دليل ربط Codex بـ Rhino MCP: إنشاء نماذج تلقائيًا بالذكاء الاصطناعي في 3 خطوات

ملاحظة الكاتب: تعرّف إلى طريقة نشر Rhino MCP Server من الصفر، وإعداد واجهة APIYI في Codex، وتشغيل أول أمر للنمذجة باللغة الطبيعية في 3 خطوات، مع مقارنة أداء GPT Codex ونماذج Claude في النمذجة.

إن إنشاء نموذج تلقائيًا في Rhino باستخدام جملة واحدة مطلبٌ لدى كثير من مصممي 3D ومهندسي النمذجة البارامترية. ولا تكمن الصعوبة في Rhino، بل في طريقة الربط بين نموذج اللغة الكبير وبروتوكول MCP والعميل. يشرح هذا المقال طريقة التكامل الكاملة بين Codex وRhino MCP وواجهة APIYI، ويساعدك على تعلّم الخطوات العملية لربط Codex بـRhino MCP.

هذا ليس مقالًا نظريًا، بل دليل عملي مرتب وفق تسلسل «نشر MCP Server ← إعداد واجهة Codex ← تشغيل أول أمر». ومن خلال دعمنا للمستخدمين، لاحظنا أنهم يتعثرون عادةً في ثلاثة مواضع: إعداد البيئة من الصفر، وربط Codex بواجهة API تابعة لجهة خارجية، وتحديد النموذج الأفضل في النمذجة. في هذا المقال، سنجيب عن كل سؤال منها.

الفائدة الأساسية: بعد قراءة هذا المقال، ستتمكن من استخدام اللغة الطبيعية على جهازك لإنشاء أشكال هندسية في Rhino، وستعرف كيف تقارن أداء النمذجة بين النماذج المختلفة بطريقة منهجية.

النقاط الأساسية لربط Codex بـ Rhino MCP

قبل البدء، تعرّف إلى مكوّنات سلسلة الربط كاملة، واعرف الجهة المسؤولة عن كل مكوّن. فكثيرًا ما يحدث فشل في الربط لأن استكشاف الأخطاء يخلط بين «مشكلة واجهة النموذج» و«مشكلة خادم MCP».

شرح آلية عمل Rhino MCP بالتفصيل

بروتوكول MCP (Model Context Protocol) هو بروتوكول يتيح لعملاء الذكاء الاصطناعي استدعاء الأدوات الخارجية بطريقة موحّدة. يسجّل خادم Rhino MCP إمكانات مثل «إنشاء مكعّب» و«الحصول على عناصر المستند الحالي» و«تنفيذ نص Python» على هيئة مجموعة من الأدوات. وعند بدء التشغيل، يقرأ Codex أسماء هذه الأدوات وأوصافها وبنية مَعلماتها، ثم يرسلها إلى نموذج اللغة الكبير.

عندما تكتب: «ارسم مكعّبًا بأبعاد 100×50×20 عند نقطة الأصل»، لا يتعامل النموذج مباشرةً مع Rhino، بل يعيد طلبًا منظّمًا لاستدعاء إحدى الأدوات. يمرّر Codex هذا الطلب إلى خادم MCP، الذي يرسل بدوره إشعارًا عبر اتصال محلي إلى إضافة Rhino لتنفيذه، ثم تعود النتيجة إلى النموذج عبر المسار نفسه. لذلك، تعتمد جودة النمذجة أساسًا على قدرة النموذج على استدعاء الأدوات والتخطيط للمهام متعددة الخطوات، وهذان أهم معيارين ينبغي التركيز عليهما عند اختيار النموذج.

إعداد بيئة Rhino MCP للاتصال بـ Codex

قبل البدء، تأكّد من استيفاء جهازك للمتطلبات التالية. مشروع Rhino MCP مفتوح المصدر، وقد تختلف خطوات التثبيت قليلًا من إصدار إلى آخر؛ لذا يُرجى الرجوع إلى ملف README الخاص بالمشروع.

إذا كانت بيئة الشبكة لديك لا تتيح الوصول المستقر إلى الواجهات الرسمية الخارجية، فننصحك بالبدء بحل مشكلة واجهة النموذج. يعمل كلٌّ من خادم MCP وRhino على جهازك، والشيء الوحيد الذي يحتاج إلى اتصال بالإنترنت هو طلبات استدلال النموذج.

