# 🎨 Lanhu MCP Server | 蓝湖MCP服务器2.0 **让所有 AI 助手共享团队知识，打破 AI IDE 孤岛** **lanhumcp | 蓝湖mcp | lanhu-mcp | 蓝湖AI助手 | Lanhu AI Integration** [![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](https://opensource.org/licenses/MIT) [![Python 3.10+](https://img.shields.io/badge/python-3.10+-blue.svg)](https://www.python.org/downloads/) [![MCP](https://img.shields.io/badge/MCP-Compatible-green.svg)](https://modelcontextprotocol.io/) [![FastMCP](https://img.shields.io/badge/FastMCP-Powered-orange.svg)](https://github.com/jlowin/fastmcp) [![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg)](CONTRIBUTING.md) [![GitHub Stars](https://img.shields.io/github/stars/dsphper/lanhu-mcp?style=social)](https://github.com/dsphper/lanhu-mcp/stargazers) [![GitHub Issues](https://img.shields.io/github/issues/dsphper/lanhu-mcp)](https://github.com/dsphper/lanhu-mcp/issues) [![GitHub Release](https://img.shields.io/github/v/release/dsphper/lanhu-mcp)](https://github.com/dsphper/lanhu-mcp/releases) [![Code of Conduct](https://img.shields.io/badge/Contributor%20Covenant-2.0-4baaaa.svg)](CODE_OF_CONDUCT.md) [English](README_EN.md) | 简体中文 [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)

--- ## 🌟 项目亮点一个功能强大的 [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。 🔥 **核心创新**： - 📋 **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% - 💬 **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 - 🎨 **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 - ⚡ **性能优化**：基于版本号的智能缓存，增量更新，并发处理 🎯 **适用场景**： - ✅ Cursor + 蓝湖：让 Cursor AI 直接读取蓝湖需求文档和设计稿 - ✅ Windsurf + 蓝湖：Windsurf Cascade AI 直接读取蓝湖需求文档和设计稿 - ✅ Claude Code + 蓝湖：Claude AI 直接读取蓝湖需求文档和设计稿 - ✅ OpenClaw + 蓝湖：OpenClaw 原生支持读取蓝湖需求文档和设计稿 - ✅ ClawBot + 蓝湖：ClawBot 智能助手深度集成蓝湖协作 - ✅ Trae + 蓝湖：Trae AI 直接读取蓝湖需求文档和设计稿 - ✅ 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 - ✅ Cline + 蓝湖：Cline AI 直接读取蓝湖需求文档和设计稿 - ✅ 任何支持 MCP 协议的 AI 开发工具 🎯 **解决痛点**： - ❌ **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 - ✅ **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 --- ## 📑 目录 - [核心特性](#-核心特性) - [快速开始](#-快速开始) - [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) - [使用指南](#-使用指南) - [可用工具列表](#-可用工具列表) - [系统架构](#-系统架构) - [项目结构](#-项目结构) - [高级配置](#-高级配置) - [性能指标](#-性能指标) - [常见问题](#-常见问题) - [安全说明](#-安全说明) - [贡献指南](#-贡献指南) - [许可证](#-许可证) - [致谢](#-致谢) - [联系方式](#-联系方式) - [路线图](#-路线图) --- ## ✨ 