हा लेख Penpot द्वारे प्रायोजित आहे कल्पना करा की तुमच्या Penpot फाइलमध्ये डिझाईन व्यतिरिक्त एक संपूर्ण आयकॉन संच आहे, जे काही पण सर्वच आयकॉन वापरत नाही. तुम्ही क्लॉड किंवा जेमिनी सारख्या AI ला फक्त वापरल्या जाणाऱ्या चिन्हांची निर्यात करण्यास सांगाल तर ते तसे करू शकणार नाही. पेनपॉट फायलींशी संवाद साधण्यात ते सक्षम नाही. तथापि, पेनपॉट एमसीपी सर्व्हर करू शकतो. हे सेट नियम आणि परवानग्या अंतर्गत निवडलेल्या ऑपरेशन्सची संख्या करू शकते, विशेषत: पेनपॉटकडे विस्तृत API असल्यामुळे आणि त्याहूनही अधिक कारण ते मुक्त स्रोत आहे. AI चे कार्य फक्त तुमचा हेतू समजून घेणे, MCP सर्व्हरसाठी योग्य ऑपरेशन निवडणे (या प्रकरणात निर्यात करणे) आणि कोणतेही पॅरामीटर्स (म्हणजे, वापरले जाणारे चिन्ह) पास करणे हे आहे. MCP सर्व्हर नंतर याचे संरचित API विनंतीमध्ये भाषांतर करतो आणि ते कार्यान्वित करतो. तुमची ऑर्डर घेणाऱ्या रेस्टॉरंटमध्ये AI चा सर्व्हर, मेनू आणि आचारी या दोहोंचा MCP सर्व्हर आणि API विनंती (आशेने) उबदार प्लेटवर गरम पिझ्झा पाई म्हणून विचार करण्यात मदत होऊ शकते. MCP सर्व्हर नक्की का? बरं, Penpot तुमचा हेतू समजू शकत नाही कारण तो LLM नाही, किंवा तुमच्या Penpot डेटाच्या सुरक्षिततेसाठी आणि गोपनीयतेसाठी तुमच्या Penpot फायलींशी संवाद साधण्याची तृतीय-पक्ष LLM ला परवानगी देत नाही. Penpot MCP सर्व्हर सुरक्षित ब्रिज म्हणून काम करत असले तरी, संदर्भ म्हणून तुमच्या Penpot फाइल्स आणि डेटाचा वापर करून API विनंत्यांमध्ये AI इंटेंटचे भाषांतर करतात. याहूनही चांगले म्हणजे पेनपॉट डिझाईन-एक्सप्रेस्ड-एज-कोड दृष्टीकोन घेत असल्याने, डिझाईन्स ग्रॅन्युलर स्तरावर प्रोग्रॅमॅटिकरीत्या तयार, संपादित आणि विश्लेषित केल्या जाऊ शकतात. इतर MCP सर्व्हर ऑफर करतात त्या तुलनेत हे अधिक संदर्भात्मक, अधिक विशिष्ट आणि म्हणूनच अधिक शक्तिशाली आहे आणि 'वर्णन → जनरेट' AI वर्कफ्लो पेक्षा कितीतरी अधिक विचारशील आहे जे मला वाटत नाही की कोणालाही खरोखर हवे आहे. पेनपॉटचे एआय व्हाईटपेपर हे वाईट दृष्टीकोन आणि 'कोडमध्ये रूपांतरित करा' दृष्टीकोन कुरूप दृष्टिकोन म्हणून वर्णन करते, तर MCP सर्व्हर अधिक शुद्ध आणि अनुकूल आहेत. वैशिष्ट्ये आणि तांत्रिक तपशील आम्ही प्रकरणे वापरण्याआधी, येथे काही वैशिष्ट्ये आणि तांत्रिक तपशील दिले आहेत जे पुढे स्पष्ट करतात की Penpot MCP सर्व्हर कसे कार्य करतात:
MCP मानकांचे पालन करते; रिअल-टाइम डिझाइन डेटासाठी Penpot API सह समाकलित; Python SDK, REST API, प्लगइन सिस्टम आणि CLI टूल्सचा समावेश आहे; कोणत्याही MCP-सक्षम एआय सहाय्यकासह कार्य करते (VS कोडमधील क्लॉड, कर्सरमधील क्लॉड, क्लॉड डेस्कटॉप इ.); एआय मॉडेल्ससह डिझाइन संदर्भ सामायिक करण्यास आणि त्यांना घटक पाहू आणि समजून घेण्यास समर्थन देते; नैसर्गिक भाषा वापरून Penpot सह संप्रेषण सुलभ करते.
