هوش مصنوعی Claude Code در کنار یک بازی ساز در حال توسعه یک بازی با موتور Unity

ساخت بازی با هوش مصنوعی Claude در Unity؛ آموزش نصب و استفاده از Claude Code در ویندوز

مهدی-یدی

0 دیدگاه

ثبت: یکشنبه 15 شهریور 1405

بروزرسانی: یکشنبه 15 شهریور 1405

ساخت بازی با هوش مصنوعی Claude در Unity؛ آموزش نصب و استفاده از Claude Code در ویندوز

از نصب Claude Code تا اتصال مستقیم هوش مصنوعی به پروژه Unity با استفاده از MCP

آیا واقعاً می‌توان با Claude یک بازی Unity ساخت؟

هوش مصنوعی در سال‌های اخیر از یک ابزار ساده برای پاسخ‌دادن به سؤالات برنامه‌نویسی، به یک AI Coding Agent تبدیل شده است؛ ابزاری که می‌تواند ساختار یک پروژه را بررسی کند، فایل‌های مختلف را بخواند، کد ایجاد یا اصلاح کند، خطاها را تحلیل کند و در بعضی محیط‌ها مستقیماً با ابزارهای توسعه‌دهنده تعامل داشته باشد.

یکی از مهم‌ترین نمونه‌های این رویکرد، Claude Code از شرکت Anthropic است. Claude Code برای توسعه نرم‌افزار طراحی شده و برخلاف یک چت‌بات معمولی، می‌تواند در محیط پروژه کار کند، فایل‌ها را بررسی کند و عملیات توسعه را از طریق ابزارهای خط فرمان انجام دهد.

نکته جالب برای بازی‌سازها این است که در سال ۲۰۲۶، Unity نیز مسیر رسمی اتصال AI Agentها به Editor را از طریق Model Context Protocol یا MCP و Unity CLI توسعه داده است.

نکته مهم: در این آموزش تمرکز اصلی روی Claude Code + Unity + MCP است. Claude Desktop را می‌توان روی Windows نصب کرد، اما برای توسعه مستقیم پروژه و کار با ابزارهای برنامه‌نویسی، Claude Code انتخاب مناسب‌تری است.

Claude Desktop، Claude Code و Claude AI چه تفاوتی دارند؟

قبل از شروع نصب، باید سه مفهوم را از یکدیگر جدا کنیم.

ابزار	کاربرد اصلی	مناسب برای Unity
Claude Web	گفت‌وگو، تحقیق، تحلیل و تولید متن و کد	برای مشاوره و طراحی
Claude Desktop	اجرای Claude به‌صورت برنامه دسکتاپ	مناسب برای تعامل عمومی و امکانات Desktop
Claude Code	AI Agent برای توسعه نرم‌افزار	انتخاب اصلی این آموزش
Unity MCP	پل ارتباطی بین AI Agent و Unity Editor	بخش کلیدی اتصال Claude به Unity

Claude Desktop در حال حاضر برای Windows ارائه می‌شود و Claude Code نیز در نسخه‌های جدید به‌صورت Native روی Windows قابل اجراست.

بنابراین برای یک Workflow حرفه‌ای می‌توانیم چنین معماری داشته باشیم:

Developer
│
▼

Claude Code
│
│ MCP
▼
Unity CLI / Unity MCP
│
▼
Unity Editor
│
├── Scene
├── GameObjects
├── Components
├── C# Scripts
├── Tests
└── Build

پیش‌نیازهای آموزش

Windows 10 یا Windows 11
یک حساب Claude با دسترسی لازم به Claude Code
Unity Hub
یک نسخه پشتیبانی‌شده از Unity
Git for Windows
Unity CLI
یک پروژه Unity
دسترسی اینترنت برای نصب و احراز هویت

توجه: امکانات Claude Code در Claude Desktop به نوع اشتراک Claude بستگی دارد. طبق مستندات Anthropic، Claude Code در Desktop برای طرح‌های Pro، Max، Team و Enterprise ارائه شده است.