核心特性 ### 📋 需求文档分析 - **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 - **三种分析模式**： - 🔧 **开发视角**：详细字段规则、业务逻辑、全局流程图 - 🧪 **测试视角**：测试场景、用例、边界值、校验规则 - 🚀 **快速探索**：核心功能概览、模块依赖、评审要点 - **四阶段工作流**：全局扫描 → 分组分析 → 反向验证 → 生成交付物 - **零遗漏保证**：基于 TODO 驱动的系统化分析流程 ### 🎨 UI设计支持 - **设计稿查看**：批量下载和展示 UI 设计图 - **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 - **切图提取**：自动识别和导出设计切图、图标资源 - **智能命名**：基于图层路径自动生成语义化文件名 ### 💬 团队协作留言板 - 打破 AI IDE 孤岛 > 🌟 **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 **问题背景**： - 每个开发者的 AI IDE（Cursor、Windsurf）是独立的，无法共享上下文 - A 开发遇到的坑，B 开发的 AI 不知道 - 需求分析结果无法传递给测试同学的 AI - 团队知识碎片化在各个聊天窗口，无法沉淀 **创新解决方案**： - 🔗 **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 - 🧠 **上下文传递**：开发 AI 分析的需求，测试 AI 可以直接查询使用 - 💡 **知识沉淀**：坑点、经验、最佳实践以"知识库"类型永久保存 - 📋 **任务协作**：通过"任务"类型留言，让 AI 帮忙查询代码、数据库 - 📨 **@提醒机制**：支持飞书通知，打通 AI 协作与人工沟通 - 👥 **协作追踪**：自动记录谁的 AI 访问过哪些文档，团队透明 ### ⚡ 性能优化 - **智能缓存**：基于文档版本号的永久缓存机制 - **增量更新**：只下载变更的资源 - **并发处理**：支持批量页面截图和资源下载 ## 🚀 快速开始 > ⚠️ **重要提示：必须使用支持视觉功能的AI模型！** > > 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： > - 🤖 **Claude** (Anthropic) > - 🌟 **GPT** (OpenAI) > - 💎 **Gemini** (Google) > - 🚀 **Kimi** (月之暗面) > - 🎯 **Qwen** (阿里巴巴) > - 🧠 **DeepSeek** (深度求索) > > 不支持纯文本模型（如 GPT-3.5、Claude Instant 等） --- > 💡 **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！ ### 方式一：让 AI 帮你安装（推荐！！！）直接在对 AI 说： ``` "帮我克隆并安装 https://github.com/dsphper/lanhu-mcp 项目" ``` 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 📖 参考文档：[AI 安装指南](ai-install-guide.md) • [Cookie 获取教程](GET-COOKIE-TUTORIAL.md) --- ### 方式二：手动安装（强烈不推荐！） **2.1 Docker 部署（推荐）** 优点：环境隔离、一键部署、易于管理 ```bash # 1. 克隆项目 git clone https://github.com/dsphper/lanhu-mcp.git cd lanhu-mcp # 2. 配置环境（会引导你输入 Cookie） bash setup-env.sh # Linux/Mac # 或 setup-env.bat # Windows # 3. 启动服务 docker-compose up -d ``` > 💡 `setup-env.sh` 会交互式引导你获取并配置蓝湖 Cookie，自动生成 `.env` 文件 📖 详细文档：[Docker 部署指南](DEPLOY.md) **2.2 源码运行** 前置要求：Python 3.10+ ```bash # 1. 克隆项目 git clone https://github.com/dsphper/lanhu-mcp.git cd lanhu-mcp # 2. 一键安装（推荐，会引导你配置 Cookie） bash easy-install.sh # Linux/Mac # 或 easy-install.bat # Windows ``` > 💡 `easy-install.sh` 会自动安装依赖、引导获取 Cookie 并配置环境

或者手动安装（不推荐）

```bash # 安装依赖 pip install -r requirements.txt playwright install chromium # 手动配置（见下方"配置"部分） ```

