Unreal MCP服务器提供LLM驱动的虚幻引擎访问权限，并可与各种引擎系统和编辑器工作流程交互。
本指南将介绍可通过MCP服务器访问的专用PCG工具集。 这些工具可通过LLM交互，直接操控程序化内容生成（PCG）系统和图表。 PCG工作流程涉及复杂的图表结构、程序逻辑和属性驱动的数据流，因此遵循特定的实践规范至关重要。
本文档总结了来源于日常生产应用的推荐工作流程和实用模式。
先决条件
启用Unreal MCP插件并按启动流程操作，即可开始使用MCP服务器。 如需详细了解如何使用Unreal MCP插件，请参阅Unreal MCP。
加载Unreal MCP服务器后，先加载PCG Toolset，再加载PCG图表生成技能。 PCG图表生成技能可为LLM提供必要的基础认知，以实现可靠的图表操作和生成。
PCG技能加载是会话设置的必要组成部分。 缺少适当的技能上下文通常会导致LLM：
误解PCG概念
产生过度复杂的解决方案
误用节点或参数
生成不可靠的图表逻辑
如需详细了解如何加载技能，请参阅LLM文档。
Skill_PCGGraphGeneration
这是一项核心技能，适用于通过可重复规则或空间计算生成内容的任务，例如散布植被、填充城市街区或构建道路网络。 该技能了解所有可用的基础节点，以及如何将它们正确地连接起来。
当任务可以表示为一个系统或一种模式，而非一次性放置时，请使用此技能。
关键原则
LLM在以下情况下表现最佳：
具备充分的上下文支撑。
已对既有示例进行分析。
具有显式上下文。
限制在明确定义的任务范围内。
通过紧密的反馈循环进行迭代。
鼓励尽可能重复使用和调整现有解决方案。
推荐的工作流程
虚幻引擎中最有效的LLM工作流程：
您与LLM协同合作
参考驱动
迭代
使用Unreal MCP服务器与PCG工具集时，推荐采用以下工作流程：
加载Unreal MCP服务器。
加载PCG工具集。 此操作可在LLM中完成，也可通过编辑（Edit） > 插件（Plugins）启用PCGToolset插件。
加载PCG图表生成技能。 此操作在LLM中完成。
识别相关的示例图表。
在内容浏览器（Content Browser）中手动选择相关资产或Actor。
要求LLM在规划前审核参考。
要求在执行前审核计划或图表。
逐步执行以提供监督。
在执行过程中积极监督并纠正错误。
设置上下文
使用现有PCG示例图表
参考驱动的工作流程始终能产生最可靠的结果。
在PCG工作流程中，提高LLM输出质量最有效的方法之一是明确参考现有示例图表。
这包括：
PCG插件中提供的示例图表
内部项目示例图表
现有生产就绪图表
由经验丰富的用户创建的参考实现
这些图表应被视为LLM的可操作基准真相。
如果没有参考，模型可能：
产生过度复杂的解决方案
误用节点或参数
构建不可靠的图表逻辑
忽略既定工作流程规范
对于复杂任务，鼓励模型：
首先检查现有示例
重复使用既定模式
遵循现有图表规范
将提出的解决方案与实际可运行的实现进行比较
很多示例内容可在引擎（Engine） > 插件（Plugins） > Procedural Content Framework (PCG) > SampleContent文件夹中找到，并可由LLM分析。
尽管PCG图表生成技能中已包含相关指引，模型仍可能忽略参考，并试图从基本原理构建解决方案。 在会话过程中反复强调参考的重要性，能够显著提升一致性和准确性。
调整现有模式
很多时候，重复使用或复制现有图表比从零构建新图表更高效。
一个好的通用工作流程：
如果现有图表已经能解决问题，则重复使用该图表。
如果某个图表接近目标结果，则复制并修改该图表。
仅在没有合适的参考时，才创建新图表。
这种方法既能保留经过验证的方法和图表结构，又能减少歧义。 这可以避免创建不必要的节点，同时显著减少上下文窗口的使用。
提示示例
“寻找一个执行类似操作的示例图表。”
“修改图表前，请参考现有PCG示例。”
“查看该节点在插件示例中的使用方式。”