مرحله اول: نصب Git for Windows

اگر قصد دارید Claude Code را به‌صورت Native روی Windows اجرا کنید، نصب Git for Windows توصیه می‌شود؛ زیرا Claude Code می‌تواند از Git Bash برای اجرای ابزارهای خط فرمان استفاده کند.

Git را نصب کنید و تنظیمات پیش‌فرض Installer را تغییر ندهید؛ مگر اینکه نیاز خاصی داشته باشید.

پس از نصب، PowerShell را باز کنید و دستور زیر را اجرا کنید:

git --version

اگر نسخه Git نمایش داده شد، این مرحله با موفقیت انجام شده است.

مرحله دوم: نصب Claude Code روی Windows

Anthropic برای Windows یک نصب‌کننده Native ارائه می‌کند. در حال حاضر روش پیشنهادی، اجرای Installer رسمی از PowerShell است.

PowerShell را باز کنید. نیازی نیست آن را با Run as Administrator اجرا کنید.

irm https://claude.ai/install.ps1 | iex

Installer فایل‌های موردنیاز Claude Code را دریافت و نصب می‌کند. بعد از پایان نصب، PowerShell را ببندید و یک پنجره جدید باز کنید.

سپس نسخه نصب‌شده را بررسی کنید:

claude --version

اگر دستور claude شناخته نشد، ابتدا یک پنجره جدید PowerShell باز کنید. در صورت ادامه مشکل، PATH مربوط به %USERPROFILE%\.local\bin را بررسی کنید.

اگر بخواهیم با WinGet نصب کنیم

روش دیگری که برای Windows در دسترس است استفاده از WinGet است:

winget install Anthropic.ClaudeCode

برای به‌روزرسانی نسخه نصب‌شده:

winget upgrade Anthropic.ClaudeCode

تفاوت مهم این است که نصب Native رسمی Claude Code به‌صورت مستقل قابلیت به‌روزرسانی خودکار دارد، در حالی که نسخه نصب‌شده با WinGet از چرخه به‌روزرسانی WinGet استفاده می‌کند.

مرحله سوم: ورود به حساب Claude

اکنون وارد پوشه پروژه Unity شوید. فرض کنیم پروژه ما در مسیر زیر قرار دارد:

cd "D:\Projects\MyUnityGame"

سپس Claude Code را اجرا کنید:

claude

در اولین اجرا، Claude از شما می‌خواهد فرآیند ورود را انجام دهید. مرورگر باز می‌شود و بعد از ورود، دسترسی Claude Code به حساب شما برقرار خواهد شد.

پس از ورود، Claude Code را داخل همان پوشه‌ای اجرا کنید که پروژه Unity در آن قرار دارد.

اصل مهم: Claude Code را بهتر است در Root پروژه اجرا کنید، نه در یک پوشه تصادفی. در این حالت Agent می‌تواند ساختار پروژه را بهتر درک کند.

مرحله چهارم: Claude Code چگونه پروژه Unity را می‌بیند؟

بدون اتصال مستقیم به Unity، Claude Code همچنان می‌تواند بسیاری از فایل‌های پروژه را بررسی کند.

برای مثال می‌تواند فایل‌های C# موجود در پوشه Assets را بخواند، فایل‌های پروژه را بررسی کند و درباره ساختار کد پیشنهاد بدهد.

اما یک مشکل وجود دارد:

Claude Code به‌صورت عادی نمی‌تواند Editor Unity را مانند یک انسان مشاهده و کنترل کند.

اینجا MCP وارد می‌شود.

MCP چیست و چرا برای Unity مهم است؟

MCP مخفف Model Context Protocol است؛ یک استاندارد برای اینکه مدل‌های هوش مصنوعی بتوانند به ابزارها و منابع خارجی متصل شوند.

در این سناریو، Unity می‌تواند مجموعه‌ای از قابلیت‌ها را به‌عنوان Tool در اختیار AI Agent قرار دهد.

