semble
★ 4.5k
vs
blender-ai-mcp
★ 29
semble vs blender-ai-mcp
semble：Semble 是一个专为 AI 智能体设计的高性能代码搜索库，能够即时提供精确的代码片段。与基于 Transformer 的模型相比，它在索引和查询速度上显著更快，同时能达到 99% 的检索质量，并且完全在 CPU 上运行，无需外部依赖。；blender-ai-mcp：blender-ai-mcp 是一个生产级的 MCP 服务器，允许 Claude、ChatGPT 和 Codex 等 AI 客户端通过稳定、精选的工具 API 控制 Blender。它以目标优先路由、确定性检查和安全执行边界取代了临时生成的 Python 脚本，实现了更可靠的 AI 辅助 3D 建模工作流。
01
简评
选 semble 如果…通过快速准确的代码搜索能力增强 AI 智能体（如 Claude Code, Cursor, Codex）
选 blender-ai-mcp 如果…通过目标设置和宏工具实现 AI 引导的建模工作流
02
并排对比
03
功能特性
semble01在 CPU 上实现快速性能（索引约 250 毫秒，查询约 1.5 毫秒）
02高准确性（NDCG@10 达 0.854），媲美 Transformer 模型
03支持索引本地路径和远程 Git 仓库
04可作为 MCP 服务器供各种 AI 智能体使用
05零配置，无需 API 密钥、GPU 或外部服务
blender-ai-mcp01提供带有验证参数的稳定工具 API，而非原始的 bpy 脚本
02目标优先编排，使会话始终锚定在活跃意图上
03面向 AI 客户端的精简、优先搜索的公开接口
04通过检查、测量和断言工具实现基于真相的验证
05安全执行边界：Blender 插件运行在主线程，MCP 服务器负责路由
04
使用场景
semble↳通过快速准确的代码搜索能力增强 AI 智能体（如 Claude Code, Cursor, Codex）
↳根据自然语言或代码查询，在本地或远程代码库中搜索特定的代码片段
↳根据给定的文件路径和行号，查找语义相似的代码段
blender-ai-mcp↳通过目标设置和宏工具实现 AI 引导的建模工作流
↳使用测量和断言工具进行自动场景检查与验证
↳通过迭代比较和修正实现参考引导的创作构建
05
适合场景
semble代码助手RAG / 知识库
blender-ai-mcp时下流行工作流自动化视觉/多模态
FAQ
常见问题
semble 和 blender-ai-mcp 有什么区别？
semble 和 blender-ai-mcp 都属于 RAG / Knowledge Base 类别。semble 有 4.5k Stars，blender-ai-mcp 有 29 Stars。
semble 和 blender-ai-mcp 哪个更好？
最佳选择取决于你的具体需求。通过快速准确的代码搜索能力增强 AI 智能体（如 Claude Code, Cursor, Codex） 时选 semble，通过目标设置和宏工具实现 AI 引导的建模工作流 时选 blender-ai-mcp。
semble 是免费的吗？
是的，semble 在 GitHub 开源（MIT）。
blender-ai-mcp 是免费的吗？
是的，blender-ai-mcp 在 GitHub 开源（Apache-2.0）。
→