lanhu-context-mcp
Converts Lanhu design URLs into AI-ready implementation context including HTML+CSS (Tailwind), image downloads, design tokens, and guidance.
README
lanhu-context-mcp
简体中文 | English
✨ 把蓝湖设计稿整理成可直接交给 AI 落地实现的上下文。
Features
- 🎨 支持输出
HTML+CSS或HTML+Tailwind,可以按项目技术栈选择更合适的形态 - 🖼️ 返回切图资源映射和下载命令,减少手动逐个处理图片资源的步骤
- 🧱 补充
Design Tokens和设计预览图,方便下游模型继续实现和视觉校验 - 🧭 附带面向下游 AI 的实现指引,明确优先级、适配方式和约束条件
- ⚙️ 支持通过 CLI 参数和环境变量配置
Tailwind输出、跳过切图、单位缩放和提示语言
文档
完整文档请访问 lanhu.refineup.com。
快速开始
环境要求
- Node.js
^20.19.0 || >=22.12.0
设计稿转码
- 设计稿需要先开启转码功能,然后上传到蓝湖
Step 1. 准备环境变量
先创建一个 .env.local 文件。
你需要一个可用的蓝湖登录 Token,可参考 获取蓝湖 Token。
LANHU_TOKEN=your_lanhu_token_here
Step 2. 配置 MCP
把下面对应客户端的 MCP 配置写入对应文件:
Codex(.codex/config.toml)
[mcp_servers.lanhu-context-mcp]
cwd = "/absolute/path/to/current-project"
command = "npx"
args = ["-y", "lanhu-context-mcp"]
Claude Code(.mcp.json) / Cursor(.cursor/mcp.json)
{
"mcpServers": {
"lanhu-context-mcp": {
"command": "npx",
"args": ["-y", "lanhu-context-mcp"]
}
}
}
Codex 的 MCP 配置比较特殊,需要额外设置 cwd,并把它填写为当前项目的绝对路径。由于这个路径通常因人而异,通常不建议把 .codex/config.toml 提交到 Git,建议做好 Git 排除并由每位开发者在本地自行维护。
Windows
如果在 Windows 下直接使用上面的 npx 配置启动失败,可以改用下面的写法:
Codex(WSL2)
[mcp_servers.lanhu-context-mcp]
cwd = "/absolute/path/to/current-project"
command = "npx"
args = ["-y", "lanhu-context-mcp"]
Codex(原生)
[mcp_servers.lanhu-context-mcp]
cwd = "C:\\absolute\\path\\to\\current-project"
command = "C:\\Program Files\\nodejs\\npx.cmd"
args = ["-y", "lanhu-context-mcp"]
[mcp_servers.lanhu-context-mcp.env]
APPDATA = "C:\\Users\\{your-name}\\AppData\\Roaming"
LOCALAPPDATA = "C:\\Users\\{your-name}\\AppData\\Local"
USERPROFILE = "C:\\Users\\{your-name}"
HOME = "C:\\Users\\{your-name}"
SYSTEMROOT = "C:\\Windows"
COMSPEC = "C:\\Windows\\System32\\cmd.exe"
Claude Code(.mcp.json) / Cursor(.cursor/mcp.json)
{
"mcpServers": {
"lanhu-context-mcp": {
"command": "cmd",
"args": ["/c", "npx", "-y", "lanhu-context-mcp"]
}
}
}
Codex 原生 fallback 参考:
openai/codex#2555
Step 3. 安装 Lanhu Helper 谷歌浏览器插件
安装 Lanhu Helper 后,可以直接从蓝湖右键复制选中图层链接或示例提示词。
Step 4. 将蓝湖链接和提示词发给 AI
请根据这个蓝湖设计稿实现
@https://lanhuapp.com/web/#/item/project/detailDetach?tid={tid}&pid={pid}&project_id={project_id}&image_id={image_id}
https://lanhuapp.com/web/#/item/project/detailDetach?tid={tid}&pid={pid}&project_id={project_id}&image_id={image_id}
提示词可以按你的想法来写,但蓝湖 URL 必须确保完整且正确,否则无法正常调用 Tool。
生态
Lanhu Helper — 配套的蓝湖 Chrome 浏览器扩展,可以从蓝湖右键复制选中图层链接和示例提示词
License
Copyright (c) 2026-present, REFINIST
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。
VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。