楽AI — Le runtime universel pour les World Models  |  Pour les studios et développeurs →    Aussi : Lire le journal de développement MCP →

Exemples d'intégrations MCP

Boostez votre IA dans le monde réel.

Projets de démarrage pour le runtime RakuAI via la surface MCP à six outils. Connectez votre assistant IA, puis itérez sur un véritable moteur. Multi-fournisseur par conception — Claude, ChatGPT, Gemini, Copilot.

La forme d’une intégration de démarrage : un agent appelle les six outils MCP, le runtime garde l’autorité et une cible de rendu configurée affiche le résultat. Votre agent tout client MCP Runtime RakuAI – six outils MCP le moteur garde l’autorité · refus par défaut Cible de rendu WebGL · VR · natif load_world_model ingest_frame get_scene_state set_render_target start_simulation get_metrics
Chaque projet de démarrage suit la même forme : appeler les six outils, le moteur garde l'autorité.

Modèles d'intégration

Chaque modèle ci-dessous montre une façon dont un agent externe peut piloter le runtime via MCP — les mêmes six outils (load_world_model, ingest_frame, get_scene_state, set_render_target, start_simulation, get_metrics) couvrent tout, de l'inspection en lecture seule au contrôle complet de la simulation. Les modèles en lecture seule fonctionnent en production ; les modèles modifiants sont réservés au sandbox/dev, avec refus par défaut.

Inspection en lecture seule

Utilisez get_metrics et get_scene_state depuis n'importe quel client — Claude Desktop, Cursor, GPT personnalisés, agents internes. Sûr dans tous les environnements, y compris en production.

SÛR EN PRODUCTION

Chargement d'adaptateur

Enregistrez un backend de world model (prédicteur vidéo, champ de radiance neuronal, modèle de fondation de physique, pack de contenu) avec load_world_model. L'adaptateur respecte le contrat standard ; le moteur conserve l'autorité.

SANDBOX / DEV

Ingestion d'images

Injectez des images issues de modèles génératifs dans le graphe de scène avec ingest_frame. Les visuels viennent de l'adaptateur ; le gameplay (physique, collision, score) reste au moteur. Aucun des deux côtés n'a besoin de connaître l'autre, sauf via la frontière MCP.

SANDBOX / DEV

Configuration de la cible de rendu

set_render_target configure l'endroit où le monde est rendu : WebGL, casque VR, fenêtre native, hors écran. La même scène, la même autorité, des surfaces différentes.

SANDBOX / DEV

Contrôle de la simulation

start_simulation démarre la boucle de simulation avec un taux de tick configurable. Refusé en production par conception — les agents externes peuvent demander, pas ordonner. Les environnements sandbox et dev l'acceptent.

SANDBOX / DEV

Composition d'agent personnalisée

Combinez les six outils comme vous le souhaitez depuis votre propre agent. Le serveur MCP applique des permissions par refus par défaut, par outil et par appelant, et tient un journal d'audit complet. Construisez sur la frontière, pas à travers elle.

SÛR EN PRODUCTION (lecture seule)

Clients IA pris en charge

Tout client compatible MCP peut atteindre le runtime. Aujourd'hui : Claude Desktop (guide de configuration disponible). En cours : Cursor, GitHub Copilot en mode agent, GPT personnalisés via le transport HTTP MCP. La surface MCP est agnostique aux modèles par conception — chaque image, chaque NPC, chaque interaction acheminée via l'IA de votre choix.

Créez votre propre intégration

Le contrat d'adaptateur sur GitHub documente comment brancher un backend de world model au runtime via la frontière MCP. Les schémas complets du serveur, de l'adaptateur et de l'état de scène sont disponibles avec l'accès au SDK sous NDA.