lanhu-mcp
starsforks
How to install lanhu-mcp?
dsphper/lanhu-mcp
$git clone https://github.com/dsphper/lanhu-mcp让所有 AI 助手共享团队知识，打破 AI IDE 孤岛
README.md
| 1 | <div align="center"> |
| 2 | |
| 3 | # 🎨 Lanhu MCP Server | 蓝湖MCP服务器2.0 |
| 4 | |
| 5 | **让所有 AI 助手共享团队知识，打破 AI IDE 孤岛** |
| 6 | |
| 7 | **lanhumcp | 蓝湖mcp | lanhu-mcp | 蓝湖AI助手 | 蓝湖skills | Lanhu AI Integration** |
| 8 | |
| 9 | [](https://opensource.org/licenses/MIT) |
| 10 | [](https://www.python.org/downloads/) |
| 11 | [](https://modelcontextprotocol.io/) |
| 12 | [](https://github.com/jlowin/fastmcp) |
| 13 | [](CONTRIBUTING.md) |
| 14 | [](https://github.com/dsphper/lanhu-mcp/stargazers) |
| 15 | [](https://github.com/dsphper/lanhu-mcp/issues) |
| 16 | [](https://github.com/dsphper/lanhu-mcp/releases) |
| 17 | [](CODE_OF_CONDUCT.md) |
| 18 | |
| 19 | [English](README_EN.md) | 简体中文 |
| 20 | |
| 21 | [快速开始](#-快速开始) • [功能特性](#-核心特性) • [使用文档](#-使用指南) • [贡献指南](CONTRIBUTING.md) |
| 22 | |
| 23 | |
| 24 | </div> |
| 25 | |
| 26 | --- |
| 27 | |
| 28 | ## 🌟 项目亮点 |
| 29 | |
| 30 | 一个功能强大的 [Model Context Protocol (MCP)](https://modelcontextprotocol.io/) 服务器，专为 AI 编程时代设计，完美支持蓝湖（Lanhu）设计协作平台。 |
| 31 | |
| 32 | |
| 33 | 🔥 **核心创新**： |
| 34 | - 📋 **智能需求分析**：自动提取 Axure 原型，三种分析模式（开发/测试/探索），需求分析准确率>95% |
| 35 | - 💬 **团队知识库**：打破 AI IDE 孤岛，让所有 AI 助手共享知识库和上下文 |
| 36 | - 🎨 **UI设计支持**：自动下载设计稿，智能提取切图，语义化命名；设计图分析可获取尺寸/间距/颜色/字体等精确参数，并得到转换后的 HTML+CSS 代码参考 |
| 37 | - ⚡ **性能优化**：基于版本号的智能缓存，增量更新，并发处理 |
| 38 | |
| 39 | 🎯 **适用场景**： |
| 40 | - ✅ Cursor + 蓝湖：让 Cursor AI 直接读取蓝湖需求文档和设计稿 |
| 41 | - ✅ Windsurf + 蓝湖：Windsurf Cascade AI 直接读取蓝湖需求文档和设计稿 |
| 42 | - ✅ Claude Code + 蓝湖：Claude AI 直接读取蓝湖需求文档和设计稿 |
| 43 | - ✅ OpenClaw + 蓝湖：OpenClaw 原生支持读取蓝湖需求文档和设计稿 |
| 44 | - ✅ ClawBot + 蓝湖：ClawBot 智能助手深度集成蓝湖协作 |
| 45 | - ✅ Trae + 蓝湖：Trae AI 直接读取蓝湖需求文档和设计稿 |
| 46 | - ✅ 通义灵码 + 蓝湖：通义灵码 AI 直接读取蓝湖需求文档和设计稿 |
| 47 | - ✅ Cline + 蓝湖：Cline AI 直接读取蓝湖需求文档和设计稿 |
| 48 | - ✅ 任何支持 MCP 协议的 AI 开发工具 |
| 49 | |
| 50 | 🎯 **解决痛点**： |
| 51 | - ❌ **旧世界**：每个开发者的 AI 独立工作，重复分析需求，无法共享经验 |
| 52 | - ✅ **新世界**：所有 AI 连接同一知识中枢，需求分析一次、全员复用，踩坑经验永久保存 |
| 53 | |
| 54 | --- |
| 55 | ## 📑 目录 |
| 56 | |
| 57 | - [核心特性](#-核心特性) |
| 58 | - [快速开始](#-快速开始) |
| 59 | - [团队留言板：突破 AI 协作的最后一公里](#-团队留言板突破-ai-协作的最后一公里) |
| 60 | - [使用指南](#-使用指南) |
| 61 | - [可用工具列表](#-可用工具列表) |
| 62 | - [系统架构](#-系统架构) |
| 63 | - [项目结构](#-项目结构) |
| 64 | - [高级配置](#-高级配置) |
| 65 | - [性能指标](#-性能指标) |
| 66 | - [常见问题](#-常见问题) |
| 67 | - [安全说明](#-安全说明) |
| 68 | - [贡献指南](#-贡献指南) |
| 69 | - [许可证](#-许可证) |
| 70 | - [致谢](#-致谢) |
| 71 | - [联系方式](#-联系方式) |
| 72 | - [路线图](#-路线图) |
| 73 | |
| 74 | --- |
| 75 | |
| 76 | ## ✨ 核心特性 |
| 77 | |
| 78 | ### 📋 需求文档分析 |
| 79 | - **智能文档提取**：自动下载和解析 Axure 原型的所有页面、资源和交互 |
| 80 | - **三种分析模式**： |
| 81 | - 🔧 **开发视角**：详细字段规则、业务逻辑、全局流程图 |
| 82 | - 🧪 **测试视角**：测试场景、用例、边界值、校验规则 |
