当”堆算力、上AI大模型”成为许多游戏研发团队的第一反应时，虚幻引擎给出了一个不一样的答案。
在近期举行的Epic Games游戏开发者生态专场上，虚幻引擎大中华区总经理Tiff Tang以”探索MCP驱动下的全新工作流”为题，系统拆解了虚幻引擎5.8版本中以MCP（Model Context Protocol）为核心的AI工作流设计思路——排除算力和模型本身的限制，把决策权真正留给创作者和开发者。
“今年整个以AI为中心的游戏研发已经变得越来越卷，很多团队陷入一个怪圈：用最贵的算力、最好的模型，效率就一定最高，也一定能打破自己管线的技术壁垒。”
Tiff表示，但虚幻引擎团队认为，一套真正好用的工作流应当排除对算力和模型的依赖，回到”谁能做决策、什么能被控制、流程能否真正落地“这几个根本问题上。基于这一判断，团队为内部工作流定下的第一条准则是：只用开源模型验证——只有开源模型也能实现80%到90%的业务效果，才能说明这套MCP工作流是成熟的。
三大核心理念：可引导、可编辑、可拓展
Tiff将虚幻引擎的MCP设计理念归纳为三点。
第一是可引导（Directable）：所有的方向和指令都应由创作者自己把控，AI和Agent只是执行助手，产出结果不应脱离人的控制。
第二是可编辑（Editable）：作为一家做编辑器起家的公司，虚幻引擎希望每一次AI产出的结果都能被反复编辑、模组化拼接，拒绝任何”开盲盒”式的不确定性生成。
第三是可拓展（Extensible）：MCP框架应当能与工作室现有的资产、管线和自研工具无缝衔接，而不是要求团队推倒重来。她也坦言，5.8推出的MCP仍是试验阶段的产品，团队希望借此听到更多开发者对产品方向的反馈。
为什么选PCG做示范：空间构建是LLM最大的挑战
Tiff选择用PCG作为切入口，原因在于空间构建恰恰是大语言模型最难处理的任务之一：大模型擅长理解文字、拆解需求，但世界构建涉及坐标、方向、边界、碰撞等复杂的空间关系，如果完全依赖文字推理，很难产出真正可控的空间。
虚幻引擎的解法是做角色分离——让大语言模型负责逻辑推理和任务编排，把精确的空间执行交还给引擎本身，两者结合后，创作者只需用自然语言就能完成空间搭建。
从Demo到生产管线：四个落地要点
在这套体系里，Tiff拆解了支撑agent操作PCG的四个核心组件：
Toolset（工具集）相当于引擎的”手和脚”，此次上线超过1000个面向大模型的API接口；
Primitives（空间算子）是构成空间的基础词汇，此次发布了80个空间操作库，涵盖拼接、组合、过滤、写入等操作；
Examples（示例）像”句型”一样，向agent展示具体场景该如何搭建，避免每次从零摸索；
Skills（技能）则补足大模型在专业领域上的知识缺口，比如”灯光””城市”这些概念到底该如何落地实现。
Toolset
它相当于引擎能力面向agent的接口层，目标不是把所有能力简单堆叠出来，而是让agent更容易理解引擎能做什么、应该如何调用。
Toolset还应做到零门槛拓展并支持异步执行，避免单次AI报错让整条制作管线陷入假死状态。
在具体设计上，Toolset应遵循“4C”标准。
第一是内容精简：只保留完成任务所必需的信息，并尽可能把工具拆小、职责收窄，减少冗余描述，降低上下文占用和AI的理解成本，从源头减少幻觉。
第二是功能完整且对称：每个Toolset都应覆盖相对完整的一组操作，输入、执行与结果之间保持一致，相关能力尽量成对出现，确保逻辑能够闭环，而不是只提供单向或残缺的操作。
第三是可组合：不同Toolset既可以独立完成小任务，也能够像积木一样叠加，逐步构成更复杂的工作流。工具本身越小、边界越清晰，agent在编排时就越灵活，也更容易复用。
第四是过程清晰：Toolset内部的执行过程、参数含义和使用边界应通过必要的注释与文本说明表达清楚。这样即使未来更换Claude或其他语言模型，新模型也能快速理解工具设定，不必依赖某个特定模型的隐性能力。
Primitives
作为引擎执行空间任务的基础算子，它们应保持职责单一、边界清晰，并覆盖拼接、组合、过滤、写入等常用操作。
