dsphper/lanhu-mcp

해결하는 문제

Lanhu MCP Server는 AI 기반 IDE(Cursor, Windsurf, Claude Code 등)와 Lanhu 디자인 협업 플랫폼 사이의 간극을 메워줍니다. 이는 개별 AI 어시스턴트가 공유된 컨텍스트를 갖지 못해 개발자가 동일한 요구사항과 디자인 파일을 반복해서 분석해야 하는 "AI 고립" 현상을 방지합니다. 통합 지식 허브 역할을 수행함으로써 팀 내 여러 AI 어시스턴트가 분석 결과, 기술적 결정 및 디자인 파라미터를 공유할 수 있도록 합니다.

작동 원리

이 프로젝트는 Model Context Protocol (MCP)을 구현하여 AI 클라이언트가 특정 도구를 호출해 Lanhu와 상호작용할 수 있도록 합니다. FastMCP 기반의 Python 서버를 사용하여 API와 쿠키를 통해 Lanhu에 연결합니다.

주요 메커니즘은 다음과 같습니다:

• 요구사항 분석: Axure 프로토타입을 자동으로 추출하고, 4단계 워크플로우(스캔, 분석, 검증, 전달)를 사용하는 3가지 모드(개발, 테스트 또는 탐색)를 통해 분석합니다.
• UI 디자인 통합: 디자인 파일을 다운로드하고, 정확한 파라미터(치수, 색상, 글꼴)를 추출하며, 디자인 스키마를 AI 참조용 HTML/CSS 코드로 변환합니다.
• 팀 메시지 보드: AI 어시스턴트가 유형별(지식, 작업, 긴급 등)로 메시지를 게시하고 쿼리할 수 있는 공유 데이터 저장소로, AI 간 지식 지속성을 가능하게 합니다.
• 캐싱: 버전 기반의 영구 캐시를 구현하여 증분 업데이트와 높은 성능을 보장합니다.

대상 사용자

• 디자인 및 요구사항 관리에 Lanhu를 사용하는 개발자 및 디자이너.
• AI가 디자인 사양과 요구사항을 직접 읽기를 원하는 MCP 호환 IDE(Cursor, Windsurf, Trae, Cline 등) 사용자인 AI 네이티브 개발자.
• AI가 생성한 분석 및 테스트 케이스를 팀 전체에 동기화하고자 하는 프로덕트 매니저 및 테스터.

주요 특징

• 공유 AI 컨텍스트: 한 AI의 분석 결과를 다른 AI가 재사용할 수 있는 팀 단위 메시지 보드.
• 자동 요구사항 추출: 개발자와 테스터를 위한 특화된 뷰를 갖춘 Axure 프로토타입의 고정밀 추출.
• Design-to-Code 지원: 정확한 UI 파라미터를 추출하고 구현 정확도를 높이기 위한 HTML/CSS 참조를 제공합니다.
• Feishu 통합: Feishu 웹훅을 통한 @멘션 및 알림을 지원하여 AI 협업과 인간의 커뮤니케이션을 연결합니다.
• 비주얼 모델 요구사항: 디자인 스크린샷과 레이아웃을 분석할 수 있도록 시각 능력을 갖춘 모델(Claude, GPT, Gemini 등)에 최적화되었습니다.