※本記事の検証内容は2023年時点のものです。当時Amazon Bedrock上のClaude 4 Sonnetを用いて実施しました。
生成AIの進化は、テキストや画像の生成にとどまりません。3Dモデリングの領域にも波及しつつあります。
本記事では、AWS（Amazon Bedrock）と3D CGソフト「Blender」、そしてMCP（Model Context Protocol）を組み合わせた3Dモデル自動生成について、実際の検証結果とビジネス展開における課題をレポートします。
Claude 4 Sonnetをバックエンドに採用することで、Blenderのような専門ツールの操作も、自然言語ベースで自動化できる可能性が示されました。
参考資料：AWS Builders Flash: BedrockとBlenderをMCPで繋いで3Dモデルを作る
環境構築のリアルな所要時間と技術的ハードル
公式チュートリアルを参考に環境構築を進めました。
結論から言うと、約5時間の工数を要しました。
MCPを用いたツール連携やAIエージェントの構築基盤は強力です。一方で、ライブラリの依存関係や環境変数の設定など、記事の手順通りに進まないケースも発生します。
現段階で実業務に導入するなら、インフラや環境構築に明るいエンジニアのサポートが依然として推奨されます。
プロンプトによる生成検証（テキスト → 3D）
環境構築後、Amazon Bedrockを経由してBlender MCPに指示を出し、いくつかのオブジェクトを生成しました。
検証①：複雑な有機物（猫・ペンギン）
プロンプトは次のとおりです。
「Blender MCP に接続し、新規の状態から開始してください。かわいいにゃんこ（/ペンギン）を Blender 内で再現してください。」
形状としては非常に抽象的でした。生物特有のディテールを完全に再現するには至りません。
有機的で複雑な曲面を持つオブジェクトの生成には、BlenderのPython API（bpy）をより精密に記述させる高度なプロンプトエンジニアリングが必要です。複数ステップに分けた自律的処理も有効です。
検証②：シンプルな無機物（手裏剣・本棚）
プロンプトは次のとおりです。
「Blender MCP に接続し、新規の状態から開始してください。手裏剣（/本棚）を Blender 内で再現してください。」
こちらは非常に安定した出力が得られました。
本棚のような直線的・幾何学的な構造物は、わずか2分程度で自動生成が完了します。デザインのアレンジは必要最低限ですが、空間の当たり判定用モックアップや、背景用アセットの大量生産には十分な業務効率化が見込めます。
画像入力による生成検証（Image to 3D）
次に、既存のキャラクター画像を読み込ませ、リファレンスとして3Dモデル化する検証を行いました。
検証③：キャラクター画像の3D化
シルエットの抽出はある程度成功しました。一方で、マテリアル（質感や色）の適用に大きな課題が残りました。
現状のMCP経由でのスクリプト生成では、「1つのオブジェクトに対して単一のカラー（マテリアル）しか割り当てられない」ような挙動が見られました。
そのため、顔のパーツや装飾品などがすべて胴体と同じ単色で塗りつぶされ、のっぺりとした出力になってしまいます。マルチマテリアルの適用には、AIへの細かなステップ分け指示が必要です。
総括と今後の展望
今回の検証で明らかになった、AWS × Blender MCPの現在地（2023年時点）は次のとおりです。
シンプルな構造物の生成速度は圧倒的です（約2分）。プロトタイピングの自動化に大いに貢献します。
課題は、環境構築の難易度、有機物や多色マテリアルを要する複雑なモデルの再現性です。
今回検証に使用したClaude 4 Sonnetは、当時としては自律的コーディングやエージェントタスクに一定の性能を持っていました。それでも、テキストから3D空間の複雑な座標やマテリアル指定を一発で完璧に記述するには、壁があることが分かりました。
公式記事にあるような高クオリティなモデルを生成するには、単純なプロンプト入力だけでなく、AIとの対話を通じた段階的な修正が不可欠です。
追記：Claude Sonnet 4.5等の現行モデルなら結果は変わる
2023年時点のClaude 4 Sonnetと比べ、現行のClaude Sonnet 4.5などで同じ検証を行えば、結果は変わる可能性が高いです。
理由は主に次の4点です。
Blender Python API（bpy）の記述精度が向上しているため、有機物の形状再現やマルチマテリアル指定がしやすくなっています。
長いコンテキストを維持したまま、生成→確認→修正を繰り返す自律処理が安定しています。
Image to 3Dでは、画像の色やパーツ構造を理解する力が上がっており、単色塗りつぶしになりにくいです。
MCP連携そのものも、2023年よりツール周辺の情報や事例が増え、プロンプト設計の再現性が高まっています。
一方で、環境構築の工数やライブラリ依存の問題は、モデル世代が上がっても残ります。現行モデルで再検証する価値は大きいですが、インフラ面のハードルは別途見込んでおく必要があります。
MCPを用いたAPI連携がさらに成熟し、モデル性能も積み上がれば、言葉や簡単な画像だけで高品質な3Dアセットを生み出せる未来は近づいています。