“与现有项目图表中使用的规范保持一致。”
“在提出解决方案前，查看相关示例。”
使用显式上下文
用户直接提供的上下文比自主发现更快且更可靠。 与资产或Actor交互时，应为LLM提供显式上下文，而非要求其自行发现内容。
建议按照以下步骤操作：
直接在内容浏览器中选择资产。
直接在关卡编辑器中选择Actor。
发出请求或执行操作。
这种方法通常更快、更可靠，还能有效降低上下文和执行层面的开销。
如果没有显式上下文，LLM可能会生成临时的Python脚本来检查内容和收集信息。这会减慢交互速度，增加令牌使用量，并且引入不必要的额外步骤。
语义搜索
语义搜索是一种由人工智能驱动的信息检索技术，旨在理解搜索背后的上下文含义和意图。 MCP工作流程包括对整个项目进行语义资产搜索。
虽然LLM可以自主使用语义搜索，但是对用户来说，在和所选资产交互前，直接在内容浏览器中执行搜索通常更高效、更友好。
语义搜索集成随虚幻引擎5.8或更高版本发布。
规划执行
规划和审查执行步骤有助于提升复杂工作流程的可靠性。 针对复杂操作，要求LLM在执行前解释或审查其方法。
此方法适用于：
大规模图表编辑
多步骤工作流程
属性调控
实验性设置
对于此类请求，建议明确询问模型在执行操作前，计划检查哪些参考、示例或现有图表。 鼓励模型尽可能基于现有示例制定规划。
提示示例
“执行前先审查图表。”
“请先解释预期方法。”
“提供一份分步计划。”
“列出计划修改的节点。”
“尽可能基于现有示例图表制定方案。”
“计划使用哪些示例或参考？”
监控执行
LLM驱动的工作流程应被视为您与LLM在监督下的合作过程，而非完全自主的执行。
在执行过程中，建议执行以下操作：
实时监控操作进展
及早纠正错误方法
使用参考或示例重新引导模型
提供具体的纠正措施
如果在执行过程中产生错误或意外结果，请先与模型一起复盘问题，再继续进行额外的自动化修改。
缩短反馈循环比让模型完全执行错误方法更高效。
高开销操作
通过MCP接口执行某些PCG操作可能导致执行时间和上下文使用量大幅增加。 例如：
大型图表分析
多图表分析
大型数据集检查
广泛的资产分析
数据视图
检查PCG属性意味着分析生成的PCG点数据和相关属性，类似于阅读一张大型程序化电子表格。
LLM无法自行直接检查PCG属性。 针对属性检查，LLM使用专用的数据视图工作流程。 数据视图在常规令牌上下文窗口之外执行繁重的处理工作，可大幅减少上下文使用量。
尽管数据视图是PCG工具集的一部分，但在提示时明确提及它仍然有好处，因为模型不一定总会自动选择它。
提示示例
“使用数据视图进行属性检查。”
“通过数据视图检查PCG点。”
“使用数据视图分析生成的属性。”
额外技能
PCG工具集还包含一系列额外技能，可扩展PCG工作流程。LLM可以扫描这些技能，但是如果已知某个技能能提供帮助，最好直接要求它加载该技能。
Skill_PCGShapeGrammarDefinition
当输出需要一个由规则驱动、如拼图般沿路径组合的模块序列时，请使用此技能。 内容涵盖建筑立面、走廊模块、街道家具布局，或任何遵循语法规则的线性序列。
Skill_PCGMeshPartition
当项目使用网格体地形作为地形系统，且需要与PCG配合使用时，请使用此技能。 它会向LLM解释地形修改层的排列顺序、材质权重通道的工作原理，以及如何编写PCG图表，使其能够正确写入地形而不破坏优先级系统。
Skill_PCGInstancingOnMeshActor
如果想用细节覆盖网格体，例如科幻细节、表面杂物以及散布在物体表面的微型道具，请使用此技能。 它会采用泊松采样设置来处理这个问题，避免在大型或大幅缩放的网格体上意外生成数百万个点。
Skill_PCGBiomeCore
从零开始创建生物群落系统，并希望根据地形规则、优先级区域和密度筛选器定义资产的生成位置时，请使用此技能。 它将展示完整的资产创建流程（定义、资产、生成器、筛选）和世界中的放置，并为导致无内容生成的常见静默故障提供防护措施。