3D打印报价MCP走进ChatGPT和Claude, 意味着什么？

AM易道分享

和AI讨论完一个零件，最直接的冲动是接着问它换一种材料、做一百件，工厂怎么报价？

罗马尼亚3D打印服务商3Descu已经公开了这样的MCP入口。

按其官方说明，配置连接后，ChatGPT、Claude等兼容客户端可以分析模型、调用报价引擎，返回价格与生产天数。

其FDM与SLA服务，由此多了一个可在AI对话中使用的询价渠道。

图1｜3Descu官方工厂照片。

这套连接的分工是，语言模型负责理解需求和组织调用，几何程序测量零件，工厂引擎计算价格。

AI开始把设计讨论接向制造业务，但每一步能做什么，我们来细看看。

AI怎样把一句话变成一次报价？

MCP是模型上下文协议。

它让AI应用通过统一方式发现、调用外部工具。

3Descu公开的远程接口采用Streamable HTTP传输，用JSON-RPC 2.0规定请求与响应的消息格式；

公司说明该询价服务无需账号或API密钥。

用户仍需在ChatGPT或Claude中配置连接。

图2｜3Descu官网展示的业务路径：询问、测量、估价、下单；

协议层可以用两个动作理解。

客户端通过tools/list取得工具目录，再用tools/call提交工具名和参数。

目录里不仅有名字，还有功能描述和inputSchema，即输入字段的类型、必填项和取值约束；

返回结果再供AI解释或继续调用。

我们读取了3Descu公开接口返回的工具定义，四个工具分别是：


get_capabilities查询制造能力；


list_materials返回材料及其编号；


analyze_model测量模型；


estimate_price计算估价。

它们把工厂原本分散在能力表、材料表和报价器里的信息，整理成AI可以操作的入口。

比如用户说【这件用PETG，做100个】，一个合理的调用过程是先查材料列表，将PETG对应到接口接受的material_id；

再从模型取得几何参数，连同数量一起传给报价工具。

材料名称来自对话，材料编号来自工具，几何数据来自测量，价格来自定价引擎。

agent只需要把这些结果衔接起来。

图3｜语言模型组织需求，外部程序提供测量和估价。

AI无需只靠读网页推测价格，也不必模仿人在表单里反复点击。

它可以按字段向同一个服务请求结果。

工厂把材料或能力更新在工具后端，客户端便可重新查询。

不过协议只定义了交换方式，不保证agent一定能选对工具或填对参数。

我们估计很多东西还有不到位的可能，比如材料不够时应转人工客服，另外如果有些要求未说明，AI传递信息意味着要求默认为没有要求，仍会产生错误询价或者错误的下单。

表面积字段的意义

3Descu的报价定义中，必填项包括材料编号、数量、包围盒尺寸和模型实体体积。

尺寸以毫米表示，体积字段volume_cm3以立方厘米表示，并特别注明：

这里要填网格实体体积，不是拿长、宽、高相乘所得的包围盒体积代替。

这个经常搞3D打印服务报价的都能理解，一件带孔或弯曲的零件，外形尺寸相同，实际实体体积可能相差很大。

所以需要接口的字段更加精准的可以反应打印服务的实际体积。

还有一个更关键的可选字段是surface_area_mm2，即表面积。

前面的实体体积叠加表面积则AI可返回单一估价，省略它则返回一个价格区间，这个比较好理解因为即使是实体体积一样的东西，表面积大小意味着其结构是否含有大量内部结构。

因此，用自然语言去描述一个零件和提交真实模型能够支持的报价精度并不相同。

这里的单一数字仍是估价，并非最终成交价。

图4｜外部体积、实体体积与表面积用途不同。

据3Descu说明，其模型分析接收公开HTTPS链接指向的STL或OBJ，大小上限25MB，托管来源限定在GitHub、Google Drive等支持名单内。

链接需要指向原始文件。

本地文件路径也不能直接交给这项远程工具读取。

