控制台 API Keys 页面复制。这样 AI 客户端既能调模型，又能通过 MCP 调 SketchUp 工具。

4. 验证请求：从自然语言到生成 skp 建模动作

配置写完别急着建别墅。第一次只读，确认三层链路打通。确保 SketchUp 已打开、扩展服务已启动，向 AI 发送：

请连接 SketchUp，先只调用版本和模型信息相关工具，不要修改任何内容。 告诉我当前 SketchUp 版本、模型单位、组件数量、当前选中对象，以及是否可以正常撤销。

能返回信息，说明 AI 客户端 → Python MCP 服务 → SketchUp Ruby 扩展这条链路通了。接下来先另存模型副本，再做一个小测试：

在原点创建一个 1000 × 1000 × 1000 mm 的立方体，命名为 MCP_Test_Cube，设为独立组件。 不要调用 eval_ruby。完成后报告包围盒尺寸；如果结果不符合预期，撤销本次操作。

这比上来就说“建一栋完整别墅”可靠得多，也更容易定位问题。白模确认后，再给一个更接近真实工作的指令：

先读取当前模型，不要修改。确认单位为毫米后，创建一张 1200 × 800 × 760 mm 的餐桌。 桌面厚 35 mm，四条桌腿截面 55 × 55 mm，桌腿距桌面边缘 80 mm。 桌面和每条桌腿分别建组，统一放入组件 DiningTable_v01。 先完成白模并报告总体包围盒与组件层级；未经我确认，不要调用 eval_ruby，不要添加材质。 白模确认后，再给外露边做 3 mm 倒角并设置橡木色材质。每个阶段都保持可单步撤销。

实测下来，这类提示词看起来不“浪漫”，但很像一份合格的建模任务单：边界清楚、结果可检查、出错可回退。提示词里真正有用的信息有五类——目标对象、尺寸单位、结构层级、约束条件、验收方式。把任务拆成“读取 → 白模 → 细化 → 材质 → 自检”五段，每段完成后让 AI 汇报，再决定是否继续。

5. 本篇常见错排查：按断点定位，别反复重装

提示 SketchUp 未运行或扩展未启动。先确认 SketchUp 已打开，再执行Plugins → MCP Server → Start Server。Python MCP 服务即使第一次连接失败，后续工具调用通常还会重试。

AI 客户端提示找不到 uvx。在终端执行uvx --version。终端能找到、客户端找不到，多半是客户端启动时没有继承新的 PATH。重启客户端，或把 command 改成绝对路径。

出现 IncompatibleVersionError。这是 Python 包与 .rbz 扩展版本不兼容。更新 sketchup-mcp2，并重装与之配套的扩展，不要只更新其中一端。

大任务超时或 SketchUp 卡住。把任务拆小。一个请求里同时做墙体、门窗、屋顶、材质和导出，很容易超时。必要时把SKETCHUP_MCP_TIMEOUT从 60 提高，但“延长超时”不能解决失控循环；界面无响应时，优先中止并回到模型副本。

工具调用成功，但模型位置或尺寸不对。补充单位、原点、朝向、绝对位置和组件层级。进行布尔运算或批量变换前先保存；结果不对就撤销，缩小步骤后重试。

模型 API 调用报错。检查客户端里填的地址是不是https://taotoken.net/api，Key 是否从控制台 API Keys 页面正确复制。排障和接入细节可以对照接入文档，验证模型是否可用直接去模型对话页面发一条消息最快。

6. 把 AI 变成建模流程里的执行层

SketchUp 接入 MCP 最吸引人的演示，往往是一句话生成整栋房子。但真正能进入日常工作的方式通常没那么戏剧化：先读取模型结构，帮你发现散落几何和异常小组件；批量创建标准化构件并按规范命名；对选中对象统一移动、改材质或建标签；按明确尺寸生成家具白模、墙体和开口；自动导出 STL、OBJ、DAE 或视图图片；把重复的十几步操作压缩成一段可复用任务说明。

它更像建模流程里的“执行层”，而不是替代设计判断的按钮。如果你只是想体验，官方 Connector 是最短路径；如果你希望 AI 真正参与当前模型，本地桥接更有潜力。无论选哪条，记住三条底线：尺寸写清楚、任务分阶段、真实项目先备份。

想让 AI 长期参与编码和 Agent 类建模任务，可以了解 Coding Plan；需要新建或管理 Key 就去控制台和 API Keys 页面；模型连通性验证用模型对话；接入配置细节查接入文档。当 AI 能听懂你的建模标准，又能在每一步之后汇报和自检，MCP 才从一个新名词，变成真正省时间的工具。