Token导航 LogoToken导航TokenDH.com
Min Sc logo
运维云端stdio官方级别未说明来源级核验

Min Sc

MCP Server

MinSC是一个为AI Agent设计的实时策略游戏训练环境,提供基本的星际争霸游戏功能,包括地图系统、单位系统、建筑系统和资源管理。

工具数

0

提示词数

0

GitHub Stars

0

资源数

0
Python云端部署Docker

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

LQR86

提供方

LQR86

最后核验

2026/5/17 20:22

运行时

Python

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

命令预览

python launcher.py

详细介绍

MinSC - Minimal StarCraft for MCP

MinSC是一个为Model Context Protocol (MCP)设计的最小化星际争霸游戏环境,用于AI Agent的实时策略游戏训练和测试。

🎮 当前功能

核心游戏系统

  • 地图系统: 1024x768像素地图,随机分布的8个资源点
  • 单位系统: 工人单位,支持移动、选择、资源采集
  • 建筑系统: 指挥中心,支持工人生产和资源存储
  • 游戏循环: 60FPS实时渲染,事件驱动的游戏逻辑

交互控制

  • 单位选择: 左键点击单位,拖拽框选多个,Shift+点击多选
  • 单位指令: 右键空地=移动,右键资源点=采集,右键建筑=交互
  • 建筑操作: 选择指挥中心后按W键=生产工人,S键=停止生产
  • 游戏控制: Space键=暂停/继续,ESC键=退出游戏

游戏机制

  • 双方对战: 蓝色玩家1 vs 红色玩家2(当前可手动控制双方)
  • 资源采集: 工人采集绿色资源点,携带量10/10满载后需返回
  • 资源管理: 指挥中心存储资源(容量500),支持工人卸载
  • 单位生产: 指挥中心生产工人(耗时3秒,队列最大5个)
  • 视觉反馈: 选择框、路径线、血条、进度条、携带指示器

🚀 快速开始

环境要求

  • Python 3.13+
  • Windows/Linux/macOS

安装运行

# 进入MinSC目录
cd MinSC

# 启动游戏(推荐,跨平台)
python launcher.py

# 或者手动激活虚拟环境
venv/Scripts/activate  # Windows
# 或 source venv/bin/activate  # Linux/macOS
python src/main.py

🎯 游戏测试指南

游戏界面说明

视觉元素识别

  • 绿色圆圈 = 资源点(矿物),大小表示资源剩余量
  • 小方块单位

- 浅蓝色方块 = 玩家1的工人单位 - 浅红色方块 = 玩家2的工人单位

  • 大方块建筑

- 深蓝色大方块 = 玩家1的指挥中心(左上角) - 深红色大方块 = 玩家2的指挥中心(右下角)

  • 选择状态

- 黄色边框 = 已选中的单位/建筑 - 白色线条 = 单位移动路径

  • 状态指示器

- 单位上方绿色条 = 血条 - 单位右上角小圆点 = 资源携带指示(黄/橙/红色) - 建筑下方黄色条 = 生产进度条

基础操作测试

  1. 识别游戏元素

- 找到地图上的绿色圆圈(资源点) - 识别蓝色工人(左上角附近)和红色工人(右下角附近) - 定位两个指挥中心:蓝色(左上)和红色(右下)

  1. 单位选择

- 左键点击蓝色工人单位,观察黄色选择框出现 - 拖拽框选多个单位(从空地拖到包围单位) - Shift+点击添加单位到选择(可选择敌我双方单位)

  1. 移动控制

- 选择蓝色工人后右键点击空地,观察单位移动 - 观察白色移动路径线和圆形目标点 - 测试移动到地图不同区域

  1. 资源采集

- 选择蓝色工人右键点击绿色资源点(圆圈) - 观察工人移动到资源点并开始采集动作 - 注意工人右上角出现的小圆点(资源携带指示器) - 观察资源点大小随采集而缩小

  1. 资源卸载

- 工人携带资源后(右上角有圆点)右键点击蓝色指挥中心 - 观察工人移动到指挥中心并卸载资源 - 资源携带指示器消失

  1. 单位生产

- 左键选择蓝色指挥中心(大方块),出现黄色选择框 - 按W键开始生产工人 - 观察建筑下方出现黄色生产进度条 - 等待3秒后新的蓝色工人在指挥中心附近生成

高级测试场景

  1. 完整资源循环

- 蓝色工人:采集→卸载→再采集的完整经济循环 - 观察指挥中心资源存储变化

  1. 多单位协作

- 框选多个蓝色工人 - 右键不同的绿色资源点,观察工人分散采集

  1. 生产队列管理

- 选择蓝色指挥中心连续按W键建立生产队列(最多5个) - 按S键取消生产队列

  1. 敌我单位对比

- 分别选择蓝色和红色工人,观察颜色区别 - 测试红色工人的移动和采集(同样的操作) - 注意:当前版本没有战斗系统,敌我单位可和平共处

📊 游戏状态

当前实现 ✅

  • [x] 游戏引擎 (Pygame 60FPS)
  • [x] 地图和资源系统
  • [x] 单位系统 (工人)
  • [x] 建筑系统 (指挥中心)
  • [x] 基础RTS控制
  • [x] 资源采集和管理
  • [x] 单位生产

待实现 🚧

  • [ ] MCP三层决策API
  • [ ] 战斗单位 (战士)
  • [ ] 更多建筑类型
  • [ ] AI对战系统
  • [ ] 网络多人游戏

🔧 架构设计

目录结构

MinSC/
├── src/
│   ├── engine/          # 游戏引擎
│   │   ├── game.py      # 主游戏循环
│   │   └── map.py       # 地图系统
│   ├── units/           # 单位系统
│   │   ├── unit.py      # 基础单位类
│   │   └── worker.py    # 工人单位
│   ├── buildings/       # 建筑系统
│   │   ├── building.py  # 基础建筑类
│   │   └── command_center.py # 指挥中心
│   └── main.py          # 程序入口
├── venv/                # Python虚拟环境
├── launcher.py          # 跨平台启动器
└── README.md

核心类关系

  • Game: 主游戏循环,事件处理
  • Map: 地图管理,资源点生成
  • Unit: 基础单位类,移动和选择
  • Worker: 工人单位,资源采集能力
  • Building: 基础建筑类,生产和状态管理
  • CommandCenter: 指挥中心,工人生产和资源存储

🎯 下一步开发

  1. MCP接口设计 - 三层决策API架构
  2. AI Agent集成 - 支持外部AI控制
  3. JVS框架集成 - 七步PDCA验证环境
  4. 性能优化 - 支持大规模单位和建筑

MinSC项目是JVS框架生态的重要组成部分,为AI Agent提供了一个标准化的RTS游戏测试环境。

许可证

MIT License

目录标签

目录标签

Python云端部署DockerAI训练本地部署实时策略游戏环境星际争霸资源管理

接入字段

传输方式(transport,传输协议)

stdio

鉴权方式(authType,认证方式)

none

运行时(runtime,运行环境)

Python

工具数量(toolCount,工具数)

0

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

stdionone部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

来源信息

继续浏览同类 MCP