网页报价器则提供另一条路径：支持STEP、3MF等格式，按公司说明，可在浏览器内解析模型取得估价，无需先上传。

这和我们之前做过的工具有一些类似的想法：

两种入口对应不同的文件流转方式。

MCP服务宣称不保存文件和几何数据。

图5｜网页入口支持STL、OBJ、3MF、STEP、STP，标示每文件250MB；MCP分析限制为25MB。 成本反馈前移，前提是比较条件留得住

报价工具还接受填充率、层高和壁厚等可选参数，并给出默认值。

接口层高仅列0.1、0.2和0.3毫米，而官网设计指南给出0.12—0.28毫米。

这些设置使AI可以组织参数比较，也带来一个隐蔽问题，如果agent省略字段时，使用的大概率是服务默认设置，而非客户心中最理想的制造要求。

因此，我们认为一份有用的对话报价应该附带计算条件并且追问用户，比如使用哪个模型、哪种材料、多少件，以及确认是否设置沿用默认值。

用户如果需要比较傻瓜的问如何再便宜一点这种自然语言需求，AI需要说明并且找用户确认具体改动了什么，才能让下一轮对话更精准的找到工程调整的依据。

图6｜AI可传入的参数vs与仍需工程确认的条件

据其声称，不同批量服务比较尤其能体现工具调用的价值。

网页报价会分摊准备工作和打印平台时间，并应用数量折扣。

意味着比较10件与100件，大概率分别调用引擎，而不能让语言模型拿单件价直接相乘。

图7｜官网展示的打印平台与重复小件图案。

设计人员可以在同一文件版本上固定材料和工艺，改变数量，理论上可以快速比较估价与生产时间。

或者固定数量，比较满足要求的材料方案。

每次只改变明确的条件，并保存对应结果，聊天记录有机会变成可追溯的设计决策记录。

这些功能如果真的比较丝滑无误的话，还是很实用的，对于用户和制造商来说都很有价值。

图8｜固定模型、材料和工艺，分别估算10件与100件，才能比较数量变化。

3Descu尚未公布MCP接入后的转化率或工时对照，实际效果仍应看有效询价比例、人工补问次数及确认价的修改情况。

工程确认仍决定报价能否落地。

打印方向、支撑和后处理会影响成本与零件表现，但它们并不在公开报价工具的输入字段中，仍由工程师审核确定。

最终订单流程会要求工程师复核，其声称确认价可能高于或低于即时估价。

即使AI把询价组织得很顺畅，客户仍需接受确认报价、付款，之后才进入生产。

这后面的部分还是得依赖人工。

当制造能力开始面向AI提供接口

从询价走到交易，还需要接上什么？

另一家公开MCP接口的3D打印服务商Slant3D，我们过去文章也分享过这家，在官方博客中描述了更长的调用路径：

模型报价、选择数量、按地址计算运费和装箱，最后交付支付链接，付款后进入打印农场履约。

图9｜Slant3D官方博客标题：AI助手可以从打印农场订购实物。

与之相比，3Descu公开的四个工具集中在能力、材料、结构分析和估价，订单通过链接转入网页。

沿着现有AI能力向前推演，可以把CAD修改、几何结构测量分析、报价和工程验证衔接起来。

未来我们认为更关键的是需要由AI维护【文件版本—测量结果—报价参数】的对应关系。

图10｜由AI应用关联文件版本、测量和报价，是继续衔接CAD的一种方向。

跨工厂比选采购还要更远一些。

MCP能统一调用方式，却不会自动统一材料牌号、公差、表面要求和验收标准。

AI要比较的是满足同一需求的交付方案，缺失字段需要补，不能直接视为满足条件。

未来接口的竞争，可能由能否返回价格延伸到能否把能力、限制和承诺表达清楚。

对服务商而言，材料名称与编号的对应、必填字段的校验、定制需求的转人工路径，会成为接口维护的日常工作。

制造能力需要写得让人理解，也需要表达得让AI能够正确识别和调用。

这个案例的意义，正在于把工厂从一个需要人去操作的网站，变成设计对话中可以调用的服务。

接下来值得观察的，是这种AI连接能否持续产生条件清楚、工程上可执行的订单。

如果AI给的报价信息目前是垃圾进垃圾出，那么服务商广大的报价工程师仍然还可以安心工作几年。

也可能只是一两年。