Claude Code
  │
  │ MCP
  ▼

Unity MCP Server
│
▼
Unity Editor
│
├── Scene
├── GameObjects
├── Components
├── Scripts
├── Editor commands
└── Tests

در نتیجه، AI دیگر فقط درباره Unity حرف نمی‌زند؛ بلکه می‌تواند در Workflow توسعه Unity به ابزارهای واقعی دسترسی داشته باشد.

Unity در سال ۲۰۲۶ قابلیت unity mcp را در Unity CLI معرفی کرده است. این MCP Server به AI Agentها اجازه می‌دهد با Unity Editor ارتباط برقرار کنند.

مرحله پنجم: نصب Unity CLI

Unity در سال ۲۰۲۶ یک CLI جدید برای مدیریت Editor، پروژه، Build، تست و AI Agent integration ارائه کرده است.

در Windows می‌توان Unity CLI را از طریق WinGet نصب کرد:

winget install Unity.CLI

بعد از نصب، بررسی کنید که دستور Unity در دسترس است:

unity --version

در صورت وجود نسخه جدیدتر، می‌توان آن را با دستور زیر به‌روزرسانی کرد:

winget upgrade Unity.CLI

مرحله ششم: آماده‌سازی پروژه Unity

اکنون پروژه Unity خود را با Unity Hub باز کنید.

اجازه دهید Unity Editor کاملاً اجرا شود و پروژه بدون خطای Compile باز شود.

سپس PowerShell یا Terminal را در Root پروژه باز کنید:

cd "D:\Projects\MyUnityGame"

توصیه می‌شود ابتدا وضعیت Unity را بررسی کنید:

unity status

اگر پروژه و Editor به‌درستی شناسایی شوند، آماده اتصال MCP هستیم.

مرحله هفتم: اتصال Unity به Claude Code با MCP

Unity CLI قابلیت پیکربندی MCP برای AI Clientهای مختلف را دارد. یکی از Clientهای پشتیبانی‌شده، Claude Code است.

در محیط پروژه، دستور پیکربندی را اجرا کنید:

unity mcp configure claude-code

Unity تنظیمات لازم را در محل Configuration مربوط به Client قرار می‌دهد.

یکی از مزیت‌های این روش این است که لازم نیست فایل تنظیمات MCP را به‌صورت دستی از صفر بسازید.

Unity CLI در نسخه‌های جدید قادر است Configuration مربوط به Clientهایی مانند Claude و Claude Code را به‌صورت خودکار تنظیم کند.

مرحله هشتم: بررسی اتصال MCP

پس از انجام Configuration، Claude Code را دوباره اجرا کنید:

claude

اکنون باید ابزارهای Unity در Context مربوط به Claude Code قابل مشاهده باشند.

برای تست، به‌جای اینکه فوراً از Claude بخواهید یک بازی کامل بسازد، یک درخواست ساده بدهید:

Inspect the current Unity project and tell me which Unity Editor tools are available through MCP. Do not modify anything.

این Prompt عمداً فقط برای بررسی است. در مرحله اول بهتر است اجازه ندهیم Agent هیچ تغییری ایجاد کند.

اولین آزمایش واقعی با Claude Code و Unity

فرض کنیم یک پروژه سه‌بعدی خالی داریم. می‌توانیم از Claude بخواهیم ساختار پروژه را بررسی کند:

Analyze this Unity project. Do not modify any files. Identify: 1. Unity version 2. Render Pipeline 3. Existing scenes 4. Existing scripts 5. Packages 6. Input system 7. Potential architectural problems Return the findings as a concise technical report.

این نوع Prompt بسیار بهتر از جمله‌ای مانند «برای من یک بازی بساز» است.

دلیل آن این است که ابتدا Context پروژه را در اختیار Agent قرار می‌دهیم و سپس بر اساس همان Context تصمیم می‌گیریم.

چگونه از Claude برای برنامه‌نویسی Unity استفاده کنیم؟

یکی از بهترین کاربردهای Claude Code، توسعه سیستم‌های C# است.

