Где взять

dsphper/lanhu-mcp — открыть на GitHub

Открытая лицензия: MIT · 2161 stars.

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 передачу контекста, превращая разрозненные файлы в понятные для AI данные.

Что можно собрать

Представьте, 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.

Инструмент берет на себя три ключевые задачи:

  1. Анализ требований: Он сканирует прототипы Axure и выдает структурированные данные для разработки, тестирования или быстрого обзора.
  2. Работа с дизайном: Сервер не просто показывает картинку, а извлекает параметры (размеры, отступы, цвета) и конвертирует их в HTML+CSS код, готовый к использованию.
  3. 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.

Как начать

Для 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.

Самый 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).

Кому это подходит

Инструмент 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.

Важно 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.

Границы применимости

Lanhu 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.

Вердикт

Стоит 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.

Лучше 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.

Похожие материалы