मग, MCP सर्व्हर आम्हाला Penpot मध्ये काय करण्यास सक्षम करू शकतात आणि विद्यमान प्रयोगांनी आधीच काय साध्य केले आहे? एक नजर टाकूया. Penpot MCP सर्व्हर वापर प्रकरणे पेनपॉट एमसीपी सर्व्हर काय करू शकतात ते तुम्ही फक्त वगळू इच्छित असल्यास, पेनपॉटकडे काही एमसीपी डेमो Google ड्राइव्हमध्ये लपवून ठेवलेले आहेत जे पाहण्यासारखे आहेत. पेनपॉटचे सीईओ पाब्लो रुईझ-मुझक्विझ यांनी नमूद केले की 03, 04, 06, 08 आणि 12 हे व्हिडिओ त्यांचे आवडते आहेत. MCP सर्व्हरचा सारांश देण्याचा आणखी जलद मार्ग म्हणजे Penpot Fest 2025 चे अनावरण पाहणे. अन्यथा, पेनपॉटने त्यांच्या सार्वजनिक शोकेसमध्ये दाखवलेल्या काही अधिक परिष्कृत उदाहरणांवर एक नजर टाकूया. डिझाईन-टू-कोड आणि पुन्हा परत (आणि अधिक) पेनपॉट डिझाईन्स कोड म्हणून कसे व्यक्त केले जातात याविषयी मी आधी जे म्हणत होतो त्यावरून चालत असताना, याचा अर्थ असा की MCP सर्व्हरचा वापर AI वापरून डिझाईनला कोडमध्ये रूपांतरित करण्यासाठी केला जाऊ शकतो, परंतु कोड टू डिझाइन, डिझाइन टू डॉक्युमेंटेशन, दस्तऐवजीकरण सिस्टम घटक, डिझाइन टू कोड पुन्हा त्या डिझाइन सिस्टमवर आधारित, आणि नंतर त्या डिझाइन सिस्टमवर आधारित पूर्णपणे नवीन घटक. हे अवास्तव वाटत आहे, परंतु खालील डेमो ही परिवर्तनशीलता दर्शविते, आणि ते अस्पष्ट सूचनांमधून नाही तर मागील डिझाइन निवडीवरून आहे, ते कसे व्यक्त केले गेले (डिझाइन, कोड किंवा दस्तऐवजीकरण) याची पर्वा न करता. यात कोणतेही आश्चर्य नाही - हे फक्त निर्णय आहेत जे तुम्ही पूर्वीच्या निर्णयांवर आधारित, त्वरीत अंमलात आणले असते. डेमोमध्ये, पेनपॉट येथील डिझायनर जुआन डे ला क्रुझ गार्सिया, काही साधे घटक दस्तऐवजीकरण, डिझाइन सिस्टम घटक, कोड, नवीन घटक आणि अगदी Play-Doh च्या तुकड्यासारख्या संपूर्ण स्टोरीबुक प्रोजेक्टमध्ये बदलतात: डिझाईन-टू-कोड, डिझाइन/कोड प्रमाणीकरण आणि साधे ऑपरेशन्स खालील तत्सम डेमोमध्ये, Dominik जैन, Oraios AI चे सह-संस्थापक, फ्रंटएंड शैली अद्यतनित करण्यापूर्वी डिझाइनवर आधारित Node.js वेब ॲप तयार करतात, सुसंगततेसाठी ते तपासण्यापूर्वी गुळगुळीत डिझाइन-टू-कोड भाषांतर सुनिश्चित करण्यासाठी मेमरीमध्ये नावे आणि अभिज्ञापक जतन करतात, एक जोडतात.Penpot मध्ये निवडलेल्या आकाराच्या शेजारी कमेंट करा आणि नंतर पेनपॉटमध्ये स्क्रिबलला रुपांतरित घटकाने बदला. येथे बरेच काही घडत आहे, परंतु क्लॉड डेस्कटॉप तसेच क्लॉडच्या प्रतिसादांमध्ये डॉमिनिक नेमके काय टाइप करत आहे ते तुम्ही पाहू शकता आणि ते खूप मजबूत आहे: तसे, मागील डेमोने व्हीएस कोडमध्ये क्लॉडचा वापर केला होता, म्हणून मी लक्षात घेतले पाहिजे की पेनपॉट एमसीपी सर्व्हर LLM-अज्ञेयवादी आहेत. तुमचा