برای مثال می‌توانیم بگوییم:

Create a production-ready third-person player controller for this Unity project. Requirements: - Use the existing Input System. - Do not introduce unnecessary packages. - Separate movement, camera and input responsibilities. - Support walking, running and jumping. - Use clean C# architecture. - Add XML documentation to public APIs. - Do not modify unrelated files. First inspect the existing project structure. Then propose the implementation plan. Wait for approval before making major changes.

نکته مهم در این Prompt عبارت: First inspect the existing project structure است.

ما نمی‌خواهیم Agent بدون اطلاع از معماری پروژه شروع به تولید ده‌ها فایل کند.

Workflow حرفه‌ای: Plan → Implement → Test → Fix

برای پروژه‌های واقعی بهتر است Claude را در یک چرخه کنترل‌شده استفاده کنیم.

Plan: ابتدا پروژه را بررسی و برنامه‌ریزی کند.
Implement: تغییرات را اعمال کند.
Test: کد و پروژه را تست کند.
Fix: خطاهای پیدا شده را اصلاح کند.
Review: تغییرات نهایی بررسی شوند.

یک Prompt مناسب برای این Workflow:

Work on this task using the following workflow: 1. Inspect the existing project. 2. Explain the current architecture. 3. Create an implementation plan. 4. Do not modify unrelated files. 5. Implement the required changes. 6. Run the relevant tests or validation steps. 7. Inspect Unity compilation errors. 8. Fix errors caused by your changes. 9. Summarize every modified file.

یکی از قدرتمندترین کاربردها: رفع خطاهای Unity

فرض کنید Unity خطای Compile تولید کرده است. به جای Copy/Paste کردن تمام فایل‌ها داخل یک Chat، می‌توانیم از Claude Code بخواهیم پروژه را بررسی کند.

Investigate the current Unity compilation errors. Requirements: - Identify the root cause. - Inspect related scripts and dependencies. - Do not make speculative changes. - Explain why the error occurs. - Propose the smallest safe fix. - Apply the fix only after validating the affected files.

اینجا تفاوت بین یک Chatbot و یک Coding Agent مشخص می‌شود. Agent می‌تواند Context بیشتری از پروژه را بررسی کند و صرفاً بر اساس یک قطعه کد ناقص تصمیم نگیرد.

استفاده از Claude برای ساخت سیستم‌های Gameplay

می‌توان از Claude برای پیاده‌سازی سیستم‌هایی مانند موارد زیر استفاده کرد:

Player Controller
Enemy AI
Inventory
Quest System
Dialogue System
Save/Load System
Health System
Weapon System
Character State Machine
Object Pooling
UI Architecture
Audio Manager
Game Save System
Settings System

اما یک نکته مهم وجود دارد: Claude نباید جایگزین معماری مهندسی شود.

اگر پروژه از ابتدا ساختار مناسبی نداشته باشد، سرعت بالاتر تولید کد می‌تواند حتی باعث سریع‌تر شدن تولید Technical Debt شود.

Claude را برای ساخت کل بازی رها نکنید

یکی از اشتباهات رایج این است که به AI بگوییم:

Build GTA 6 in Unity.

چنین دستوری از نظر مهندسی پروژه مفید نیست.

پروژه بازی باید به Featureهای کوچک‌تر تقسیم شود.

برای مثال:

Game

├── Core
├── Input
├── Characters
│ ├── Player
│ └── Enemy
├── Combat
├── Inventory
├── Quest
├── UI
├── Audio
├── SaveSystem
├── World
└── Editor

سپس هر بخش به یک مجموعه Task کوچک تبدیل می‌شود.

مثال واقعی: ساخت یک سیستم Inventory

به جای درخواست کلی، می‌توانیم کار را مرحله‌بندی کنیم.

We need to implement an inventory system. Phase 1: Analyze the existing project architecture. Phase 2: Design the inventory domain model. Phase 3: Implement the core C# classes. Phase 4: Add Unity integration. Phase 5: Add UI integration. Phase 6: Add save/load support. Phase 7: Add tests. Do not implement all phases at once. Start with Phase 1 only.

این روش باعث می‌شود کنترل پروژه دست توسعه‌دهنده باقی بماند.

