AI इंटीग्रेशन

Meshy, AI एजेंट और कोडिंग असिस्टेंट के लिए दो चैनल प्रदान करता है: टूल-कॉलिंग के लिए Meshy MCP server, और डॉक्स इनजेशन के लिए llms.txt / llms-full.txt।

अगर आप Claude Code, Cursor, Windsurf, Codex, या किसी भी अन्य MCP-संगत टूल से Meshy को इंटीग्रेट कर रहे हैं, तो नीचे दिया गया MCP server इंस्टॉल करें। अगर आप बिना MCP सपोर्ट वाले किसी सामान्य चैट एजेंट से इंटीग्रेट कर रहे हैं, तो इसके बजाय इसे https://docs.meshy.ai/llms.txt की ओर पॉइंट करें।

MCP क्या है

Model Context Protocol (MCP) एक ओपन स्टैंडर्ड है जो AI असिस्टेंट को बाहरी टूल्स कॉल करने और संरचित संदर्भ (context) प्राप्त करने की सुविधा देता है। Meshy MCP server, Meshy REST API को टूल्स के एक सेट के रूप में रैप करता है जिन्हें आपका एजेंट इनवोक कर सकता है — एक मॉडल जनरेट करना, टास्क चेक करना, रिज़ल्ट डाउनलोड करना — बिना खुद से HTTP कोड लिखे।

MCP server ओपन सोर्स है और npm पर @meshy-ai/meshy-mcp-server के रूप में प्रकाशित है। सोर्स: github.com/meshy-dev/meshy-mcp-server।

आपको एक Meshy API की चाहिए। Developer Platform में API Keys पेज पर एक बनाएं। MCP server इसे MESHY_API_KEY एनवायरनमेंट वेरिएबल से पढ़ता है।

क्विक इंस्टॉल

# Detects installed AI clients and configures Meshy for each
npx add-mcp @meshy-ai/meshy-mcp-server --env MESHY_API_KEY=msy_YOUR_API_KEY

इसके बजाय एक रेडी-मेड स्किल चाहिए? ओपन-सोर्स meshy-3d-agent स्किल पैक Claude Code, Cursor, और OpenClaw के लिए पहले से लिखे गए Meshy वर्कफ़्लो (जनरेट → पोल → डाउनलोड) प्रदान करता है। यह सीधे Meshy REST API को कॉल करता है — किसी MCP server की आवश्यकता नहीं।

npx skills add meshy-dev/meshy-3d-agent

उपलब्ध टूल्स

MCP server, Meshy REST API को क्षमता के अनुसार समूहित टूल्स के रूप में प्रदान करता है।

3D जनरेशन

  • meshy_text_to_3d — टेक्स्ट prompt से 3D मॉडल बनाएं
  • meshy_image_to_3d — एक इमेज से 3D मॉडल बनाएं
  • meshy_multi_image_to_3d — एक ही ऑब्जेक्ट की कई इमेजों से 3D मॉडल बनाएं
  • meshy_text_to_3d_refine — प्रीव्यू मेश में टेक्सचर जोड़ें

पोस्ट-प्रोसेसिंग

  • meshy_remesh — किसी मौजूदा मॉडल की topology और/या पॉलीकाउंट बदलें
  • meshy_retexture — किसी मौजूदा मॉडल पर नया टेक्सचर लागू करें
  • meshy_rig — 3D ह्यूमनॉइड कैरेक्टर में स्केलेटन जोड़ें
  • meshy_animate — रिग किए गए कैरेक्टर पर एनिमेशन लागू करें

इमेज जनरेशन

  • meshy_text_to_image — टेक्स्ट से 2D इमेज
  • meshy_image_to_image — संदर्भ इमेज से 2D इमेज

टास्क प्रबंधन

  • meshy_get_task_status — टास्क स्टेटस और डाउनलोड URL चेक करें
  • meshy_list_tasks — हाल के टास्क सूचीबद्ध करें, वैकल्पिक रूप से टाइप/स्टेटस के अनुसार फ़िल्टर किए गए
  • meshy_cancel_task — किसी पेंडिंग या प्रगति में चल रहे टास्क को रद्द करें
  • meshy_download_model — पूर्ण हो चुकी मॉडल फ़ाइल प्राप्त करें और स्थानीय रूप से सेव करें

