# Lanhu MCP: как объединить AI-ассистентов в единую команду

- Site: VeraPoint News
- Section: Инструменты
- Date: 2026-08-12
- Canonical: https://verapointmedia.com/tools/dsphper-lanhu-mcp/
- Markdown: https://verapointmedia.com/tools/dsphper-lanhu-mcp.md
- Summary: Lanhu MCP: как объединить AI-ассистентов в единую команду Lanhu MCP — это сервер, который позволяет вашим AI-инструментам для программирования напрямую «читать» требования и дизайн-макеты из платформы Lanhu. Если вы устали вручную копировать спецификации из макетов в чат с нейросетью, этот инструмент автоматизирует пер
- Target queries: AI tools; AI agents; dsphper-lanhu-mcp
- Tags: #ai #technology
- Image: https://verapointmedia.com/static/content-assets/tools/dsphper-lanhu-mcp/cover.webp

## Sources

- https://github.com/dsphper/lanhu-mcp

---

## Где взять

[dsphper/lanhu-mcp — открыть на GitHub](https://github.com/dsphper/lanhu-mcp)

Открытая лицензия: MIT · 2161 stars.


Lanhu MCP — это сервер, который позволяет вашим AI-инструментам для программирования напрямую «читать» требования и дизайн-макеты из платформы Lanhu. Если вы устали вручную копировать спецификации из макетов в чат с нейросетью, этот инструмент автоматизирует передачу контекста, превращая разрозненные файлы в понятные для AI данные.

### Что можно собрать

Представьте, что ваш AI-ассистент — это стажер, который раньше видел только тот фрагмент кода, который вы ему показали. Lanhu MCP работает как «цифровая нервная система» проекта: он соединяет «глаза» (анализ дизайна) и «память» (общую базу знаний) всех участников команды. 

Инструмент берет на себя три ключевые задачи:
1. **Анализ требований:** Он сканирует прототипы Axure и выдает структурированные данные для разработки, тестирования или быстрого обзора.
2. **Работа с дизайном:** Сервер не просто показывает картинку, а извлекает параметры (размеры, отступы, цвета) и конвертирует их в HTML+CSS код, готовый к использованию.
3. **Общая база знаний:** Это «командная доска», где AI-ассистенты разных разработчиков могут обмениваться опытом, сохранять решения проблем и передавать контекст задач, чтобы не начинать анализ с нуля.

### Как начать

Для работы потребуется компьютер с установленным Python 3.10+ и доступ к платформе Lanhu. Проект распространяется под лицензией MIT и на текущий момент собрал 2161 звезду на GitHub.

Самый простой способ запуска — попросить ваш AI-ассистент (например, Cursor или Claude Code) клонировать и установить проект по ссылке. Если вы предпочитаете ручное управление, используйте Docker для изоляции среды. Вам потребуется получить Cookie от вашей учетной записи Lanhu, чтобы сервер мог авторизоваться и выгружать данные. После настройки вы подключаете сервер к вашему AI-клиенту через конфигурационный файл, указав адрес локального сервера (обычно `http://localhost:8000/mcp`).

### Кому это подходит

Инструмент будет полезен командам, где разработчики, тестировщики и дизайнеры используют AI-помощники для ускорения работы. Он особенно эффективен, если вы уже используете современные IDE с поддержкой протокола MCP (Model Context Protocol), такие как Cursor, Windsurf или Claude Code. 

Важно помнить: для корректной работы сервер требует использования AI-моделей с поддержкой визуального анализа (например, Claude, GPT-4, Gemini, Qwen или DeepSeek). Модели, работающие только с текстом, не смогут обработать дизайн-макеты.

### Границы применимости

Lanhu MCP — это мост между платформой Lanhu и вашим AI. Он не заменяет собой процесс проектирования, а лишь ускоряет его интерпретацию. Важно учитывать, что качество «перевода» дизайна в код зависит от того, как именно был подготовлен макет в Lanhu. Если дизайнер использует устаревшие версии плагинов, некоторые параметры могут считываться некорректно. Также помните, что передача данных через Cookie требует осторожности: убедитесь, что вы используете защищенные каналы связи и не передаете чувствительные данные в публичные репозитории.

### Вердикт

Стоит попробовать, если вы работаете в связке с дизайнерами, использующими Lanhu, и хотите сократить время на ручной перенос требований в код — это экономит время на «перевод» с языка дизайна на язык разработки.

Лучше выбрать другой путь, если ваш проект не использует платформу Lanhu или если вы работаете в среде, где использование сторонних MCP-серверов ограничено политиками безопасности компании.

## Похожие материалы

- [Как отличить рабочий AI-инструмент от красивой демки](https://verapointmedia.com/guides/kak-otlichit-rabochiy-ai-instrument-ot-krasivoy-demki/)
- [Что такое AI-агент простыми словами](https://verapointmedia.com/guides/chto-takoe-ai-agent-prostymi-slovami/)