Ĉi tiu artikolo estas sponsorita de Penpot Imagu, ke via Penpot-dosiero enhavas plenan ikonaron krom la dezajno mem, kiu uzas kelkajn sed ne ĉiujn tiujn ikonojn. Se vi petus AI kiel Claude aŭ Gemini eksporti nur la ikonojn kiuj estas uzataj, ĝi ne povus fari tion. Ĝi ne kapablas interagi kun Penpot-dosieroj. Tamen, Penpot MCP-servilo povas. Ĝi povas fari mane elektitan nombron da operacioj laŭ fiksitaj reguloj kaj permesoj, precipe ĉar Penpot havas ampleksan API kaj eĉ pli ĉar ĝi estas malfermfonta. La laboro de la AI estas simple kompreni vian intencon, elekti la ĝustan operacion por ke la MCP-servilo plenumu (eksporto en ĉi tiu kazo), kaj transdoni iujn ajn parametrojn (t.e., ikonoj kiuj estas uzataj). La MCP-servilo tiam tradukas ĉi tion en strukturitan API-peton kaj efektivigas ĝin. Eble helpos pensi pri AI kiel servilo en restoracio, kiu prenas vian mendon, la MCP-servilon kiel kaj la menuon kaj kuiriston, kaj la API-peton kiel (espereble) varma pickukaĵo sur varma telero. Kial MCP-serviloj, ĝuste? Nu, Penpot ne kapablas kompreni vian intencon ĉar ĝi ne estas LLM, nek ĝi permesas al triapartaj LLM-oj interagi kun viaj Penpot-dosieroj por la sekureco kaj privateco de viaj Penpot-datumoj. Kvankam Penpot MCP-serviloj funkcias kiel sekura ponto, tradukante AI-intencon en API-petojn uzante viajn Penpot-dosierojn kaj datumojn kiel kuntekston. Kio estas eĉ pli bona estas, ke ĉar Penpot prenas dezajno-esprimitan-kodan aliron, dezajnoj povas esti programe kreitaj, redaktitaj kaj analizitaj sur grajneca nivelo. Ĝi estas pli kunteksta, pli aparta, kaj tial pli potenca kompare al tio, kion ofertas aliaj MCP-serviloj, kaj multe pli pripensema ol la subparo "Priskribu → Generu" AI-laborfluo kiun mi pensas ke neniu vere volas. La blankpapero pri AI de Penpot priskribas ĉi tion kiel la malbonan aliron kaj la aliron "Konverti al Kodo" kiel la malbela aliro, dum MCP-serviloj estas pli rafinitaj kaj adapteblaj. Trajtoj kaj Teknikaj Detaloj Antaŭ ol ni pluiru al uzkazoj, jen kelkaj funkcioj kaj teknikaj detaloj, kiuj plu klarigas kiel funkcias Penpot MCP-serviloj:
Konformas al MCP-normoj; Integriĝas kun la Penpot API por realtempaj dezajnaj datumoj; Inkluzivas Python SDK, REST API, kromprogramon kaj CLI-iloj; Funkcias kun iu ajn MCP-ebligita AI-asistanto (Claude en VS Kodo, Claude en Kursoro, Claude Desktop, ktp.); Subtenas kunhavigi dezajnkuntekston kun AI-modeloj, kaj lasi ilin vidi kaj kompreni komponentojn; Faciligas komunikadon kun Penpot uzante naturan lingvon.
Kion do MCP-serviloj povus ebligi al ni fari en Penpot, kaj kion jam atingis ekzistantaj eksperimentoj? Ni rigardu. Penpot MCP-Servilo-Uzokazoj Se vi nur volas salti al tio, kion Penpot MCP-serviloj povas fari, Penpot havas kelkajn MCP-demonstraĵojn konservitajn en Google Drive, kiuj estas pli ol spektindaj. La ĉefoficisto de Penpot Pablo Ruiz-Múzquiz menciis, ke filmetoj 03, 04, 06, 08 kaj 12 estas iliaj plej ŝatataj. Eĉ pli rapida maniero resumi MCP-servilojn estas rigardi la inaŭguron de Penpot Fest 2025. Alie, ni rigardu kelkajn el la pli rafinitaj ekzemploj, kiujn Penpot montris en sia publika montrofenestro. Dezajno-al-kodo kaj reen (kaj pli) Laŭ tio, kion mi diris pli frue, pri kiel Penpot-dezajnoj estas esprimitaj kiel kodo, tio signifas, ke MCP-serviloj povas esti uzataj por konverti dezajnon al kodo uzante AI, sed ankaŭ kodon al dezajno, dezajno al dokumentaro, dokumentado por desegni sistemajn elementojn, dezajno al kodo denove surbaze de menciita dezajnsistemo, kaj tiam tute novaj komponantoj bazitaj sur menciita dezajnosistemo. Ĝi sonas superreala, sed la demonstraĵo malsupre montras ĉi tiun transmuteblon, kaj ĝi ne estas de malklara instrukcio sed prefere antaŭaj dezajnaj