lanhu-context-mcp
lanhu-context-mcp
Vereinfachtes Chinesisch | Englisch
✨ Bereitet Lanhu-Designentwürfe als Kontext auf, damit eine KI den Code zur Wiederherstellung der Seite generieren kann.
Funktionen
🎨 Unterstützt die Ausgabe von
HTML+CSSoderHTML+Tailwind, wählbar je nach Technologie-Stack des Projekts🖼️ Gibt eine Zuordnung der Bildressourcen und Download-Befehle zurück, um manuelle Schritte bei der Verarbeitung einzelner Bildressourcen zu reduzieren
🧱 Ergänzt
Design Tokensund Design-Vorschaubilder, um nachgelagerten Modellen die Implementierung und visuelle Überprüfung zu erleichtern🧭 Enthält Implementierungsrichtlinien für nachgelagerte KIs, die Prioritäten, Anpassungsmethoden und Einschränkungen festlegen
⚙️ Unterstützt die Konfiguration von
Tailwind-Ausgabe, Überspringen von Bild-Downloads, Einheitenskalierung und Eingabeaufforderungssprache über CLI-Parameter und Umgebungsvariablen
Related MCP server: componentize
Dokumentation
Die vollständige Dokumentation finden Sie unter lanhu.refineup.com.
Schnellstart
Systemanforderungen
Node.js
^20.19.0 || >=22.12.0
Design-Transkodierung
Die Transkodierungsfunktion muss für den Designentwurf aktiviert sein, bevor er auf Lanhu hochgeladen wird.
Schritt 1. Umgebungsvariablen vorbereiten
Erstellen Sie zuerst eine .env.local-Datei.
Sie benötigen ein gültiges Lanhu-Anmelde-Token. Weitere Informationen finden Sie unter Lanhu-Token abrufen.
LANHU_TOKEN=your_lanhu_token_hereSchritt 2. MCP konfigurieren
Tragen Sie die MCP-Konfiguration für den entsprechenden Client in die jeweilige Datei ein:
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"]
}
}
}Die MCP-Konfiguration für Codex ist etwas speziell; sie erfordert ein zusätzliches cwd, das als absoluter Pfad zum aktuellen Projekt angegeben werden muss. Da dieser Pfad normalerweise individuell ist, wird davon abgeraten, die .codex/config.toml in Git zu committen. Es wird empfohlen, sie in Git auszuschließen und von jedem Entwickler lokal zu verwalten.
Windows
Falls der Start mit der oben genannten npx-Konfiguration unter Windows fehlschlägt, können Sie die folgende Schreibweise verwenden:
Codex (WSL2)
[mcp_servers.lanhu-context-mcp]
cwd = "/absolute/path/to/current-project"
command = "npx"
args = ["-y", "lanhu-context-mcp"]Codex (nativ)
[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"]
}
}
}Referenz für Codex native Fallback:
openai/codex#2555
Schritt 3. Lanhu Helper Google Chrome-Erweiterung installieren
Nach der Installation von Lanhu Helper können Sie per Rechtsklick in Lanhu Links zu ausgewählten Ebenen oder Beispiel-Prompts kopieren.
Schritt 4. Lanhu-Link und Prompt an die KI senden
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}Der Prompt kann nach Ihren Vorstellungen verfasst werden, aber die Lanhu-URL muss vollständig und korrekt sein, da das Tool sonst nicht ordnungsgemäß aufgerufen werden kann.
Ökosystem
Lanhu Helper — Die zugehörige Lanhu Chrome-Browsererweiterung, mit der Sie per Rechtsklick in Lanhu Links zu ausgewählten Ebenen und Beispiel-Prompts kopieren können.
Lizenz
Copyright (c) 2026-present, REFINIST
This server cannot be installed
Maintenance
Resources
Unclaimed servers have limited discoverability.
Looking for Admin?
If you are the server author, to access and configure the admin panel.
Related MCP Servers
- AlicenseAqualityAmaintenanceEnables AI to directly read and analyze Lanhu design drafts and requirement documents to generate HTML, CSS, and structural analyses. It allows users to extract design slices and process prototype pages directly within AI clients.3849105MIT
- AlicenseNot gradedqualityDmaintenanceConverts design screenshots into reusable Tailwind HTML components via MCP protocol, enabling any AI to extract and export individual UI elements.91MIT
- FlicenseNot gradedqualityDmaintenanceConverts Figma design data into structured semantic analysis JSON and screenshots for AI agents to use in design-to-code workflows.
- FlicenseAqualityBmaintenanceRead-only MCP server that converts Lanhu project/design links into design context consumable by Codex or other AI agents.3
Related MCP Connectors
UI design from prompts, screenshots, and URLs for AI coding agents and theme tokens.
Turn any live website into brand colors, fonts, design tokens, SVGs, Lottie and paste-ready code.
Turns any URL into SEO metadata, contacts, tech stack, and AI-ready Markdown, in one call.
Latest Blog Posts
- Who's Calling? MCP Hosts Are an Identity Blind Spot (And the Spec Knows It)By Om-Shree-0709 on .mcpAgent IdentityOAuth 2.1
- Your AI Chatbot Just Exposed Your CEO's Salary to an InternBy Om-Shree-0709 on .Agent IdentityMCP SecurityOAuth Delegation
- Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)By Om-Shree-0709 on .Agentic AiPrompt InjectionWebAssembly
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/refinist/lanhu-context-mcp'
If you have feedback or need assistance with the MCP directory API, please join our Discord server