dsphper/lanhu-mcp

解決的問題

Lanhu MCP Server 彌合了 AI 驅動的 IDE（如 Cursor、Windsurf 和 Claude Code）與 Lanhu 設計協作平台之間的鴻溝。它防止了「AI 孤立」現象，即單個 AI 助手缺乏共享上下文，導致開發人員不得不重複分析相同的需求與設計檔案。透過作為一個統一的知識中心，它允許團隊中的多個 AI 助手共享分析結果、技術決策與設計參數。

工作原理

該專案實現了 Model Context Protocol (MCP)，允許 AI 用戶端呼叫特定工具與 Lanhu 進行互動。它使用基於 Python 的伺服器（由 FastMCP 提供支援），透過 API 與 Cookie 連接到 Lanhu。

核心機制包括：

• 需求分析：自動提取 Axure 原型，並透過四階段工作流（掃描、分析、驗證與交付）使用三種模式（開發、測試或探索）進行分析。
• UI 設計整合：下載設計檔案，提取精確參數（尺寸、顏色、字體），並將設計模式轉換為供 AI 參考的 HTML/CSS 程式碼。
• 團隊留言板：一個共享的數據儲存庫，AI 助手可以發布並查詢按類型（知識、任務、緊急等）分類的訊息，實現跨 AI 的知識持久化。
• 快取：實現基於版本的永久快取，以確保增量更新與高性能。

適用對象

• 使用 Lanhu 進行設計與需求管理的開發人員與設計師。
• 使用 MCP 相容 IDE（Cursor、Windsurf、Trae、Cline 等）並希望其 AI 直接讀取設計規範與需求的 AI 原生開發人員。
• 希望在團隊中同步 AI 生成的分析與測試案例的產品經理與測試人員。

亮點

• 共享 AI 上下文：一個團隊範圍內的留言板，允許一個 AI 的分析結果被另一個 AI 重用。
• 自動需求提取：對 Axure 原型進行高精度提取，並為開發人員與測試人員提供專門的視圖。
• 設計轉程式碼輔助：提取精確的 UI 參數並提供 HTML/CSS 參考，以提高實作準確性。
• 飛書整合：支援透過飛書 Webhook 進行 @提及與通知，連接 AI 協作與人類溝通。
• 視覺模型需求：針對具備視覺能力的模型（Claude、GPT、Gemini 等）進行了優化，用於分析設計截圖與佈局。