elektoj, sendepende de kiel ili estis esprimitaj (dezajno, kodo aŭ dokumentado). Ne estas surprizoj - ĉi tiuj estas simple la decidoj, kiujn vi ĉiukaze farus surbaze de antaŭaj decidoj, efektivigitaj rapide. En la demonstraĵo, Juan de la Cruz García, Dizajnisto ĉe Penpot, senprokraste transmutas iujn simplajn komponentojn en dokumentadon, dezajn sistemelementojn, kodon, novajn komponentojn, kaj eĉ kompletan Storybook-projekton kiel pecon de Play-Doh: Dezajno-al-Kodo, Dezajno/Koda Valido, Kaj Simplaj Operacioj En simila demonstraĵo malsupre, Dominik Jain, Kunfondinto ĉe Oraios AI, kreas Node.js TTT-aplikaĵon bazitan sur la dezajno antaŭ ĝisdatigi la fasajn stilojn, konservas nomojn kaj identigilojn al memoro por certigi glatan tradukadon de dezajno al kodo antaŭ kontroli ĝin por konsistenco, aldonaskomentu apud la elektita formo en Penpot, kaj poste anstataŭigas skribaĉon en Penpot per adaptita komponanto. Okazas multo ĉi tie, sed vi povas vidi ĝuste kion Dominik tajpas en Claude Desktop same kiel la respondojn de Claude, kaj ĝi estas tre fortika: Cetere, la antaŭa demo uzis Claude en VS Code, do mi notu, ke Penpot MCP-serviloj estas LLM-agnostikaj. Via teknika stako tute dependas de vi. IvanTheGeek sukcesis agordi sian MCP-servilon kun la JetBrains Rider IDE kaj Junie AI. Pli da Uzaj Kazoj Traduku Penpot-tabulon al produktadpreta semantika HTML kaj modula CSS utiligante iujn ajn Penpot-dezajnajn ĵetonojn (memoru, ke Penpot-dezajnoj jam estas esprimitaj kiel kodo, do ĉi tio ne estas pafo en la mallumo): Generu interagan retprototipon sen ŝanĝi la ekzistantan HTML: Kiel montrite pli frue, konvertu skribaĉon en komponenton, utiligante ekzistantajn dezajnojn kaj/aŭ dezajn sistemelementojn: Kreu dokumentaron pri dezajna sistemo el Penpot-dosiero: Kaj jen kelkaj pliaj uzkazoj de Penpot kaj la komunumo:
Altnivelaj eksportaĵoj, Serĉu dezajnelementojn uzante naturan lingvon, Eltiri datumojn de eksteraj API-oj uzante naturan lingvon, Facile konektu Penpot al aliaj eksteraj iloj, Konservante ripetemajn taskojn al memoro kaj plenumante ilin, Vida regresa testado, Dezajna konsistenco kaj redunda kontrolo, Analizo de alirebleco kaj uzeblo kaj sugestoj, Kontrolado de konformeco de dezajno, Kontrolado de konformeco de gvidlinioj (marko, enhavo, ktp.), Monitoru adopton kaj uzadon per dezajnanalitiko, Aŭtomate konservu dokumentadon sinkronigita kun dezajno, Dezajna dosierorganizo (ekz., etikedado/kategoriado).
Esence, Penpot MCP-serviloj gvidas la vojon al senfina nombro da laborfluoj danke al la efikeco kaj facileco de via elektita LLM/LLM-kliento, sed sen elmontri viajn datumojn al ĝi. Por kio Vi Uzus MCP-Servilojn? Penpot MCP-serviloj eĉ ne estas en la beta-fazo, sed ĝi estas aktiva eksperimento, al kiu vi povas esti parto. Penpot-uzantoj jam komencis esplori uzkazojn por MCP-serviloj, sed Penpot volas vidi pli. Por certigi, ke la venonta generacio de dezajnaj iloj renkontas la bezonojn de dizajnistoj, programistoj kaj produktteamoj ĝenerale, ili devas esti konstruitaj kolektive kaj kunlabore, precipe kie AI temas. Noto: Penpot serĉas beta-testistojn, kiuj volas esplori, eksperimenti kaj helpi rafini la MCP-Servilon de Penpot. Por aliĝi, skribu al support@penpot.app kun la temo "MCP-beta-testa volontulo." Ĉu estas io, kion vi opinias, ke Penpot MCP-serviloj povus fari, ke nunaj iloj ne kapablas sufiĉe bone, sufiĉe rapide aŭ tute ne kapablas fari? Vi povas lerni kiel agordi Penpot MCP-servilon ĝuste ĉi tie kaj komenci tuŝi hodiaŭ, aŭ se via cerbo jam zumas pri ideoj, Penpot volas, ke vi aliĝu al la diskuto, dividu viajn komentojn kaj parolu pri viaj uzkazoj. Alternative, la komenta sekcio ĝuste malsupre ankaŭ ne estas malbona loko por komenci!
