摘要
多模态大型语言模型能够读取建筑图像和设计说明，但仍然难以将建筑规则转化为可在专业建模环境中编辑和使用的模型。为解决这一局限，本文提出了MLLMto3D，这是一种基于MCP的闭环框架，可将多模态推理与基于Rhino的建模、反馈及修改功能相结合。该框架包含五个阶段：视觉解析、基于JSON的意图序列化、代码生成、基于MCP的Rhino执行与反馈，以及带有限定修复的验证。其核心机制是基于JSON的意图序列化，该机制能将从图像中获取的建筑信息转换为符合预定义JSON模式的机器可读建模参数。该模式将高度、开间节奏、立面区域及对齐规则等几何与组合约束，与材料、开口和装饰等设计变量分开处理。在此基础上，Skills模块将立面类型知识及安全的Rhino脚本模式外部化，为代码生成提供可调用的专业约束，从而减少设计意图偏差和API错误。通过上海恒福历史街区的一个设计案例对该框架进行了测试，新立面的生成以附近的传统建筑作为参考。测试结果表明，MLLMto3D能够生成可参数调整的Rhino模型，同时保留主要的组合约束，从而推动人工智能辅助的建筑3D生成向可控、可验证且可迭代的建模流程发展。