### 配置（源码运行需要） 1. **设置蓝湖 Cookie**（必需） ```bash export LANHU_COOKIE="your_lanhu_cookie_here" ``` > 💡 获取 Cookie：登录蓝湖网页版，打开浏览器开发者工具，从请求头中复制 Cookie 2. **配置飞书机器人**（可选） **方式一：环境变量（推荐，支持 Docker）** ```bash export FEISHU_WEBHOOK_URL="https://open.feishu.cn/open-apis/bot/v2/hook/your-webhook-url" ``` **方式二：修改代码** 在 `lanhu_mcp_server.py` 中修改： ```python DEFAULT_FEISHU_WEBHOOK = "https://open.feishu.cn/open-apis/bot/v2/hook/your-webhook-url" ``` 3. **配置用户信息映射**（可选）更新 `FEISHU_USER_ID_MAP` 字典以支持 @提醒功能。 4. **其他环境变量**（可选） ```bash # 服务器配置 export SERVER_HOST="0.0.0.0" # 服务器监听地址 export SERVER_PORT=8000 # 服务器端口 # 数据存储 export DATA_DIR="./data" # 数据存储目录 # 性能调优 export HTTP_TIMEOUT=30 # HTTP请求超时时间（秒） export VIEWPORT_WIDTH=1920 # 浏览器视口宽度 export VIEWPORT_HEIGHT=1080 # 浏览器视口高度 # 调试选项 export DEBUG="false" # 调试模式（true/false） ``` > 📝 完整环境变量说明请参考 `config.example.env` 文件 ### 运行服务 **源码运行：** ```bash python lanhu_mcp_server.py ``` **Docker 运行：** ```bash docker-compose up -d # 启动 docker-compose logs -f # 查看日志 docker-compose down # 停止 ``` 服务器将在 `http://localhost:8000/mcp` 启动 ### 连接到 AI 客户端在支持 MCP 的 AI 客户端（如 Claude Code、Cursor、Windsurf）中配置： **Cursor 配置示例：** ```json { "mcpServers": { "lanhu": { "url": "http://localhost:8000/mcp?role=Developer&name=YourName" } } } ``` > 📌 URL 参数说明： > - `role`: 用户角色（Developer/Frontend/Backend/Tester/Product 等） > - `name`: 用户姓名（用于协作追踪和 @提醒） > - ⚠️ **注意**：部分 AI 开发工具不支持 URL 中使用中文参数值，建议使用英文 ## 🎯 团队留言板：突破 AI 协作的最后一公里 ### 为什么需要团队留言板？在 AI 编程时代，每个开发者都有自己的 AI 助手（Cursor、Windsurf、Claude Code）。但这带来了一个**严重的问题**： ``` 🤔 痛点场景： ┌─────────────────────────────────────────────┐ │ 后端小王的 AI： │ │ "我已经分析完登录接口的需求，字段校验规则 │ │ 都很清楚了，开始写代码..." │ └─────────────────────────────────────────────┘ ❌ 上下文断层 ┌─────────────────────────────────────────────┐ │ 测试小李的 AI： │ │ "什么？登录接口？让我重新看一遍需求文档... │ │ 这些字段规则是什么意思？边界值怎么测？" │ └─────────────────────────────────────────────┘ ``` **每个 AI 都在重复工作，无法复用其他 AI 的分析成果！** ### 团队留言板如何解决？ **设计理念：让所有 AI 助手连接同一个"大脑"** ``` ┌─────────────────────────────┐ │ Lanhu MCP Server │ │ (统一知识中枢) │ │ │ │ 📊 需求分析结果 │ │ 🐛 开发踩坑记录 │ │ 📋 测试用例模板 │ │ 💡 技术决策文档 │ └──────────┬──────────────────┘ │ ┌────────────┼────────────┐ │ │ │ ┌────▼───┐ ┌───▼────┐ ┌──▼─────┐ │后端 AI │ │前端 AI │ │测试 AI │ │(小王) │ │(小张) │ │(小李) │ └────────┘ └────────┘ └────────┘ Cursor Windsurf Claude ``` ### 核心使用场景 #### 场景 1：需求分析结果共享 **后端 AI（小王）分析完需求后：** ``` @测试小李 @前端小张我已经分析完"用户登录"需求，关键信息： - 手机号必填，11位数字 - 密码6-20位，必须包含字母+数字 - 验证码4位纯数字，5分钟有效 - 错误3次锁定30分钟 [消息类型：knowledge] ``` **测试 AI（小李）查询时：** ``` AI: 查询所有关于"登录"的知识库消息 → 立即获取小王 AI 的分析结果，无需重新看需求！ ``` #### 场景 2：开发踩坑记录 **后端 AI（小王）遇到坑：** ``` 【知识库】Redis连接超时问题已解决问题：生产环境 Redis 频繁超时原因：连接池配置不当，maxIdle 设置过小解决：调整为 maxTotal=20, maxIdle=10 [消息类型：knowledge] ``` **其他开发 AI 遇到相同问题：** ``` AI: 搜索"Redis 超时"相关的知识库 → 找到解决方案，避免重复踩坑！ ``` #### 场景 3：跨角色任务协作 **产品 AI 发起查询任务：** ``` @后端小王请帮我查一下数据库中 user 表有多少条测试数据？ [消息类型：task] // ⚠️ 安全限制：只能查询，不能修改 ``` **后端 AI（小王）看到通知：** ``` AI: 有人 @我了，查看详情 → 执行 SELECT COUNT(*) FROM user WHERE status='test' → 回复留言：共有 1234 条测试数据 ``` #### 场景 4：紧急问题广播 **运维 AI 发现生产问题：** ``` 🚨 紧急：生产环境支付接口异常，请立即排查！时间：2026-01-15 14:30 现象：支付成功率从 99% 降至 60% 影响：约 200 笔订单受影响 @所有人 [消息类型：urgent] → 自动发送飞书通知给所有人 ``` ### 消息类型设计 | 类型 | 用途 | 搜索策略 | 生命周期 | |------|------|----------|----------| | 📢 **normal** | 普通通知 | 按时间衰减 | 7天后归档 | | 📋 **task** | 查询任务（安全限制：只读） | 完成后归档 | 任务生命周期 | | ❓ **question** | 需要回答的问题 | 未回答置顶 | 解答后归档 | | 🚨 **urgent** | 紧急通知 | 强制推送 | 24小时后降级 | | 💡 **knowledge** | **知识库（核心）** | **永久可搜索** | **永久保存** | ### 安全机制 **任务类型（task）的安全限制：** ```python ✅ 允许的查询操作： - 查询代码位置、代码逻辑 - 查询数据库表结构、数据 - 查询测试方法、覆盖率 - 查询 TODO、注释 ❌ 禁止的危险操作： - 修改代码 - 删除文件 - 执行命令 - 提交代码 ``` ### 搜索和过滤 **智能搜索（防止上下文溢出）：** ```python # 场景 1：查询所有测试相关的知识库 lanhu_say_list( url='all', # 全局搜索 filter_type='knowledge', search_regex='测试|test|单元测试', limit=20 ) # 场景 2：查询某个项目的紧急消息 lanhu_say_list( url='项目URL', filter_type='urgent', limit=10 ) # 场景 3：查找未解决的问题 lanhu_say_list( url='all', filter_type='question', search_regex='待解决|pending' ) ``` ### 协作者追踪 **自动记录团队成员访问历史：** ```python lanhu_get_members(url='项目URL') 返回结果： { "collaborators": [ { "name": "小王", "role": "后端", "first_seen": "2026-01-10 09:00:00", "last_seen": "2026-01-15 16:30:00" }, { "name": "小李", "role": "测试", "first_seen": "2026-01-12 10:00:00", "last_seen": "2026-01-15 14:00:00" } ] } 💡 用途： - 了解哪些同事的 AI 看过这个需求 - 发现潜在的协作伙伴 - 团队透明化 ``` ### 飞书通知集成 **打通 AI 协作与人工沟通：** ```python # AI 自动发送飞书通知（当 @某人时） lanhu_say( url='项目URL', summary='需要你帮忙review代码', content='登录模块的密码加密逻辑，麻烦看一下', mentions=['小王', '小张'] # 必须是真实姓名 ) # 飞书群收到： ┌──────────────────────────────────┐ │ 📢 蓝湖协作通知 │ │ │ │ 👤 发布者：小李（测试） │ │ 📨 提醒：@小王 @小张 │ │ 🏷️ 类型：normal │ │ 📁 项目：用户中心改版 │ │ 📄 文档：登录注册模块 │ │ │ │ 📝 内容： │ │ 登录模块的密码加密逻辑，麻烦看一下 │ │ │ │ 🔗 查看需求文档 │ └──────────────────────────────────┘ ``` ### 技术优势 1. **零学习成本**：AI 自动处理，开发者只需自然对话 2. **实时同步**：所有 AI 助手连接同一数据源 3. **全局搜索**：跨项目查询知识库 4. **版本关联**：留言自动关联文档版本号 5. **元数据完整**：自动记录项目、文档、作者等10个标准字段 6. **智能过滤**：支持正则搜索、类型筛选、数量限制（防止 token 溢出） --- ## 📖 使用指南 ### 需求文档分析工作流 **1. 