वर्कस्पेस

  • meshy_list_models — प्रमाणित यूज़र के वर्कस्पेस में मौजूद सभी मॉडल सूचीबद्ध करें

3D प्रिंटिंग

  • meshy_send_to_slicer — इंस्टॉल किए गए स्लाइसर का पता लगाएं और मॉडल को उनमें से किसी एक में लॉन्च करें (यह आपकी मशीन पर स्थानीय रूप से चलता है; कोई Meshy API कॉल नहीं)
  • meshy_analyze_printability — वर्तमान में एक मैनुअल प्रिंट-रेडीनेस चेकलिस्ट रिटर्न करता है (दीवार की मोटाई, ओवरहैंग, मैनिफोल्ड मेश, आदि)। Meshy प्रिंट-योग्यता API उपलब्ध होने पर इसे स्वचालित विश्लेषण के लिए अपग्रेड किया जाएगा।
  • meshy_process_multicolor — टेक्सचर्ड मॉडल को प्रिंटिंग के लिए मल्टी-कलर 3MF फ़ाइल में कन्वर्ट करें

अकाउंट

  • meshy_check_balance — शेष क्रेडिट क्वेरी करें

टूल के नाम और व्यवहार समय के साथ बदल सकते हैं। आधिकारिक सूची MCP server सोर्स में उपलब्ध है।

उदाहरण Prompts

इन्हें अपने MCP-सक्षम चैट में शुरुआती बिंदु के रूप में डालें।

Generate a 3D fox from the prompt "a cartoon fox sitting", preview it, then
texture it with PBR maps. Download the final GLB to ./outputs.

Take the image at https://example.com/sculpture.jpg and convert it into a
riggable 3D character. Use `should_remesh: true` and 50k target polycount.

What's my current Meshy credit balance?

List my last 10 successful text-to-3d tasks and download the top 3 as GLB
into ./downloads/.

llms.txt और llms-full.txt

अगर आपका एजेंट MCP को सपोर्ट नहीं करता, या आप Meshy डॉक्स को सीधे किसी prompt में इंजेस्ट करना चाहते हैं, तो इसे हमारे प्लेन-टेक्स्ट सरफेस की ओर पॉइंट करें:

  • llms.txt — कॉम्पैक्ट इंडेक्स + इंटीग्रेशन निर्देश (सही async-पोलिंग पैटर्न, auth नियम, रेट लिमिट, मॉडल चयन, आम गलतियाँ)।
  • llms-full.txt — सिंगल-फ़ेच इनजेशन के लिए एक ही फ़ाइल में जोड़े गए सभी API पेज।
  • प्रति-पेज Markdown: किसी भी endpoint URL के अंत में .md जोड़ें। उदाहरण: https://docs.meshy.ai/api/text-to-3d.md।

तीनों को डॉक्स साइट के हर बार बिल्ड होने पर फिर से जनरेट किया जाता है, इसलिए ये कभी भी HTML डॉक्स से भटकते नहीं हैं।

सामान्य प्रश्न

क्या MCP server स्टेटलेस है?
हाँ। आपका MESHY_API_KEY प्रति रिक्वेस्ट उपयोग किया जाता है और सर्वर साइड पर कभी संग्रहीत नहीं किया जाता।
क्या MCP की लागत REST API के समान है?
हाँ — प्रत्येक MCP टूल कॉल एक ही REST कॉल के बराबर होता है और बिल्कुल उसी दर पर क्रेडिट खर्च करता है। पूरी मैट्रिक्स के लिए मूल्य निर्धारण पेज देखें।
रेट लिमिट क्या हैं?
MCP server, REST API के समान ही रेट-लिमिट प्लेन साझा करता है। प्रति-टियर लिमिट के लिए Rate Limits पेज देखें।
MCP किस Meshy डेटा तक पहुँच सकता है?
केवल वही जिस तक MESHY_API_KEY REST के माध्यम से पहुँच सकता है। स्कोप और अनुमतियाँ बिल्कुल समान हैं।
मैं समस्याओं की रिपोर्ट कैसे करूँ?
meshy-mcp-server रिपॉज़िटरी पर एक issue दर्ज करें: https://github.com/meshy-dev/meshy-mcp-server/issues