دليل سريع لربط Codex بـ Rhino MCP: إنشاء النماذج تلقائيًا بالذكاء الاصطناعي في 3 خطوات

الخطوة الأولى: إعداد Rhino MCP Server

لنأخذ مشروع rhinomcp مفتوح المصدر من المجتمع مثالًا. يتكوّن الإعداد من جزأين: إضافة Rhino وMCP Server:

1. افتح مدير الحزم في Rhino، وابحث عن rhinomcp وثبّت الإضافة، ثم أعد تشغيل Rhino.
2. أدخل أمر التشغيل الذي توفّره الإضافة في سطر أوامر Rhino (وهو mcpstart في هذا المشروع)، لتبدأ الإضافة الاستماع إلى الاتصالات المحلية.
3. نفّذ الأمر uvx rhinomcp في الطرفية، وتأكد من بدء تشغيل MCP Server بشكل صحيح دون أخطاء.

ابتداءً من الخطوة الثانية، سيشغّل Codex خادم MCP تلقائيًا؛ لذا يقتصر التشغيل اليدوي هنا على التحقق من جاهزية البيئة. إذا أظهرت uvx رسالة تفيد بتعذّر العثور على الأمر، فعادةً ما يكون السبب أن uv غير مضاف إلى متغير PATH في النظام. أعد فتح الطرفية أو اتبع تعليمات uv الرسمية لضبطه.

الخطوة 2: إعداد واجهة APIYI في Codex

يوجد ملف إعدادات Codex في مجلد المستخدم: ~/.codex/config.toml. سنُنجز فيه أمرين: تعريف موفّر نموذج مخصّص، وتسجيل خادم Rhino MCP.

# ~/.codex/config.toml
model = "gpt-5-codex"          # 以 APIYI 控制台中实际可用的模型名为准
model_provider = "apiyi"

[model_providers.apiyi]
name = "APIYI"
base_url = "https://api.apiyi.com/v1"   # APIYI OpenAI 兼容接口
env_key = "APIYI_API_KEY"               # 从环境变量读取 Key
wire_api = "responses"                  # 若使用 Chat Completions 协议则改为 "chat"

[mcp_servers.rhino]
command = "uvx"
args = ["rhinomcp"]

بعد ذلك، اضبط متغير البيئة في الطرفية. ويمكن لمستخدمي Windows إضافته ضمن متغيرات بيئة النظام:

export APIYI_API_KEY="sk-你的密钥"

يجب أن تتوافق قيمة wire_api مع البروتوكول الذي يدعمه النموذج المختار. إذا ظهرت أخطاء متعلقة بالبروتوكول بعد الإعداد، فجرّب القيمة الأخرى. وارجع إلى توثيق APIYI للاطلاع على التعليمات الخاصة باستخدام Codex.

الخطوة 3: تنفيذ أول أمر نمذجة باللغة الطبيعية

أبقِ Rhino مفتوحًا والإضافة في وضع الاستماع، ثم اكتب codex في الطرفية لبدء تشغيل العميل. يمكنك أن تسأل أولًا: «ما أدوات Rhino المتاحة لديك الآن؟». إذا استطاع النموذج عرض الأدوات المرتبطة بالنمذجة، فهذا يعني أن MCP قد تم تحميله بنجاح.

يُفضّل البدء بأوامر بسيطة، ثم زيادة تعقيد المهام تدريجيًا، فهذا يسهل تحديد سبب المشكلة عند حدوثها:

في المهام المعقدة، يختار النموذج عادةً استدعاء أداة مثل «تنفيذ سكربت Python» لإنشاء شيفرة RhinoScript تنفذ عملية النمذجة دفعة واحدة. عندها تعتمد نسبة النجاح مباشرةً على قدرة النموذج على إنشاء الشيفرة.

مثال مبسّط: التحقق باستخدام Python من قدرة النموذج على استدعاء الأدوات

قبل ربط Codex، يمكنك تشغيل سكربت للتأكد من أن النموذج قادر على إرجاع معاملات استدعاء صحيحة لأداة النمذجة. تساعد هذه الخطوة على استبعاد مشكلة «تعذّر الوصول إلى واجهة النموذج» بسرعة:

import openai, json

client = openai.OpenAI(api_key="YOUR_API_KEY", base_url="https://api.apiyi.com/v1")

tools = [{"type": "function", "function": {
    "name": "create_box",
    "description": "在 Rhino 中创建立方体",
    "parameters": {"type": "object", "properties": {
        "origin": {"type": "array", "items": {"type": "number"}},
        "size": {"type": "array", "items": {"type": "number"}}},
        "required": ["origin", "size"]}}}]

resp = client.chat.completions.create(
    model="gpt-5-codex",  # اعتمد اسم النموذج الفعلي الظاهر في لوحة التحكم
    messages=[{"role": "user", "content": "在原点画一个 100x50x20 的立方体"}],
    tools=tools)
call = resp.choices[0].message.tool_calls[0]
print(call.function.name, json.loads(call.function.arguments))

import openai
import json
from typing import List, Dict

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # 同一个 Key 可调用 GPT 与 Claude 系列
)