获取页面列表** ``` 请帮我看看这个需求文档： https://lanhuapp.com/web/#/item/project/product?tid=xxx&pid=xxx&docId=xxx ``` **2. AI 自动执行四阶段分析** - ✅ STAGE 1: 全局文本扫描，建立整体认知 - ✅ STAGE 2: 分组详细分析（根据选择的模式） - ✅ STAGE 3: 反向验证，确保零遗漏 - ✅ STAGE 4: 生成交付文档（需求文档/测试计划/评审PPT） **3. 获取交付物** - 开发视角：详细需求文档 + 全局业务流程图 - 测试视角：测试计划 + 测试用例清单 + 字段校验表 - 快速探索：评审文档 + 模块依赖图 + 讨论要点 ### UI 设计稿查看 ``` 请帮我看看这个设计稿： https://lanhuapp.com/web/#/item/project/stage?tid=xxx&pid=xxx ``` 分析结果包含设计图预览、详细参数（尺寸/间距/颜色/字体等）以及转换后的 HTML+CSS 代码，便于还原实现。 ### 切图下载 ``` 帮我下载"首页设计"的所有切图 ``` AI 会自动： 1. 检测项目类型（React/Vue/Flutter 等） 2. 选择合适的输出目录 3. 生成语义化文件名 4. 批量下载切图 ### 团队留言 **发布留言：** ``` @张三 @李四这个登录页面的密码校验规则需要确认一下 ``` **查看留言：** ``` 查看所有 @我的消息 ``` **筛选查询：** ``` 查看所有关于"测试"的知识库类型留言 ``` ## 🛠️ 可用工具列表 | 工具名称 | 功能描述 | 使用场景 | |---------|---------|---------| | `lanhu_resolve_invite_link` | 解析邀请链接 | 用户提供分享链接时 | | `lanhu_get_pages` | 获取原型页面列表 | 分析需求文档前必调用 | | `lanhu_get_ai_analyze_page_result` | 分析原型页面内容 | 提取需求细节 | | `lanhu_get_designs` | 获取UI设计图列表 | 查看设计稿前必调用 | | `lanhu_get_ai_analyze_design_result` | 分析UI设计图 | 查看设计稿 | | `lanhu_get_design_slices` | 获取切图信息 | 下载图标、素材 | | `lanhu_say` | 发布留言 | 团队协作、@提醒 | | `lanhu_say_list` | 查看留言列表 | 查询历史消息 | | `lanhu_say_detail` | 查看留言详情 | 查看完整内容 | | `lanhu_say_edit` | 编辑留言 | 修改已发布消息 | | `lanhu_say_delete` | 删除留言 | 移除消息 | | `lanhu_get_members` | 查看协作者 | 查看团队成员 | ## 🏗️ 系统架构 ``` ┌─────────────────────────────────────────────────────────────────┐ │ AI 客户端层 │ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐ │ │ │ Cursor │ │ Windsurf │ │ Claude │ │ ... │ │ │ └────┬─────┘ └────┬─────┘ └────┬─────┘ └────┬─────┘ │ │ │ │ │ │ │ │ └─────────────┴──────────────┴─────────────┘ │ └───────────────────────────┬─────────────────────────────────────┘ │ MCP Protocol (HTTP) │ ┌───────────────────────────▼─────────────────────────────────────┐ │ Lanhu MCP Server │ │ │ │ ┌────────────────────────────────────────────────────────┐ │ │ │ FastMCP 服务框架 │ │ │ │ ┌──────────┐ ┌──────────┐ ┌───────────────────┐ │ │ │ │ │ Tool API │ │ Resource │ │ Context Provider │ │ │ │ │ └────┬─────┘ └────┬─────┘ └─────────┬─────────┘ │ │ │ └───────┼─────────────┼──────────────────┼─────────────┘ │ │ │ │ │ │ │ ┌───────▼─────────────▼──────────────────▼─────────────┐ │ │ │ 核心业务逻辑层 │ │ │ │ │ │ │ │ ┌─────────────────┐ ┌──────────────────────────┐ │ │ │ │ │ 需求文档分析 │ │ 团队协作留言板 │ │ │ │ │ │ │ │ │ │ │ │ │ │ • 页面提取 │ │ • 消息存储管理 │ │ │ │ │ │ • 内容分析 │ │ • 类型分类(5种) │ │ │ │ │ │ • 智能缓存 │ │ • @提醒功能 │ │ │ │ │ │ • 三种模式 │ │ • 搜索筛选 │ │ │ │ │ └────────┬────────┘ └──────────┬───────────────┘ │ │ │ │ │ │ │ │ │ │ ┌────────▼──────────┐ ┌───────▼──────────────┐ │ │ │ │ │ UI设计支持 │ │ 协作者追踪 │ │ │ │ │ │ │ │ │ │ │ │ │ │ • 设计图下载 │ │ • 访问记录 │ │ │ │ │ │ • 切图提取 │ │ • 团队透明 │ │ │ │ │ │ • 智能命名 │ │ • 元数据关联 │ │ │ │ │ └───────────────────┘ └──────────────────────┘ │ │ │ └──────────────────────────────────────────────────────┘ │ │ │ │ ┌────────────────────────────────────────────────────────┐ │ │ │ 数据存储层 │ │ │ │ ┌─────────────┐ ┌─────────────┐ ┌──────────────┐ │ │ │ │ │ 留言数据 │ │ 资源缓存 │ │ 截图缓存 │ │ │ │ │ │ (JSON) │ │ (Files) │ │ (PNG) │ │ │ │ │ └─────────────┘ └─────────────┘ └──────────────┘ │ │ │ └────────────────────────────────────────────────────────┘ │ └────────────────┬─────────────────────┬────────────────────────┘ │ │ │ │ 飞书通知 │ ▼ │ ┌─────────────────┐ │ │ Feishu Webhook │ │ └─────────────────┘ │ │ HTTP/JSON API ▼ ┌─────────────────────────────────────────────────────────────────┐ │ 蓝湖平台 API │ │ ┌──────────────┐ ┌──────────────┐ ┌──────────────────────┐ │ │ │ 文档元数据 │ │ Axure资源 │ │ UI设计图&切图 │ │ │ └──────────────┘ └──────────────┘ └──────────────────────┘ │ └─────────────────────────────────────────────────────────────────┘ ``` ### 数据流图 ``` 用户请求 → AI客户端 → MCP协议 ↓ Tool调用 ↓ ┌─────────┴─────────┐ │ │ 检查缓存提取元数据 │ │ 命中？关联版本号 │ │ 是/否记录协作者 │ │ ├─是→返回缓存 │ │ │ └─否→调用蓝湖API ←──┘ ↓ 下载资源 ↓ 处理转换 ↓ 保存缓存 ↓ 返回结果 ↓ AI客户端展示 ``` ## 📁 项目结构 ``` lanhu-mcp-server/ ├── lanhu_mcp_server.py # 主服务器文件（3800+ 行） ├── requirements.txt # Python 依赖 ├── Dockerfile # Docker 镜像 ├── docker-compose.yml # Docker Compose 配置 ├── config.example.env # 配置文件示例 ├── quickstart.sh # Linux/Mac 快速启动脚本 ├── quickstart.bat # Windows 快速启动脚本 ├── .gitignore # Git 忽略文件 ├── LICENSE # MIT 许可证 ├── README.md # 中文文档（本文件） ├── README_EN.md # 英文文档 ├── CONTRIBUTING.md # 贡献指南 ├── CHANGELOG.md # 更新日志 ├── data/ # 数据存储目录（自动创建） │ ├── messages/ # 留言数据（JSON文件） │ │ └── {project_id}.json # 每个项目一个文件 │ ├── axure_extract_*/ # Axure 资源缓存 │ │ ├── *.html # 页面HTML │ │ ├── data/ # Axure数据文件 │ │ ├── resources/ # CSS/JS资源 │ │ ├── images/ # 图片资源 │ │ └── .lanhu_cache.json # 缓存元数据 │ └── lanhu_designs/ # 设计稿缓存 │ └── {project_id}/ # 按项目分类 └── logs/ # 日志文件（自动创建） └── *.log # 运行日志 ``` ## 🔧 高级配置 ### 自定义角色映射在代码中修改 `ROLE_MAPPING_RULES` 以支持更多角色： ```python ROLE_MAPPING_RULES = [ (["后端", "backend", "server"], "后端"), (["前端", "frontend", "web"], "前端"), # 添加更多规则... ] ``` ### 缓存控制缓存目录由环境变量 `DATA_DIR` 控制： ```bash export DATA_DIR="/path/to/cache" ``` ### 飞书通知定制在 `send_feishu_notification()` 函数中定制消息格式和样式。 ## 🤖 AI 助手集成本项目专为 AI 助手设计，内置"二狗"（ErGou）助手人格： - 🎯 **专业分析**：自动识别文档类型和最佳分析模式 - 📋 **TODO驱动**：基于任务清单的系统化工作流 - 🗣️ **中文交互**：专业的中文对话体验 - ✨ **自动化服务**：无需手动操作，AI 自动完成全流程 - 🔍 **细致严谨**：专注于准确性和质量，提供高质量技术分析 - 📝 **代码质量**：遵循严格的代码标准，避免AI生成代码的常见问题 ## 📊 性能指标 - ⚡ 页面截图：~2秒/页（带缓存） - 💾 资源下载：支持断点续传和增量更新 - 🔄 缓存命中：基于版本号的永久缓存 - 📦 批量处理：支持并发下载和分析 ## 🐛 常见问题

Q: Cookie 过期怎么办？

A: 重新登录蓝湖网页版，获取新的 Cookie 并更新环境变量或配置文件。

Q: 截图失败或显示空白？

A: 确保系统已安装 Playwright 浏览器： ```bash playwright install chromium ```

Q: 飞书通知发送失败？

A: 检查： 1. Webhook URL 是否正确 2. 飞书机器人是否已添加到群组 3. 用户 ID 映射是否正确配置

Q: 如何清理缓存？

A: 删除 `data/` 目录下的对应缓存文件即可。系统会自动重新下载。

## 🔒 安全说明 - ⚠️ **Cookie 安全**：请勿将含有 Cookie 的配置文件提交到公开仓库 - 🔐 **访问控制**：建议在内网环境部署或配置防火墙规则 - 📝 **数据隐私**：留言数据存储在本地，请妥善保管 ## 🤝 贡献指南欢迎贡献代码！请遵循以下步骤： 1. Fork 本仓库 2. 创建特性分支 (`git checkout -b feature/AmazingFeature`) 3. 提交更改 (`git commit -m 'Add some AmazingFeature'`) 4. 推送到分支 (`git push origin feature/AmazingFeature`) 5. 开启 Pull Request ### 开发指南 ```bash # 安装开发依赖 pip install -r requirements.txt # 运行测试 python -m pytest tests/ # 代码格式化 black lanhu_mcp_server.py ``` ## 📄 许可证本项目采用 MIT 许可证 - 查看 [LICENSE](LICENSE) 文件了解详情。 ## 🙏 致谢 ### 开源项目 - [FastMCP](https://github.com/jlowin/fastmcp) - 优秀的 MCP 服务器框架 - [Playwright](https://playwright.dev/) - 可靠的浏览器自动化工具 - [BeautifulSoup](https://www.crummy.com/software/BeautifulSoup/) - HTML 解析利器 - [HTTPx](https://www.python-httpx.org/) - 现代化的异步 HTTP 客户端 ### 服务平台 - [蓝湖](https://lanhuapp.com/) - 提供优质的设计协作平台 - [飞书](https://www.feishu.cn/) - 提供企业协作和机器人通知 ### 贡献者感谢所有为这个项目做出贡献的开发者！ ### 特别感谢 - 所有提交 Issue 和 PR 的贡献者 - 所有在生产环境使用并提供反馈的团队 - 所有帮助改进文档的朋友 ## 📮 联系方式 - 提交 Issue: [GitHub Issues](https://github.com/dsphper/lanhu-mcp/issues) - 邮件: dsphper@gmail.com

微信群二维码

## 🗺️ 路线图 - [ ] 支持更多设计平台（Figma、Sketch） - [ ] Web 管理界面 - [ ] 更多分析维度（前后端工时估算、技术栈推荐） - [ ] 支持企业级权限管理 - [ ] API 文档自动生成 - [ ] 国际化支持 ---

如果这个项目对你有帮助，请给它一个 ⭐️

Made with ❤️ by the Lanhu MCP Team

