<div align="center">

# 🎨 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 | 蓝湖skills | 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)


</div>

---

## 🌟 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

**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

<details>
<summary>或者手动安装（不推荐）</summary>

```bash
# 安装依赖
pip install -r requirements.txt
playwright install chromium

# 手动配置（见下方"配置"部分）
```
</details>

### 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
```

**按需启动（stdio，本地 MCP 客户端推荐）：**
```bash
./run-stdio.sh # Linux/Mac
./run-stdio.bat # Windows
```

`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：**
```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：

**Claude Code 配置示例：**
```json
{
  "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：**
```json
{
  "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）：**

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

Windows
```json
{
  "mcpServers": {
    "lanhu": {
      "command": "<ABSOLUTE_PATH_TO_LANHU_MCP>/run-stdio.bat",
      "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！
<img width="900" alt="Screenshot 2025-06-02 at 3 03 49 PM" src="https://github.com/user-attachments/assets/1c9a3661-80a4-4fba-a30f-f469898b0aec" />
## 📖 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：
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 |
## 🎯 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）

---


## 🏗️ 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

<details>
<summary><b>Q: Cookie 过期怎么办？</b></summary>

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。
</details>

<details>
<summary><b>Q: 截图失败或显示空白？</b></summary>

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

<details>
<summary><b>Q: 飞书通知发送失败？</b></summary>

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
</details>

<details>
<summary><b>Q: 如何清理缓存？</b></summary>

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。
</details>

## 🔒 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！

<!-- ALL-CONTRIBUTORS-LIST:START -->
<!-- 这里将自动生成贡献者列表 -->
<!-- ALL-CONTRIBUTORS-LIST:END -->

### 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
<p align="center"><img src="images/wechat.jpg?v=20260415" alt="微信群二维码" width="400" /></p>

## 🗺️ 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

---

<p align="center">
  如果这个项目对你有帮助，请给它一个 ⭐️
</p>

<p align="center">
  Made with ❤️ by the Lanhu MCP Team
</p>

---
## 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` `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

**中文关键词**: 蓝湖mcp | lanhumcp | 蓝湖AI | 蓝湖skills | 蓝湖Skill | Cursor Skills 蓝湖 | Agent Skills 蓝湖 | 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 skills | cursor skills lanhu | agent skills lanhu | 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。

<!-- Last checked: 2026-08-31 10:30 -->