Integraciones MCP de ejemplo

Superpotencia tu IA en el mundo real.

Proyectos de inicio para el runtime de RakuAI sobre la superficie MCP de seis herramientas. Conecta tu asistente de IA y luego itera contra un motor real. Multi-proveedor por diseño — Claude, ChatGPT, Gemini, Copilot.

La forma de una integración de inicio: un agente llama a las seis herramientas MCP, el runtime mantiene la autoridad y un destino de renderizado configurado muestra el resultado. Tu agente cualquier cliente MCP Runtime de RakuAI – seis herramientas MCP el motor mantiene la autoridad · deny-by-default Destino de render WebGL · VR · nativo load_world_model ingest_frame get_scene_state set_render_target start_simulation get_metrics
Cada proyecto de inicio sigue la misma forma: llama a las seis herramientas, el motor mantiene la autoridad.

Patrones de integración

Cada patrón a continuación muestra una forma en que un agente externo puede manejar el runtime sobre MCP — las mismas seis herramientas (load_world_model, ingest_frame, get_scene_state, set_render_target, start_simulation, get_metrics) cubren todo, desde la inspección de solo lectura hasta el control completo de la simulación. Los patrones de solo lectura funcionan en producción; los patrones que modifican estado son solo para sandbox/dev, deny-by-default.

Inspección de solo lectura

Usa get_metrics y get_scene_state desde cualquier cliente — Claude Desktop, Cursor, GPTs personalizados, agentes internos. Seguro en todos los entornos, incluida producción.

SEGURO EN PRODUCCIÓN

Carga de adaptadores

Registra un backend de modelo del mundo (predictor de video, campo de radiancia neuronal, modelo fundacional de física, paquete de contenido) con load_world_model. El adaptador habla el contrato estándar; el motor conserva la autoridad.

SANDBOX / DEV

Ingesta de frames

Inyecta frames de modelos generativos en el grafo de escena con ingest_frame. Los visuales vienen del adaptador; la jugabilidad (física, colisión, puntuación) se queda en el motor. Ninguna parte tiene que conocer a la otra salvo a través del límite MCP.

SANDBOX / DEV

Configuración del destino de render

set_render_target configura dónde se renderiza el mundo: WebGL, headset VR, ventana nativa, fuera de pantalla. La misma escena, la misma autoridad, distintas superficies.

SANDBOX / DEV

Control de simulación

start_simulation inicia el bucle de simulación con una tasa de tick configurable. Rechazado en producción por diseño — los agentes externos pueden pedir, no ordenar. Los entornos de sandbox y dev lo aceptan.

SANDBOX / DEV

Composición de agente personalizado

Compón las seis herramientas como necesites desde tu propio agente. El servidor MCP impone permisos deny-by-default por herramienta y por llamador, y escribe un log de auditoría completo. Construye sobre el límite, no a través de él.

SEGURO EN PRODUCCIÓN (solo lectura)

Clientes de IA compatibles

Cualquier cliente con capacidad MCP puede llegar al runtime. Hoy: Claude Desktop (guía de conexión disponible). En camino: Cursor, GitHub Copilot en modo agente, GPTs personalizados sobre el transporte HTTP de MCP. La superficie MCP es agnóstica al modelo por diseño — cada frame, cada NPC, cada interacción enrutada a través de la IA de tu elección.

Construye tu propia integración

El contrato de adaptador en GitHub documenta cómo conectar un backend de modelo del mundo al runtime sobre el límite MCP. Los esquemas completos del servidor, el adaptador y el estado de escena están disponibles con acceso al SDK bajo NDA.