高度な使い方(AI連携・MCPによる自動制御)

このアドオンはUIとロジック層を完全に分離しており、高性能LLM (Claude Code や ChatGPT Codex などを想定)によるPythonスクリプト 自動化処理用のAPIが存在します。

そのため、LLMとBlender MCPブリッジ(Blender公式のもの)を有効化すると、 LLMがこのアドオンをPythonから制御できるようになります。

いったんシーンに大量のアバターを読み込んでおき、コレクションごとに分離したうえで LLMに口語で指示を出せば、バックグラウンドで処理することも可能です (BlenderのGUIなしのヘッドレスモードにも対応しています)。

ただし、注意点があります。

ファイルサイズ

アバター数が30～50を超えるくらいから .blend ファイルが1GBを超えると 思われるため、1GBを超えたらファイルを分割するのをおすすめします。

また、これと関連して、アバター一体ごとにフィットが終わったあとに上書き保存 するように指示をすると、PCが万が一クラッシュしてしまったときに被害を 最小限にできます。この辺は人力でやっているときとおなじ注意です。

APIの例

アドオン内の api.py より抜粋(ヘッドレス/スクリプト(MCP等)用の同期API):

import bpy
from Daifuku import api

cf = bpy.context.scene.clothfit
cf.source_body_col = bpy.data.collections["フィット元アバター"]
cf.target_body_col = bpy.data.collections["フィット先アバター"]
cf.cloth_collection = bpy.data.collections["衣装"]
cf.mode = "AUTO"

# コレクションを指定すると、素体メッシュとアーマチュアは自動判定されます。
# 誤判定した場合は、UIまたはスクリプトから対象を明示してください。
result = api.run_fit_sync(report=lambda lvl, m: print(lvl, m))
# result = {
#     "applied": [...],
#     "failed": {...},
#     "missing": [...],
#     "correspondence_png": ...,
#     "jobdir": ...,
#     "log": ...,
# }

UIのモーダルオペレータ(clothfit.fit)を介さず、scene.clothfit の設定から エクスポート → ワーカー(ブロッキング実行) → 結果適用までを1呼び出しで完結します。 オペレータと同じコアを共有するので、UI経路とロジックが二重化しません。