{"title":"Lanhu MCP: как объединить AI-ассистентов в единую команду","url":"https://verapointmedia.com/tools/dsphper-lanhu-mcp/","markdownUrl":"https://verapointmedia.com/tools/dsphper-lanhu-mcp.md","language":"ru","category":"tools","publishedAt":"2026-08-12T16:41:11.000Z","updatedAt":"2026-08-12T16:41:11.000Z","references":["https://github.com/dsphper/lanhu-mcp"],"rights":"Public user-requested reading, summarization and citation allowed. Model training requires separate permission.","contentMarkdown":"# Lanhu MCP: как объединить AI-ассистентов в единую команду\n\n- Site: VeraPoint News\n- Section: Инструменты\n- Date: 2026-08-12\n- Canonical: https://verapointmedia.com/tools/dsphper-lanhu-mcp/\n- Markdown: https://verapointmedia.com/tools/dsphper-lanhu-mcp.md\n- Summary: Lanhu MCP: как объединить AI-ассистентов в единую команду Lanhu MCP — это сервер, который позволяет вашим AI-инструментам для программирования напрямую «читать» требования и дизайн-макеты из платформы Lanhu. Если вы устали вручную копировать спецификации из макетов в чат с нейросетью, этот инструмент автоматизирует пер\n- Target queries: AI tools; AI agents; dsphper-lanhu-mcp\n- Tags: #ai #technology\n- Image: https://verapointmedia.com/static/content-assets/tools/dsphper-lanhu-mcp/cover.webp\n\n## Sources\n\n- https://github.com/dsphper/lanhu-mcp\n\n---\n\n## Где взять\n\n[dsphper/lanhu-mcp — открыть на GitHub](https://github.com/dsphper/lanhu-mcp)\n\nОткрытая лицензия: MIT · 2161 stars.\n\n\nLanhu MCP — это сервер, который позволяет вашим AI-инструментам для программирования напрямую «читать» требования и дизайн-макеты из платформы Lanhu. Если вы устали вручную копировать спецификации из макетов в чат с нейросетью, этот инструмент автоматизирует передачу контекста, превращая разрозненные файлы в понятные для AI данные.\n\n### Что можно собрать\n\nПредставьте, что ваш AI-ассистент — это стажер, который раньше видел только тот фрагмент кода, который вы ему показали. Lanhu MCP работает как «цифровая нервная система» проекта: он соединяет «глаза» (анализ дизайна) и «память» (общую базу знаний) всех участников команды. \n\nИнструмент берет на себя три ключевые задачи:\n1. **Анализ требований:** Он сканирует прототипы Axure и выдает структурированные данные для разработки, тестирования или быстрого обзора.\n2. **Работа с дизайном:** Сервер не просто показывает картинку, а извлекает параметры (размеры, отступы, цвета) и конвертирует их в HTML+CSS код, готовый к использованию.\n3. **Общая база знаний:** Это «командная доска», где AI-ассистенты разных разработчиков могут обмениваться опытом, сохранять решения проблем и передавать контекст задач, чтобы не начинать анализ с нуля.\n\n### Как начать\n\nДля работы потребуется компьютер с установленным Python 3.10+ и доступ к платформе Lanhu. Проект распространяется под лицензией MIT и на текущий момент собрал 2161 звезду на GitHub.\n\nСамый простой способ запуска — попросить ваш AI-ассистент (например, Cursor или Claude Code) клонировать и установить проект по ссылке. Если вы предпочитаете ручное управление, используйте Docker для изоляции среды. Вам потребуется получить Cookie от вашей учетной записи Lanhu, чтобы сервер мог авторизоваться и выгружать данные. После настройки вы подключаете сервер к вашему AI-клиенту через конфигурационный файл, указав адрес локального сервера (обычно `http://localhost:8000/mcp`).\n\n### Кому это подходит\n\nИнструмент будет полезен командам, где разработчики, тестировщики и дизайнеры используют AI-помощники для ускорения работы. Он особенно эффективен, если вы уже используете современные IDE с поддержкой протокола MCP (Model Context Protocol), такие как Cursor, Windsurf или Claude Code. \n\nВажно помнить: для корректной работы сервер требует использования AI-моделей с поддержкой визуального анализа (например, Claude, GPT-4, Gemini, Qwen или DeepSeek). Модели, работающие только с текстом, не смогут обработать дизайн-макеты.\n\n### Границы применимости\n\nLanhu MCP — это мост между платформой Lanhu и вашим AI. Он не заменяет собой процесс проектирования, а лишь ускоряет его интерпретацию. Важно учитывать, что качество «перевода» дизайна в код зависит от того, как именно был подготовлен макет в Lanhu. Если дизайнер использует устаревшие версии плагинов, некоторые параметры могут считываться некорректно. Также помните, что передача данных через Cookie требует осторожности: убедитесь, что вы используете защищенные каналы связи и не передаете чувствительные данные в публичные репозитории.\n\n### Вердикт\n\nСтоит попробовать, если вы работаете в связке с дизайнерами, использующими Lanhu, и хотите сократить время на ручной перенос требований в код — это экономит время на «перевод» с языка дизайна на язык разработки.\n\nЛучше выбрать другой путь, если ваш проект не использует платформу Lanhu или если вы работаете в среде, где использование сторонних MCP-серверов ограничено политиками безопасности компании.\n\n## Похожие материалы\n\n- [Как отличить рабочий AI-инструмент от красивой демки](https://verapointmedia.com/guides/kak-otlichit-rabochiy-ai-instrument-ot-krasivoy-demki/)\n- [Что такое AI-агент простыми словами](https://verapointmedia.com/guides/chto-takoe-ai-agent-prostymi-slovami/)\n"}