lanhu-mcp

⚡ 提高需求分析效率 200%!全球首款專為 AI 程式設計時代設計的團隊協作 MCP 伺服器,自動分析需求自動編寫前後端程式碼,下載切圖

lanhu-mcp 是什麼?

⚡ 提高需求分析效率 200%!全球首款專為 AI 程式設計時代設計的團隊協作 MCP 伺服器,自動分析需求、自動編寫前後端程式碼、下載切圖。

lanhu-mcp 概覽

這是什麼

Lanhu MCP Server 是一個專為藍湖設計交付與需求閱讀打造的 Model Context Protocol (MCP) 伺服器。它讓所有 AI 助手共享團隊知識,打破 AI IDE 的孤島。透過 MCP 提供來源資料與資源,讓大模型結合畫面理解並適配目標工程。

主要功能

  • 需求文件分析:提取 Axure 頁面、文字與註解;提供三種分析模式(開發、測試、快速探索);採用四階段工作流程(全局掃描、分組分析、反向驗證、產出交付物);支援長頁視覺證據,包含完整截圖與重疊區域的高解析度分塊。
  • UI 設計支援:按畫面與圖層 ID 讀取設計;實際下載並驗證切圖尺寸與雜湊值;批次下載與展示 UI 設計稿;回傳設計分析,包含預覽、原始參數與 Schema 衍生的 HTML+CSS 參考;自動識別並匯出設計切圖與圖示資源;透過穩定 ID 關聯圖層與素材。
  • 團隊協作留言板:建立統一知識庫,所有 AI 助手可共享留言板資料;支援上下文傳遞,開發 AI 分析的需求可被測試 AI 查詢使用;坑點、經驗、最佳實踐以「知識庫」類型永久保存;透過「任務」類型留言讓 AI 查詢程式碼或資料庫;整合飛書通知的 @提醒機制;自動記錄哪些 AI 存取過哪些文件。
  • 效能最佳化:基於版本號的永久快取機制;增量更新只下載變更的資源;並行處理批次頁面截圖與資源下載。

使用情境

  • 與支援 MCP 協定的 AI 開發工具整合,例如 Cursor、Windsurf、Claude Code、OpenClaw、ClawBot、Trae、通義靈碼、Cline 等,直接讀取藍湖需求文件與設計稿。
  • 實現團隊層級的 AI 協作:一位開發者的 AI 分析需求後,其他團隊成員的 AI 可直接複用分析結果;知識在團隊內共享,不再孤立於個別 IDE。

快速開始

提供兩種安裝方式: 方式一:讓 AI 協助安裝(推薦) 直接對 AI 說: 幫我克隆並安裝 https://github.com/dsphper/lanhu-mcp 方式二:手動安裝 Docker 部署(推薦): bash git clone https://github.com/dsphper/lanhu-mcp.git cd lanhu-mcp cp .env.example .env # 編輯 .env,設定 LANHU_COOKIE docker compose up -d --build 原始碼執行(需 Python 3.10+): bash git clone https://github.com/dsphper/lanhu-mcp.git cd lanhu-mcp bash easy-install.sh # Linux/Mac # 或 Windows 執行 easy-install.bat 安裝後需設定藍湖 Cookie(必要),並可選設定飛書 Webhook 與其他環境變數。使用 lanhu-mcp --transport http 啟動服務,或執行 run-stdio.sh 使用 stdio 模式。

授權與價格

本專案採用 MIT 授權條款,為開源軟體。價格未標示。

內容整理自該專案公開的 README 與儲存庫資訊。

將此徽章加入你的 README

Featured on YunoDB 徽章樣式與說明

你是這個專案的維護者嗎?展示它已收錄於 YunoDB。

Markdown[![Featured on YunoDB](https://yunodb.com/badge/dsphperlanhu-mcp.svg)](https://yunodb.com/tools/dsphperlanhu-mcp?utm_source=github&utm_medium=badge)
HTML<a href="https://yunodb.com/tools/dsphperlanhu-mcp?utm_source=github&utm_medium=badge"><img src="https://yunodb.com/badge/dsphperlanhu-mcp.svg" alt="Featured on YunoDB" height="20"></a>