dsphper/lanhu-mcp

⚡ 需求分析效率提升 200%！全球首个为 AI 编程时代设计的团队协作 MCP 服务器，自动分析需求自动编写前后端代码，下载切图

📚 개요

Lanhu MCP Server는 AI 기반 개발 어시스턴트(예: Cursor, Claude Code, Windsurf)가 Lan-Hu 디자인 협업 플랫폼에 저장된 데이터를 읽고 작업할 수 있게 해주는 오픈소스 브리지입니다. Model Context Protocol (MCP) 를 구현하고, 요구사항 문서, UI 목업, 디자인 자산에 대한 구조화된 정보를 반환하는 HTTP/STDIO API를 제공합니다. 서버는 또한 공유된 “팀 지식 보드”를 제공하여 여러 AI 에이전트가 서로의 분석 결과를 재사용할 수 있게 합니다.

✨ 핵심 기능 (README에 설명된 대로)

기능	설명	중요성
요구사항 문서 분석	Lan-Hu에서 Axure 페이지를 다운로드하고, 텍스트, 주석, 시각적 증거를 추출하고, 비전 지원 LLM을 실행하여 개발자, 테스터 또는 탐색자 중심 보고서를 생성합니다.	원시 디자인 사양을 각 AI가 동일한 문서를 재파싱하지 않고 실행 가능한 사양으로 변환합니다.
UI 디자인 지원	디자인 초안을 검색하고, 이미지를 슬라이스하고, 레이아웃 매개변수(크기, 간격, 색상, 글꼴)를 추출하고, HTML + CSS 스캐폴드를 생성합니다.	AI 에이전트가 코드로 변환할 수 있는 구체적인 UI 데이터를 제공합니다.
팀 지식 보드	중앙 집중식 메시지 저장소(지식, 작업, 질문, 긴급 알림)로 @멘션, Feishu 웹훅 알림 및 사용자별 접근 추적을 제공합니다.	여러 AI 어시스턴트가 통찰력을 공유하고 중복 작업을 피할 수 있게 합니다.
성능 최적화	버전 기반 캐싱, 증분 업데이트, 동시 페이지 스크린샷 및 자산 다운로드.	대규모 디자인 프로젝트에서도 지연 시간을 낮게 유지합니다.
FastMCP 프레임워크	오픈소스 FastMCP 서버를 기반으로 구축되었으며, HTTP 또는 stdio에서 MCP 프로토콜을 구현합니다.	MCP를 이해하는 AI IDE가 장기 실행 HTTP 서비스 또는 단기 실행 stdio 프로세스를 통해 연결할 수 있게 합니다.
Docker 및 로컬 배포	원클릭 Docker compose, `easy-install` 스크립트, 그리고 빠른 로컬 사용을 위한 단일 파일 `lanhu_mcp_server.py`.	팀이 온프레미스에서 서비스를 실행하는 장벽을 낮춥니다.
구성 가능한 후크	Lan-Hu 쿠키, Feishu 웹훅, 서버 호스트/포트, 뷰포트 크기, 타임아웃 등에 대한 환경 변수.	서버를 다양한 네트워크 및 UI 테스트 설정에 적응시킵니다.

🛠️ 시작하기 (빠른 요약)

Lan-Hu 쿠키 얻기 – Lan-Hu 웹 UI에 로그인하고 Cookie 헤더를 복사합니다.
리포지토리 클론 후 다음 중 하나를 실행합니다:
- docker compose up -d --build (권장), 또는
- easy-install.sh / easy-install.bat 스크립트를 실행하여 Python 3.10+ 가상 환경을 설정하고, 종속성을 설치하고, 서버를 시작합니다.
서비스 시작 – HTTP 서버(lanhu-mcp --transport http) 또는 stdio 래퍼(run-stdio.sh).
AI IDE 구성 – http://localhost:8000/mcp(또는 stdio 명령)를 가리키는 MCP 항목을 추가하고, role 및 name 쿼리 매개변수를 포함합니다.
상호작용 – AI 어시스턴트에게 Lan-Hu 문서 URL을 mcp하도록 요청합니다. 서버는 구조화된 분석, 디자인 미리보기 또는 슬라이스 자산을 반환합니다.

📦 프로젝트 구조 (높은 수준)

lanhu-mcp-server/
├─ lanhu_mcp_server.py      # 주요 FastMCP 진입점 (큰 단일 파일)
├─ requirements.txt         # Python 종속성 (FastMCP, Playwright 등)
├─ Dockerfile, docker-compose.yml
├─ easy-install.sh / .bat   # 로컬 설정용 도우미 스크립트
├─ config.example.env       # 예제 환경 변수
├─ docs/ (README_EN.md, RELEASE_NOTES_*.md, …)
└─ tools/                   # 개별 MCP 도구 구현 (예: lanhu_get_designs)

🎯 누가 사용해야 하나요?

제품 요구사항과 UI 목업을 Lan-Hu에 저장하고 AI 코딩 어시스턴트가 해당 데이터를 자동으로 소비하도록 하려는 팀.
여러 에이전트 간에 공유 지식 기반이 필요한 맞춤형 AI 에이전트 워크플로우를 구축하는 개발자.
SaaS 솔루션보다 온프레미스 브리지를 선호하는 조직. 서버는 Lan-Hu 쿠키만 필요하고 팀의 방화벽 뒤에서 실행되기 때문입니다.

⚠️ 제한사항 및 미해결 질문 (README에서)

서버는 비전 지원 LLM(Claude, GPT-4-Vision, Gemini-Vision 등)이 필요합니다. 순수 텍스트 모델은 작동하지 않습니다.
Lan-Hu 데이터에 대한 액세스는 사용자별 쿠키로 제한됩니다. 각 팀 구성원은 서버가 리소스를 가져오기 위해 유효한 쿠키를 제공해야 합니다.
보안에 민감한 작업은 읽기 전용 쿼리로 제한됩니다. 지식 보드는 안전한 작업의 화이트리스트를 강제합니다.

📚 추가 읽기

Model Context Protocol (MCP): https://modelcontextprotocol.io/
FastMCP 프레임워크: https://github.com/jlowin/fastmcp
Lan-Hu 플랫폼 문서 (리포지토리 README에서 링크).

위의 모든 정보는 리포지토리의 README에서 직접 가져온 것이며, 추가 기능은 추론되지 않았습니다.