استفاده از Git در کنار Claude Code

استفاده از Git در پروژه‌ای که یک AI Agent روی آن کار می‌کند، تقریباً ضروری است.

قبل از یک تغییر بزرگ، وضعیت Repository را بررسی کنید:

git status

سپس تغییرات Claude را بررسی کنید:

git diff

اگر تغییرات صحیح بودند، Commit کنید:

git add .

git commit -m "Implement inventory system"

هیچ‌وقت صرفاً به این دلیل که Claude گفته «کار تمام شد»، تغییرات را بدون Review و Test وارد Branch اصلی نکنید.

ساخت تست برای کدهای Unity با کمک Claude

Claude فقط برای تولید Gameplay Code نیست. می‌توان از آن برای ایجاد Test نیز استفاده کرد.

Review the Inventory system. Create Unity tests for: - Adding an item - Removing an item - Maximum capacity - Invalid item input - Saving inventory state - Loading inventory state Do not change production code unless a test reveals a real design problem.

این روش باعث می‌شود AI از یک Code Generator به یک Development Assistant نزدیک‌تر شود.

ساخت Build با کمک Unity CLI

Unity CLI فقط برای MCP نیست. این ابزار قابلیت‌های مربوط به مدیریت پروژه، تست و Build را نیز فراهم می‌کند.

برای مثال در نسخه‌های جدید CLI می‌توان Build ویندوز را از خط فرمان انجام داد:

unity build \

--target StandaloneWindows64
--output-path Build/MyGame.exe

این قابلیت در کنار Claude Code اهمیت زیادی دارد؛ زیرا Agent می‌تواند یک چرخه توسعه قابل تکرار ایجاد کند:

Modify Code
 ↓

Compile
↓
Run Tests
↓
Build
↓
Inspect Errors
↓
Fix
↓
Build Again

آیا Claude می‌تواند خودش Unity را باز کند؟

باید بین چند سطح از Automation تفاوت قائل شویم.

Claude Code می‌تواند از ابزارهای خط فرمان و MCP استفاده کند؛ Unity CLI نیز قابلیت‌هایی برای مدیریت پروژه و Editor دارد.

علاوه بر این، Claude Desktop در Windows قابلیت‌هایی برای Computer Use دارد که در آن Claude می‌تواند با صفحه و برنامه‌های کامپیوتر تعامل کند.

اما برای توسعه حرفه‌ای Unity بهتر است تا جای ممکن از Integration مستقیم و ابزارهای ساختاریافته مانند MCP استفاده شود و Computer Use را به‌عنوان روش اصلی Automation در نظر نگیریم.

Computer Use برای تعامل با UI مفید است؛ MCP برای اتصال ساختاریافته AI به ابزارهای نرم‌افزاری مناسب‌تر است.

Claude + Unity دقیقاً چه چیزهایی را بهتر می‌کند؟

کار	بدون AI Agent	با Claude Code
نوشتن Boilerplate	دستی	قابل تولید خودکار
بررسی معماری	دستی	تحلیل سریع چند فایل
رفع خطا	جستجو + Debug دستی	تحلیل Context پروژه
Refactoring	زمان‌بر	قابل برنامه‌ریزی و اجرا
نوشتن Test	دستی	قابل تولید و بررسی
Build Automation	دستی یا CI	قابل اتصال به Workflow Agent
تعامل با Unity	محدود	با MCP بسیار گسترده‌تر

محدودیت‌هایی که باید جدی بگیریم

Claude Code بسیار قدرتمند است، اما به معنی حذف برنامه‌نویس نیست.

۱. خطای هوش مصنوعی

AI می‌تواند API اشتباه پیشنهاد دهد، کلاس‌هایی تولید کند که با معماری پروژه سازگار نیستند یا فرضیات نادرست داشته باشد.

۲. Technical Debt

اگر بدون معماری مشخص از Agent بخواهیم Featureهای متعدد بسازد، پروژه می‌تواند به مجموعه‌ای از Scriptهای وابسته و غیرقابل نگهداری تبدیل شود.

