Which integrations are available for this server?

Allows OpenAI models (e.g., GPT) to directly access Lanhu design documents and prototypes.

Lanhu MCP Server

by dsphper

Overview Schema Related Servers Score Discussions

Python

Hybrid

🎨 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

License: MIT Python 3.10+ MCP FastMCP PRs Welcome GitHub Stars GitHub Issues GitHub Release Code of Conduct

English | 简体中文

快速开始 • 功能特性 • 使用文档 • 贡献指南

🌟 项目亮点

一个功能强大的 Model Context Protocol (MCP) 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

Related MCP server: Lanhu MCP Server

📑 目录

✨ 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 • Cookie 获取教程

方式二：手动安装

2.1 Docker 部署（推荐）

优点：环境隔离、一键部署、易于管理

# 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

2.2 源码运行

前置要求：Python 3.10+

# 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

# 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）

设置蓝湖 Cookie（必需）

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

配置飞书机器人（可选）

方式一：环境变量（推荐，支持 Docker）

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：

DEFAULT_FEISHU_WEBHOOK = "https://open.feishu.cn/open-apis/bot/v2/hook/your-webhook-url"

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。

其他环境变量（可选）

# 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：

python lanhu_mcp_server.py

按需启动（stdio，本地 MCP 客户端推荐）：

./run-stdio.sh

run-stdio.sh 会自动进入项目目录、读取 .env，并以 stdio 方式启动 MCP 服务。适合 Cursor、Claude Code 等支持 command / args 配置的客户端按需拉起服务，无需手动常驻启动 HTTP 服务。

Docker 运行：

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：

Claude Code 配置示例：

{
  "mcpServers": {
    "lanhu": {
      "type": "http",
      "url": "http://localhost:8000/mcp?role=Developer&name=YourName"
    }
  }
}

Cursor / Windsurf 等其他客户端配置示例：

{
  "mcpServers": {
    "lanhu": {
      "url": "http://localhost:8000/mcp?role=Developer&name=YourName"
    }
  }
}

按需启动配置示例（无需提前启动服务）：

{
  "mcpServers": {
    "lanhu": {
      "command": "/bin/bash",
      "args": [
        "<ABSOLUTE_PATH_TO_LANHU_MCP>/run-stdio.sh"
      ],
      "env": {
        "LANHU_USER_NAME": "YourName",
        "LANHU_USER_ROLE": "Developer"
      }
    }
  }
}

请将 <ABSOLUTE_PATH_TO_LANHU_MCP> 替换为本机 lanhu-mcp 项目的绝对路径；macOS/Linux 下可在项目目录执行 pwd 获取。

📌 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

📌 stdio 环境变量说明：
LANHU_USER_ROLE: 用户角色（Developer/Frontend/Backend/Tester/Product 等）
LANHU_USER_NAME: 用户姓名（用于协作追踪和 @提醒）

🎯 提升 UI 还原度

开启蓝湖的设计稿转代码功能可以显著提升 UI 还原度。如果遇到提示无法转换的问题，需要让 UI 设计师升级蓝湖插件版本后重新上传设计稿。

✨保持关注

给我们点个 Star，你将能第一时间从 GitHub 收到所有新版本的发布通知！

📖 使用指南

需求文档分析工作流

1. 获取页面列表

请帮我用mcp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

请帮我用mcp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

帮我用mcp下载"首页设计"的所有切图

AI 会自动：

检测项目类型（React/Vue/Flutter 等）
选择合适的输出目录
生成语义化文件名
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

🎯 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：

✅ 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）：

# 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：

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：

# 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

零学习成本：AI 自动处理，开发者只需自然对话
实时同步：所有 AI 助手连接同一数据源
全局搜索：跨项目查询知识库
版本关联：留言自动关联文档版本号
元数据完整：自动记录项目、文档、作者等10个标准字段
智能过滤：支持正则搜索、类型筛选、数量限制（防止 token 溢出）

🏗️ 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：

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：

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

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。

A: 确保系统已安装 Playwright 浏览器：

playwright install chromium

A: 检查：

Webhook URL 是否正确
飞书机器人是否已添加到群组
用户 ID 映射是否正确配置

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：

Fork 本仓库
创建特性分支 (git checkout -b feature/AmazingFeature)
提交更改 (git commit -m 'Add some AmazingFeature')
推送到分支 (git push origin feature/AmazingFeature)
开启 Pull Request

开发指南

# 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 文件了解详情。

🙏 致谢

开源项目

FastMCP - 优秀的 MCP 服务器框架
Playwright - 可靠的浏览器自动化工具
BeautifulSoup - HTML 解析利器
HTTPx - 现代化的异步 HTTP 客户端

服务平台

蓝湖 - 提供优质的设计协作平台
飞书 - 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
邮件: dsphper@gmail.com

🗺️ 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

Star History

🏷️ 标签 Tags

lanhumcp 蓝湖mcp lanhu-mcp 蓝湖AI 蓝湖skills lanhu-skills cursor-skills agent-skills 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

⚠️ 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 文件

如有任何疑问或建议，欢迎通过 GitHub Issues 与我们交流。

This server cannot be installed

license - permissive license

quality - not tested

maintenance

How are these scores calculated?

Maintenance

–Maintainers

19hResponse time

2wRelease cycle

8Releases (12mo)

Commit activity

Issues opened vs closed

Resources

GitHub Repository

Need Help?

Related Servers

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Latest Blog Posts

Your AI Chatbot Just Exposed Your CEO's Salary to an Intern
By Om-Shree-0709 on July 2, 2026.
Agent Identity
MCP Security
OAuth Delegation
Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)
By Om-Shree-0709 on June 30, 2026.
Agentic Ai
Prompt Injection
WebAssembly
Lightport: Open-Sourcing Glama's AI Gateway
By punkpeye on April 27, 2026.
OpenAI
open source

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/dsphper/lanhu-mcp'

If you have feedback or need assistance with the MCP directory API, please join our Discord server