AI इंटीग्रेशन

Meshy AI एजेंटों और कोडिंग असिस्टेंट्स के लिए दो चैनल उपलब्ध कराता है: tool-calling के लिए Meshy MCP server, और docs ingestion के लिए llms.txt / llms-full.txt।

यदि आप Claude Code, Cursor, Windsurf, Codex, या किसी अन्य MCP-compatible टूल से Meshy को इंटीग्रेट कर रहे हैं, तो नीचे MCP server इंस्टॉल करें। यदि आप ऐसे plain chat agent से इंटीग्रेट कर रहे हैं जिसमें MCP support नहीं है, तो इसके बजाय उसे https://docs.meshy.ai/llms.txt पर इंगित करें।

MCP क्या है

Model Context Protocol (MCP) एक open standard है जो AI assistants को external tools कॉल करने और structured context retrieve करने देता है। Meshy MCP server, Meshy REST API को टूल्स के एक सेट के रूप में wrap करता है जिन्हें आपका agent invoke कर सकता है — model generate करना, task check करना, result download करना — बिना HTTP code हाथ से लिखे।

MCP server open source है और npm पर @meshy-ai/meshy-mcp-server के रूप में published है। Source: github.com/meshy-dev/meshy-mcp-server।

आपको Meshy API की चाहिए। इसे https://www.meshy.ai/settings/api पर बनाएं। MCP server इसे MESHY_API_KEY environment variable से पढ़ता है।

त्वरित 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 drop-in skill पसंद करेंगे? open-source meshy-3d-agent skill pack Claude Code, Cursor, और OpenClaw के लिए पहले से लिखे Meshy workflows (generate → poll → download) के साथ आता है। यह Meshy REST API को सीधे कॉल करता है — MCP server आवश्यक नहीं है।

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

उपलब्ध टूल

MCP server Meshy REST API को टूल्स के रूप में उपलब्ध कराता है, जिन्हें capability के अनुसार group किया गया है।

3D Generation

  • meshy_text_to_3d — text prompt से 3D model बनाएं
  • meshy_image_to_3d — एक image से 3D model बनाएं
  • meshy_multi_image_to_3d — उसी object की कई images से 3D model बनाएं
  • meshy_text_to_3d_refine — preview मेश में टेक्सचर जोड़ें

Post-Processing

  • meshy_remesh — मौजूदा model की topology और/या पॉलीकाउंट बदलें
  • meshy_retexture — मौजूदा model पर नया टेक्सचर apply करें
  • meshy_rig — 3D humanoid character में स्केलेटन जोड़ें
  • meshy_animate — rigged character पर एनिमेशन apply करें

Image Generation

  • meshy_text_to_image — text से 2D image
  • meshy_image_to_image — reference image से 2D image

Task Management

  • meshy_get_task_status — task status और download URLs check करें
  • meshy_list_tasks — recent tasks list करें, वैकल्पिक रूप से type/status द्वारा filtered
  • meshy_cancel_task — pending या in-progress task cancel करें
  • meshy_download_model — completed model file fetch करें और locally save करें

वर्कस्पेस

  • meshy_list_models — authenticated user के वर्कस्पेस में सभी models list करें

3D प्रिंटिंग

  • meshy_send_to_slicer — installed slicers detect करें और model को किसी एक में launch करें (आपकी machine पर locally चलता है; कोई Meshy API call नहीं)
  • meshy_analyze_printability — वर्तमान में manual print-readiness checklist return करता है (दीवार की मोटाई, overhangs, मैनिफोल्ड मेश, आदि)। Meshy प्रिंट-योग्यता API उपलब्ध होने पर इसे automated analysis में upgrade किया जाएगा।
  • meshy_process_multicolor — textured model को printing के लिए multi-color 3MF file में कन्वर्ट करें

Account

  • meshy_check_balance — remaining क्रेडिट query करें

Tool names और behaviors evolve हो सकते हैं। authoritative list MCP server source में रहती है।

उदाहरण prompt

शुरुआती point के रूप में इन्हें अपने MCP-enabled chat में drop करें।

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

यदि आपका agent MCP support नहीं करता, या आप Meshy docs को सीधे prompt में ingest करना चाहते हैं, तो उसे हमारी plain-text surfaces पर इंगित करें:

  • llms.txt — compact index + integration instructions (सही async-polling pattern, auth rules, rate limits, model choice, common mistakes)।
  • llms-full.txt — single-fetch ingestion के लिए हर API page को एक single file में concatenated किया गया है।
  • Per-page Markdown: किसी भी endpoint URL में .md append करें। उदाहरण: https://docs.meshy.ai/api/text-to-3d.md।

तीनों हर बार docs site build होने पर regenerate होते हैं, इसलिए वे HTML docs से कभी अलग नहीं होते।

FAQ

क्या MCP server stateless है?
हाँ। आपका MESHY_API_KEY हर request के लिए use होता है और server side पर कभी persisted नहीं होता।
क्या MCP की लागत REST API जैसी ही है?
हाँ — हर MCP tool call एक single REST call पर map होती है और ठीक उसी rate पर क्रेडिट consume करती है। पूरी matrix के लिए मूल्य निर्धारण page देखें।
rate limits क्या हैं?
MCP server REST API के समान rate-limit plane share करता है। per-tier limits के लिए Rate Limits page देखें।
MCP कौन सा Meshy data access कर सकता है?
केवल वही जिसे MESHY_API_KEY REST के माध्यम से access कर सकता है। Scopes और permissions identical हैं।
मैं issues कैसे रिपोर्ट करूं?
meshy-mcp-server repository पर issue file करें: https://github.com/meshy-dev/meshy-mcp-server/issues