| 83 | - 🚀 **快速探索**：核心功能概览、模块依赖、评审要点 |
| 84 | - **四阶段工作流**：全局扫描 → 分组分析 → 反向验证 → 生成交付物 |
| 85 | - **零遗漏保证**：基于 TODO 驱动的系统化分析流程 |
| 86 | |
| 87 | ### 🎨 UI设计支持 |
| 88 | - **设计稿查看**：批量下载和展示 UI 设计图 |
| 89 | - **设计图分析升级**：分析时不仅返回设计图预览，还可获取**详细设计参数**（组件尺寸、间距、颜色值、字体大小等），并自动将设计 Schema 转为 **HTML+CSS 代码**，与蓝湖原生导出效果一致，便于 AI 参考实现 |
| 90 | - **切图提取**：自动识别和导出设计切图、图标资源 |
| 91 | - **智能命名**：基于图层路径自动生成语义化文件名 |
| 92 | |
| 93 | ### 💬 团队协作留言板 - 打破 AI IDE 孤岛 |
| 94 | > 🌟 **核心创新**：让每个开发者的 AI 助手都能共享团队知识和上下文 |
| 95 | |
| 96 | **问题背景**： |
| 97 | - 每个开发者的 AI IDE（Cursor、Windsurf）是独立的，无法共享上下文 |
| 98 | - A 开发遇到的坑，B 开发的 AI 不知道 |
| 99 | - 需求分析结果无法传递给测试同学的 AI |
| 100 | - 团队知识碎片化在各个聊天窗口，无法沉淀 |
| 101 | |
| 102 | **创新解决方案**： |
| 103 | - 🔗 **统一知识库**：所有 AI 助手连接同一个 MCP 服务器，共享留言板数据 |
| 104 | - 🧠 **上下文传递**：开发 AI 分析的需求，测试 AI 可以直接查询使用 |
| 105 | - 💡 **知识沉淀**：坑点、经验、最佳实践以"知识库"类型永久保存 |
| 106 | - 📋 **任务协作**：通过"任务"类型留言，让 AI 帮忙查询代码、数据库 |
| 107 | - 📨 **@提醒机制**：支持飞书通知，打通 AI 协作与人工沟通 |
| 108 | - 👥 **协作追踪**：自动记录谁的 AI 访问过哪些文档，团队透明 |
| 109 | |
| 110 | ### ⚡ 性能优化 |
| 111 | - **智能缓存**：基于文档版本号的永久缓存机制 |
| 112 | - **增量更新**：只下载变更的资源 |
| 113 | - **并发处理**：支持批量页面截图和资源下载 |
| 114 | ## 🚀 快速开始 |
| 115 | |
| 116 | > ⚠️ **重要提示：必须使用支持视觉功能的AI模型！** |
| 117 | > |
| 118 | > 本项目需要AI模型具备**图像识别和分析能力**，推荐使用以下2026年主流视觉模型： |
| 119 | > - 🤖 **Claude** (Anthropic) |
| 120 | > - 🌟 **GPT** (OpenAI) |
| 121 | > - 💎 **Gemini** (Google) |
| 122 | > - 🚀 **Kimi** (月之暗面) |
| 123 | > - 🎯 **Qwen** (阿里巴巴) |
| 124 | > - 🧠 **DeepSeek** (深度求索) |
| 125 | > |
| 126 | > 不支持纯文本模型（如 GPT-3.5、Claude Instant 等） |
| 127 | |
| 128 | --- |
| 129 | |
| 130 | > 💡 **小白用户？** 直接对 AI 说 "帮我克隆并安装 https://github.com/dsphper/lanhu-mcp 项目"，AI 会引导你完成所有步骤！ |
| 131 | |
| 132 | ### 方式一：让 AI 帮你安装（推荐！！！） |
| 133 | |
| 134 | 直接在对 AI 说： |
| 135 | ``` |
| 136 | "帮我克隆并安装 https://github.com/dsphper/lanhu-mcp 项目" |
| 137 | ``` |
| 138 | |
| 139 | AI 会自动完成：克隆项目 → 安装依赖 → 引导获取 Cookie → 配置并启动服务 |
| 140 | |
| 141 | 📖 参考文档：[AI 安装指南](ai-install- |
People who liked this also viewed
6 picksType
- fastapi_mcpExpose your FastAPI endpoints as Model Context Protocol (MCP) tools, with Auth!MCP ServersNov 2025
- lean-lsp-mcpLean Theorem Prover MCPMCP ServersJul 2026
- rulesyncA Utility CLI for AI Coding AgentsMCP ServersJul 2026
- FunASROpen-source speech recognition toolkit for training, inference, streaming ASR, VAD, punctuation, speaker diarization pipelines, and OpenAI-compatible/MCP serving.MCP ServersJul 2026
- repomix📦 Repomix is a powerful tool that packs your entire repository into a single, AI-friendly file. Perfect for when you need to feed your codebase to Large Language Models (LLMs) or other AI tools like Claude, ChatGPT, DeepSeek, Perplexity, Gemini, Gemma, Llama, Grok, and more.MCP ServersJul 2026
- mcp-serverMCP server for AI-assisted development of CAP applicationsMCP ServersJul 2026