۳. امنیت

Agentی که اجازه اجرای Command دارد، باید با سطح دسترسی مناسب استفاده شود.

۴. تغییرات ناخواسته

همیشه قبل از Taskهای بزرگ وضعیت Git را ذخیره کنید و تغییرات را بررسی کنید.

۵. وابستگی بیش از حد

اگر توسعه‌دهنده دلیل وجود یک کلاس یا الگوریتم را نداند، صرفاً تولید شدن کد توسط AI یک مزیت پایدار محسوب نمی‌شود.

یک Workflow پیشنهادی حرفه‌ای برای بازی‌سازها

اگر بخواهیم از Claude Code در یک پروژه واقعی Unity استفاده کنیم، Workflow پیشنهادی می‌تواند چنین باشد:

Idea

↓
Game Design
↓
Technical Design
↓
Claude Code Analysis
↓
Implementation Plan
↓
C# Implementation
↓
Unity Integration
↓
Tests
↓
Playtest
↓
Bug Report
↓
Claude Analysis
↓
Fix
↓
Git Review
↓
Build

در این مدل، AI جای Game Developer را نمی‌گیرد؛ بلکه سرعت اجرای تصمیم‌های Developer را افزایش می‌دهد.

Prompt نهایی برای شروع یک پروژه Unity با Claude Code

می‌توانید پس از اتصال موفق Unity و Claude Code از Prompt زیر برای شروع پروژه استفاده کنید:

You are the lead AI development agent for this Unity project. Before making any changes: 1. Inspect the complete project structure. 2. Identify the Unity version and render pipeline. 3. Inspect installed packages. 4. Inspect existing scripts and architecture. 5. Identify the current input system. 6. Identify scenes and major GameObjects. 7. Detect compilation errors or obvious architectural problems. Do not modify anything yet. Then provide: - Current architecture - Technical risks - Recommended folder structure - Recommended gameplay architecture - Testing strategy - Build strategy - A phased implementation plan The goal is to build a production-quality Unity game. Prefer maintainable C# code over quick prototypes. Never modify unrelated files. Never overwrite existing functionality without explaining why. Ask for approval before performing major architectural changes.

جمع‌بندی

ترکیب Claude Code و Unity دیگر صرفاً به معنی پرسیدن یک سؤال برنامه‌نویسی از ChatGPT یا Claude نیست.

با استفاده از Claude Code، Unity CLI و MCP می‌توان یک AI-assisted development workflow ساخت که در آن هوش مصنوعی در بخش‌های مختلف چرخه توسعه حضور دارد: از تحلیل پروژه و تولید C# گرفته تا Debug، تست و Automation.

نکته مهم این است که قدرت اصلی این روش در Agent + Context + Tools قرار دارد؛ نه صرفاً در مدل زبانی.

Unity نیز با اضافه کردن MCP به Unity CLI عملاً در حال حرکت به سمت محیطی است که AI Agentها می‌توانند ارتباط بسیار عمیق‌تری با Editor و Pipeline توسعه بازی داشته باشند.

نتیجه: اگر یک توسعه‌دهنده Unity باشید، یادگیری Claude Code و MCP در کنار C#، Unity Architecture و Git می‌تواند یکی از مهارت‌های مهم Workflow توسعه بازی در نسل جدید ابزارهای AI باشد.

منابع رسمی

مستندات رسمی Claude Code برای نصب و راه‌اندازی
مستندات رسمی Anthropic درباره Claude Desktop و Claude Code
مستندات رسمی Unity CLI
مستندات رسمی Unity درباره Unity AI و Agent Integration

دستورهای نصب و قابلیت‌های معرفی‌شده در این مقاله بر اساس مستندات رسمی موجود در سپتامبر ۲۰۲۶ تنظیم شده‌اند. از آنجا که Claude Code و Unity CLI هر دو به‌سرعت در حال توسعه هستند، نام بعضی گزینه‌ها و قابلیت‌ها ممکن است در نسخه‌های آینده تغییر کند.