# 待测试的模型，请替换为控制台中实际可用的模型名
MODELS = ["gpt-5-codex", "claude-sonnet-4-5"]

TOOLS = [
    {"type": "function", "function": {
        "name": "create_box",
        "description": "创建立方体，origin 为角点坐标，size 为长宽高",
        "parameters": {"type": "object", "properties": {
            "origin": {"type": "array", "items": {"type": "number"}},
            "size": {"type": "array", "items": {"type": "number"}}},
            "required": ["origin", "size"]}}},
    {"type": "function", "function": {
        "name": "create_cylinder",
        "description": "创建圆柱，base 为底面圆心，radius 为半径，height 为高度",
        "parameters": {"type": "object", "properties": {
            "base": {"type": "array", "items": {"type": "number"}},
            "radius": {"type": "number"},
            "height": {"type": "number"}},
            "required": ["base", "radius", "height"]}}},
]

PROMPT = "画一张 1200x600x30 的桌面，桌面底部在 z=720，四角各加一条直径 40、高 720 的桌腿"


def run_test(model: str) -> List[Dict]:
    """返回模型规划出的全部工具调用"""
    try:
        resp = client.chat.completions.create(
            model=model,
            messages=[
                {"role": "system", "content": "你是 Rhino 建模助手，请一次性规划所有工具调用。"},
                {"role": "user", "content": PROMPT},
            ],
            tools=TOOLS,
        )
        calls = resp.choices[0].message.tool_calls or []
        return [{"name": c.function.name,
                 "args": json.loads(c.function.arguments)} for c in calls]
    except Exception as e:
        return [{"error": str(e)}]


if __name__ == "__main__":
    for m in MODELS:
        result = run_test(m)
        print(f"\n===== {m}：共 {len(result)} 个调用 =====")
        for item in result:
            print(item)
        # 期望：1 个 create_box + 4 个 create_cylinder，且桌腿位于四个角

🚀 البدء السريع: نوصي بالحصول أولًا على رصيد مجاني للاختبار مخصص للمستخدمين الجدد عبر APIYI على apiyi.com. استخدم السكربت أعلاه للتحقق من عمل استدعاء الأدوات في النموذج، ثم اربطه بـ Codex وRhino. بهذه الطريقة، إذا ظهرت مشكلة، ستتمكن من تحديد ما إذا كان سببها واجهة النموذج أم بيئة MCP المحلية.

كيفية اختيار النموذج عند ربط Codex بـ Rhino MCP

تتمحور متطلبات النماذج المستخدمة في النمذجة التلقائية بالذكاء الاصطناعي حول ثلاث نقاط: توليد الشيفرات، واستدعاء الأدوات، والتخطيط للمهام المعقدة. واستنادًا إلى خبرتنا في الدعم، نوصي بالبدء باختبار سلسلة GPT Codex وسلسلتي Claude Sonnet وOpus. يوضح الجدول أدناه مقارنة وصفية؛ أما الأداء الفعلي، فاحكم عليه بناءً على اختبار النموذج بمهامك الخاصة في النمذجة.

مقارنة GPT Codex: تعمل سلسلة GPT Codex بانسجام كبير مع عميل Codex، كما أن إعدادها بسيط، وأسلوبها ثابت عند إنشاء سكربتات RhinoScript Python. لكن أداءها قد يتفاوت بحسب صياغة الموجه في المهام التي تتطلب قراءة المشهد على جولات متعددة ثم اتخاذ قرارات لتعديله. وهي نقطة بداية موثوقة للنمذجة البارامترية التي تعتمد أساسًا على إنشاء السكربتات.

مقارنة سلسلة Claude: تحظى Claude Sonnet وOpus بسمعة جيدة في دقة معاملات استدعاء الأدوات والتخطيط لسلاسل المهام الطويلة. وإذا كنت تفضّل Claude، يمكنك أيضًا استخدام Claude Code وتحميل خادم Rhino MCP نفسه ليكون عميلًا بديلًا. أما استدعاء Claude داخل Codex عبر واجهة متوافقة مع OpenAI، فيسهّل المقارنة بين النماذج ضمن بيئة واحدة.

💡 نصيحة للاختيار: يرتبط أداء النموذج ارتباطًا وثيقًا بنوع مهام النمذجة لديك، ولا يوجد خيار أفضل على نحو مطلق. ننصحك باختبار GPT Codex وسلسلة Claude باستخدام المفتاح نفسه عبر APIYI على apiyi.com، وتشغيل السكربت المقارن المذكور سابقًا على الأوامر نفسها، ثم اتخاذ قرارك بناءً على معدل النجاح والتكلفة.