agent可以通过组合多个Primitives，把复杂的空间规划拆解为可验证、可复用的步骤，同时将坐标、方向、碰撞等精确执行交还给引擎，从而保证结果的稳定性与可编辑性。
Examples
它可以分为两类：
一类是静态预设示例，为常见任务提供稳定、可复用的参考；
另一类是动态示例，允许大模型结合当前上下文和语义，在需要时主动选择并调用。
两类examples结合后，既能减少agent每次从零探索的成本，让输出更加稳定、高效，也能随着任务和上下文变化持续扩展，使整套MCP工作流具备更好的适应性与可扩展性。
Skills
其核心作用是补充AI的专业词库和引擎细节，尤其是模型原本缺失、但在实际生产中又十分关键的信息；在确定性较高的环节，skills还可以引导agent减少不必要的自由推理，直接调用Toolset中的核心能力。
Skills同时应当扮演“资深同事”或mentor的角色：它不仅告诉agent某个功能是什么，还要用同行之间的语言和工作方式，教会agent如何客观拆解问题、选择解决路径，以及提前识别常见的坑。
持续稳定同样重要。由于引擎和管线会不断迭代，很多细节变化容易重复触发旧问题，因此在搭建skills时，需要确保规则在后续版本升级后依然可用，尽量避免版本之间出现能力断层。
此外，skills应尽可能精简。考虑到token成本，进入context的内容必须让agent能够快速读取和理解，非核心、纯描述性的文字应当被删减，把有限的上下文留给真正影响决策和执行的信息。
从客厅到城市：两个维度的实战demo
演讲中，Tiff展示了两个层级的demo。
第一个是室内小场景：通过自然语言描述”现代风格客厅”，agent逐步调用资产库添加沙发、地毯、茶几等家具，过程中可随时用自然语言微调细节，最终生成可复用的多角度场景。
第二个demo将同样的逻辑扩展到城市尺度。面对楼宇、道路、天际线等更复杂的资产组合，agent依然从简单指令出发，通过Primitives不断组合搭建出完整的城市框架——道路走向、高架部署等空间逻辑均由大模型规划、引擎执行。
Tiff提到，过去至少需要一周才能完成的城市搭建，现在可能几小时就能完成，且所有细节都可以在视窗中精细调整；不同团队成员的产出（例如同事制作的中央公园）也能无缝拼接进已有城市框架，街区会随之自动更新，而不会破坏原有空间逻辑。
针对更轻量的复用需求，Tiff还介绍了Instant功能：可以将某个组合（如城市里的路障造型）一键封装为模块化资产，之后随意复制、二次编辑，适用于类似”刷怪路障”这类批量复用场景。
演讲还展示了难度更高的自然地貌搭建demo——这类工作过去往往只有资深技术美术（TA）才能驾驭。借助MCP，agent可以从零搭建出树木mesh的空间系统，从底层结构到参数原型均由AI完成，开发者接下来只需要调整参数即可，相当于节省了资深TA近一周的工作量。
Tiff最后也表示，虚幻引擎当前MCP的产品理念，归根结底仍是“可引导、可编辑、可拓展”。
所谓可引导，是让AI放大创作者和开发者的意图，而不是限制或替代创意，最终结果始终由人掌控。
所谓可编辑，是拒绝“盲盒式”AI生成，任何AI产出的组件都应与人工制作的组件一样，能够在引擎编辑器中被检查、修改和持续迭代，并进一步被其他同事或团队复用；
所谓可拓展，则是让MCP无缝融入工作室既有的技术基建、资产规范和生产管线，而不是要求团队为了AI推倒重来。开发者可通过自建Toolset、skills和examples，让agent更高效地调用引擎能力，产出更高品质的内容。
目前的MCP产品框架只是虚幻引擎结合AI工作流的开始。今年，Epic将根据开发者反馈，陆续上线更多提升开发效率、降低开发成本、提高资产品质的功能，并更新AI产品路线图。
不同工作室对MCP、CLI和skills的诉求不同：Epic最看重全过程可控，而一些团队更追求极致效率，甚至希望尽量不打开编辑器。如何在可控性与效率之间取得平衡，也将成为Epic接下来持续探索的重点。
如若转载，请注明出处：http://www.gamelook.com.cn/2026/07/598820/
