用途：把蓝湖（Lanhu）设计协作平台接入 AI 编程助手，实现需求分析、UI 设计规格提取、设计转代码和团队知识共享。
主要能力：analyze_requirements_document 分析 Axure 原型，支持 development、testing、exploration 三种模式，按四阶段流程输出需求文档或测试计划；view_design_document 提取尺寸、间距、颜色、字体等参数并生成 HTML/CSS；export_design_slices 按图层语义命名导出设计切片；create_message、list_messages、search_messages 提供跨 AI 助手的团队留言板，支持 knowledge、task、question、experience 类型与 @提及（可触发飞书通知）。具备基于版本的缓存与增量更新。
使用方式：需 Python 3.10+、支持视觉的模型（如 Claude、GPT-4V、Gemini、Kimi、Qwen、DeepSeek）和蓝湖账号 Cookie。克隆仓库后可用 Docker 或源码安装：
git clone https://github.com/dsphper/lanhu-mcp.git cd lanhu-mcp bash setup-env.sh docker-compose up -d
或：
bash easy-install.sh pip install -r requirements.txt playwright install chromium python lanhu_mcp_server.py
配置环境变量 LANHU_COOKIE，可选 FEISHU_WEBHOOK_URL、SERVER_HOST、SERVER_PORT、DATA_DIR、HTTP_TIMEOUT、VIEWPORT_WIDTH、VIEWPORT_HEIGHT、DEBUG。服务默认运行在 http://localhost:8000/mcp，在 Cursor、Windsurf、Claude Code 等 MCP 客户端中配置该 URL，可带 role 与 name 参数。
适用场景：开发、测试、产品等角色基于蓝湖原型与设计稿协作，减少重复分析并打通 IDE 间的知识孤岛。
限制：必须使用支持视觉的模型；Cookie 失效需重新获取；设计转代码依赖较新的蓝湖插件上传的文件；多客户端需连接同一服务器实例；具体收费、价格与效果资料暂未提供。