蓝湖 MCP(Lanhu MCP)使用指南:让设计稿与开发流程无缝连接
一、前言
在现代前后端协作开发中,设计稿的获取与对齐一直是一个高频痛点。设计师使用蓝湖(Lanhu)进行设计管理,而开发者往往需要反复在网页中查看、切图、对齐信息,效率较低。
随着 MCP(Model Context Protocol,模型上下文协议)的普及,越来越多工具开始支持"AI 直接读取设计数据"的能力。
本文介绍的开源项目:
👉 https://github.com/dsphper/lanhu-mcp
它的核心目标是:
将蓝湖设计数据接入 MCP,让 AI(如 Cursor、Claude、ChatGPT 插件等)可以直接读取设计稿信息,实现自动化开发辅助。
二、Lanhu MCP 是什么?
Lanhu MCP 是一个基于 MCP 协议封装的服务,它可以:
- 🔗 对接蓝湖 API
- 📄 获取设计稿页面结构
- 🎨 获取组件信息(颜色、字体、间距等)
- 🧩 提供给 AI 工具使用
- ⚡ 实现"设计稿 → 代码"的辅助生成能力
简单来说:
它让 AI 可以"读懂蓝湖设计稿"
三、适用场景
Lanhu MCP 适合以下场景:
1. 前端开发
- 自动生成页面布局代码
- 获取设计稿 CSS 信息
- 减少手动对照设计图时间
2. AI 编程助手
- Cursor / Claude / ChatGPT 插件
- 根据设计稿生成组件代码
3. 团队协作
- 统一设计稿数据来源
- 减少沟通成本
四、核心能力
Lanhu MCP 提供的能力通常包括:
1. 设计稿列表查询
获取项目下所有设计页面
2. 页面结构解析
解析画板结构、图层信息
3. 样式数据提取
- 字体大小
- 颜色值
- 间距
- 对齐方式
4. 图片资源获取
- 自动下载切图
- 获取图片 URL
五、快速开始
1. 克隆项目
git clone https://github.com/dsphper/lanhu-mcp.git
cd lanhu-mcp
2. 安装依赖
如果是 Node.js 项目:
npm install
或:
yarn install
3. 配置蓝湖 Token
通常需要配置蓝湖的 API Token,例如:
export LANHU_TOKEN=你的token
export LANHU_PROJECT_ID=你的项目ID
或者在 .env 文件中:
LANHU_TOKEN=xxxxxx
LANHU_PROJECT_ID=xxxxxx
4. 启动 MCP 服务
npm run start
启动后会提供一个 MCP Server,例如:
http://localhost:3000/mcp
六、在 Cursor / AI 中使用
如果你使用 Cursor,可以在 MCP 配置中加入:
{
"mcpServers": {
"lanhu": {
"url": "http://localhost:3000/mcp"
}
}
}
然后你就可以直接在 AI 中说:
"帮我根据蓝湖设计稿生成一个登录页面"
AI 会自动:
- 拉取设计稿结构
- 分析布局
- 生成前端代码
七、工作流程示意
整体流程如下:
蓝湖设计稿
↓
Lanhu MCP 服务
↓
AI(Cursor / Claude / ChatGPT)
↓
生成前端代码 / UI结构
八、优势总结
相比传统方式,Lanhu MCP 的优势非常明显:
✔ 提升效率
无需手动切图、对照 CSS
✔ 降低沟通成本
设计稿结构直接可被 AI 使用
✔ 自动化开发
支持"设计 → 代码"半自动生成
✔ 可扩展性强
可接入多个 AI 工具
九、注意事项
- 蓝湖 API 可能存在权限限制
- MCP 服务需要保持稳定运行
- 设计稿结构复杂时 AI 生成效果依赖 prompt
- 建议结合组件库(Element Plus / Ant Design / Vue3 / React)
十、总结
Lanhu MCP 是一个非常有价值的工具,它本质上是:
打通设计稿与 AI 编程之间的桥梁
对于前端开发者来说,它可以显著提升开发效率,是"AI + 前端开发"的一个重要工具链补充。