استكشاف الأخطاء الشائعة عند ربط Codex بـ Rhino MCP

يمكن عادةً استكشاف معظم الأخطاء التي تظهر أثناء الربط بالتدرّج، بدءًا من واجهة النموذج، ثم إعدادات Codex، ثم خادم MCP، وأخيرًا إضافة Rhino.

الأسئلة الشائعة

أبرز النقاط حول ربط Codex بـ Rhino MCP

• مكوّنات المنظومة: لا غنى عن أي من المكوّنات الأربعة: إضافة Rhino، وخادم MCP، وعميل Codex، وواجهة API للنموذج اللغوي الكبير.
• النشر المحلي: يعمل خادم Rhino MCP وCodex على الجهاز المحلي، ولا يلزم الاتصال بالإنترنت إلا لاستدلال النموذج.
• الإعدادات الأساسية: يجب تعريف موفّر النموذج وmcp_servers معًا في ملف config.toml.
• التدرّج في التجربة: ابدأ بإنشاء مكعّب واحد، ثم انتقل تدريجيًا إلى التخطيط متعدد الخطوات وإنشاء البرامج النصية.
• اختيار النموذج: يُفضّل اختبار نماذج GPT Codex ونماذج Claude Sonnet/Opus أولًا.
• طريقة البدء: يكفي استخدام مفتاح واحد من APIYI لمقارنة نماذج متعددة ضمن البيئة نفسها.

الخلاصة

أهم النقاط لربط Codex بـ Rhino MCP:

1. الخطوة الأولى: نشر خادم MCP: ثبّت إضافة Rhino وابدأ تشغيلها للاستماع، ثم تحقّق من الخدمة باستخدام uvx rhinomcp.
2. الخطوة الثانية: إعداد واجهة النموذج: أضف موفّرًا مخصصًا وسجّل Rhino MCP في ملف إعدادات Codex.
3. الخطوة الثالثة: اختبار أوامر النمذجة: ابدأ بأوامر بسيطة، ثم تحقّق تدريجيًا من قدرة النموذج على استدعاء الأدوات والتخطيط.

بعد تشغيل المنظومة كاملة، يعتمد أداء النمذجة أساسًا على اختيار النموذج وصياغة الأوامر. ننصحك باستخدام نص المقارنة الوارد في هذه المقالة لاختبار مهام النمذجة التي تنفّذها عادةً.

للتجربة السريعة، ننصح باستخدام APIYI عبر apiyi.com. توفّر المنصة واجهة متوافقة مع OpenAI، ورصيدًا مجانيًا للاختبار، وإمكانية الوصول إلى نماذج متعددة من مكان واحد، ما يسهّل التبديل بين نماذج GPT وClaude في Codex.

📚 مراجع

1. مشروع rhinomcp مفتوح المصدر: إضافة Rhino MCP وتنفيذ الخادم
2. الرابط: github.com/jingcheng-chen/rhinomcp

3. الوصف: يتضمن خطوات التثبيت، وقائمة الأدوات المتاحة، ومعلومات التوافق بين الإصدارات.

4. مستودع مشروع OpenAI Codex: شرح تثبيت Codex CLI وإعداده

5. الرابط: github.com/openai/codex

6. الوصف: مرجع موثوق لإعدادات مزوّد النموذج وخادم MCP في config.toml.

7. الوثائق الرسمية لبروتوكول Model Context Protocol: مواصفات بروتوكول MCP

8. الرابط: modelcontextprotocol.io
9. الوصف: مرجع أساسي لفهم آلية تسجيل الأدوات واستدعائها وإرجاع النتائج.

الكاتب: فريق APIYI التقني
للتواصل التقني: يسعدنا تواصلكم معنا عبر الصفحة الرئيسية لموقع APIYI الرسمي. ويمكنكم الاطلاع على تعليمات الإعداد لحالات استخدام Codex وClaude Code وغيرها في مركز الوثائق على docs.apiyi.com

مقالات ذات صلة

• دليل خطوة بخطوة: اربط جميع الوكلاء بمفتاح واحد عبر بوابة API موحّدة باستخدام Magpie مفتوح المصدر (مع Claude Code وCodex وPi وHermes أمثلةً): دليل عملي خطوة بخطوة: في نحو 30 دقيقة، اجعل جميع وكلاء البرمجة على جهازك (مثل Claude Code وCodex وPi وHermes) يستخدمون مفتاح API واحدًا وعنوان بوابة واحدًا، مع لقطات شاشة لواجهة magpie، وخطوات الربط، ومقارنة بالإعدادات الأصلية، وجدول لاستكشاف الأخطاء وإصلاحها.