--- ## Star History [![Star History Chart](https://api.star-history.com/svg?repos=dsphper/lanhu-mcp&type=date&legend=top-left)](https://www.star-history.com/#dsphper/lanhu-mcp&type=date&legend=top-left) --- ## 🏷️ 标签 Tags `lanhumcp` `蓝湖mcp` `lanhu-mcp` `蓝湖AI` `lanhu-ai` `mcp-server` `cursor-plugin` `windsurf-integration` `claude-integration` `openclaw-integration` `clawbot-integration` `axure-automation` `requirement-analysis` `design-collaboration` `ai-development-tools` `model-context-protocol` `蓝湖插件` `蓝湖API` `OpenClaw` `ClawBot` `AI助手` `AI编程` `智能协作` `AI需求分析` `设计协作` `前端开发工具` `后端开发工具` --- ## 🔍 常见搜索问题 FAQ Search - **如何让 Cursor AI 读取蓝湖需求文档？** → 使用 Lanhu MCP Server - **Windsurf 怎么连接蓝湖？** → 配置本 MCP 服务器 - **Claude Code 如何分析 Axure 原型？** → 通过 Lanhu MCP 集成 - **OpenClaw 如何连接蓝湖？** → 直接配置 Lanhu MCP Server - **ClawBot 怎么读取蓝湖设计稿？** → 本 MCP 服务器已原生支持 - **蓝湖有 API 吗？** → 本项目提供 MCP 协议接口 - **如何自动提取蓝湖切图？** → 使用本项目的切图工具 - **AI 如何自动生成测试用例？** → 使用测试分析模式 - **How to integrate Lanhu with Cursor?** → Install Lanhu MCP Server - **Lanhu API for AI tools?** → Use this MCP server - **OpenClaw Lanhu integration?** → Supported out of box - **ClawBot design collaboration?** → Use Lanhu MCP Server - **Automated Axure analysis?** → Use this project ## 🔍 SEO 关键词索引 **中文关键词**: 蓝湖mcp | lanhumcp | 蓝湖AI | 蓝湖插件 | 蓝湖API | 蓝湖Cursor | 蓝湖Windsurf | 蓝湖Claude | 蓝湖OpenClaw | 蓝湖ClawBot | OpenClaw | ClawBot | OpenClaw集成 | ClawBot集成 | AI助手 | 蓝湖需求文档 | 蓝湖Axure | 蓝湖切图 | 蓝湖设计稿 | AI需求分析 | AI测试用例 | MCP服务器 | 模型上下文协议 **English Keywords**: lanhu mcp | lanhu-mcp | lanhu ai | lanhu cursor | lanhu windsurf | lanhu claude | lanhu api | lanhu integration | lanhu openclaw | lanhu clawbot | openclaw mcp | clawbot mcp | mcp server | model context protocol | axure automation | design collaboration | requirement analysis | ai development tools **适用人群**: 产品经理 | 前端开发 | 后端开发 | 测试工程师 | UI设计师 | 使用Cursor的开发者 | 使用Windsurf的开发者 | 使用Claude的开发者 | AI编程爱好者 --- ## ⚠️ 免责声明本项目（Lanhu MCP Server）是一个**第三方开源项目**，由社区开发者独立开发和维护，**并非蓝湖（Lanhu）官方产品**。 **重要说明：** - 本项目与蓝湖公司无任何官方关联或合作关系 - 本项目通过公开的网页接口与蓝湖平台交互，不涉及任何未授权访问 - 使用本项目需要您拥有合法的蓝湖账号和访问权限 - 请遵守蓝湖平台的服务条款和使用政策 - 本项目仅供学习和研究使用，使用者需自行承担使用风险 - 开发者不对因使用本项目导致的任何数据丢失、账号问题或其他损失承担责任 **数据和隐私：** - 本项目在本地处理和缓存数据，不会向第三方服务器传输您的数据 - 您的蓝湖 Cookie 和项目数据仅存储在您的本地环境中 - 请妥善保管您的凭证信息，不要分享给他人 **开源协议：** - 本项目采用 MIT 开源协议，按"原样"提供，不提供任何形式的保证 - 详见 [LICENSE](LICENSE) 文件如有任何疑问或建议，欢迎通过 [GitHub Issues](https://github.com/dsphper/lanhu-mcp/issues) 与我们交流。

Lanhu Mcp

Install

Lanhu Mcp

Install