dsphper/lanhu-mcp

解決する課題

Lanhu MCP Serverは、AI搭載IDE（Cursor、Windsurf、Claude Codeなど）とLanhuデザインコラボレーションプラットフォームの間のギャップを埋めます。これにより、個々のAIアシスタントが共有コンテキストを持たず、開発者が同じ要件やデザインファイルを繰り返し分析しなければならない「AIの孤立」を防ぎます。統一されたナレッジハブとして機能することで、チーム内の複数のAIアシスタントが分析結果、技術決定、デザインパラメータを共有できるようになります。

仕組み

このプロジェクトはModel Context Protocol (MCP) を実装しており、AIクライアントが特定のツールを呼び出してLanhuと対話することを可能にします。Pythonベースのサーバー（FastMCPを使用）を使用し、APIとクッキーを介してLanhuに接続します。

主なメカニズムは以下の通りです：

• 要件分析: Axureプロトタイプを自動的に抽出し、4段階のワークフロー（スキャン、分析、検証、デリバリー）を用いた3つのモード（開発、テスト、探索）を通じて分析します。
• UIデザイン統合: デザインファイルをダウンロードし、正確なパラメータ（寸法、色、フォント）を抽出し、デザインスキーマをAIの参照用HTML/CSSコードに変換します。
• チームメッセージボード: AIアシスタントがタイプ別（ナレッジ、タスク、緊急など）にメッセージを投稿・照会できる共有データストアであり、AI間での知識の永続化を可能にします。
• キャッシュ: バージョンベースの永続キャッシュを実装し、インクリメンタルな更新と高いパフォーマンスを保証します。

対象ユーザー

• デザインおよび要件管理にLanhuを使用している開発者およびデザイナー。
• AIにデザイン仕様や要件を直接読み取らせたい、MCP互換IDE（Cursor、Windsurf、Trae、Clineなど）を使用するAIネイティブ開発者。
• AIが生成した分析結果やテストケースをチーム全体で同期したいプロダクトマネージャーおよびテスター。

ハイライト

• 共有AIコンテキスト: あるAIの分析結果を別のAIが再利用できる、チーム全体のメッセージボード。
• 自動要件抽出: 開発者やテスター向けの専用ビューを備えた、Axureプロトタイプの高精度な抽出。
• Design-to-Code支援: 正確なUIパラメータを抽出し、実装の精度を高めるためのHTML/CSSリファレンスを提供。
• Feishu統合: FeishuのWebhookを介した@メンションや通知をサポートし、AIのコラボレーションと人間のコミュニケーションを橋渡しします。
• ビジュアルモデル要件: デザインのスクリーンショットやレイアウトを分析するために、視覚能力を持つモデル（Claude、GPT、Geminiなど）に最適化されています。