टेक स्टॅक पूर्णपणे तुमच्यावर अवलंबून आहे. IvanTheGeek ने त्यांचा MCP सर्व्हर JetBrains Rider IDE आणि Junie AI सह सेट करण्यात व्यवस्थापित केले. अधिक वापर प्रकरणे कोणत्याही पेनपॉट डिझाइन टोकन्सचा फायदा घेताना पेनपॉट बोर्डचे उत्पादन-तयार सिमेंटिक HTML आणि मॉड्यूलर CSS मध्ये भाषांतर करा (लक्षात ठेवा की पेनपॉट डिझाइन आधीपासूनच कोड म्हणून व्यक्त केल्या आहेत, म्हणून हे अंधारात शॉट नाही): विद्यमान HTML न बदलता परस्परसंवादी वेब प्रोटोटाइप व्युत्पन्न करा: आधी दाखवल्याप्रमाणे, स्क्रिबलला घटकामध्ये रूपांतरित करा, विद्यमान डिझाइन आणि/किंवा डिझाइन सिस्टम घटकांचा फायदा घेऊन: पेनपॉट फाइलमधून डिझाइन सिस्टम दस्तऐवजीकरण तयार करा: आणि पेनपॉट आणि समुदायाकडून येथे आणखी काही उपयोग-केस आहेत:
प्रगत निर्यात, नैसर्गिक भाषा वापरून डिझाइन घटक शोधा, नैसर्गिक भाषा वापरून बाह्य API मधून डेटा काढा, पेनपॉटला इतर बाह्य साधनांशी सहजपणे कनेक्ट करा, पुनरावृत्ती होणारी कार्ये मेमरीमध्ये जतन करणे आणि त्यांची अंमलबजावणी करणे, व्हिज्युअल प्रतिगमन चाचणी, डिझाइनची सुसंगतता आणि रिडंडन्सी तपासणे, प्रवेशयोग्यता आणि उपयोगिता विश्लेषण आणि अभिप्राय, डिझाइन सिस्टम अनुपालन तपासणी, मार्गदर्शक तत्त्वांचे पालन तपासणे (ब्रँड, सामग्री इ.), डिझाइन विश्लेषणासह अवलंब आणि वापराचे निरीक्षण करा, दस्तऐवज स्वयंचलितपणे डिझाइनसह समक्रमित ठेवा, डिझाईन फाइल संस्था (उदा. टॅगिंग/वर्गीकरण).
मूलत:, Penpot MCP सर्व्हर तुमच्या निवडलेल्या LLM/LLM क्लायंटच्या कार्यक्षमतेमुळे आणि सुलभतेमुळे अनंत संख्येने वर्कफ्लोपर्यंत पोहोचतात, परंतु तुमचा डेटा त्यात उघड न करता. तुम्ही MCP सर्व्हर कशासाठी वापराल? पेनपॉट एमसीपी सर्व्हर बीटा स्टेजवर देखील नाहीत, परंतु हा एक सक्रिय प्रयोग आहे ज्याचा तुम्ही भाग होऊ शकता. Penpot वापरकर्त्यांनी आधीच MCP सर्व्हरसाठी वापर प्रकरणे शोधण्यास सुरुवात केली आहे, परंतु Penpot अधिक पाहू इच्छित आहे. डिझाइन टूल्सची पुढील पिढी सर्वसाधारणपणे डिझाइनर, डेव्हलपर आणि उत्पादन संघांच्या गरजा पूर्ण करते हे सुनिश्चित करण्यासाठी, ते एकत्रितपणे आणि सहकार्याने तयार केले पाहिजेत, विशेषत: जेथे AI संबंधित आहे. टीप: Penpot चे MCP सर्व्हर एक्सप्लोर करण्यास, प्रयोग करण्यास आणि मदत करण्यास उत्सुक असलेल्या बीटा परीक्षकांच्या शोधात आहे. सामील होण्यासाठी, “MCP बीटा चाचणी स्वयंसेवक” या विषयासह support@penpot.app वर लिहा. पेनपॉट एमसीपी सर्व्हर असे काही करू शकतील असे तुम्हाला वाटते की सध्याची साधने पुरेसे चांगले, जलद किंवा अजिबात करू शकत नाहीत? पेनपॉट एमसीपी सर्व्हर कसा सेट करायचा हे तुम्ही येथे शिकू शकता आणि आजच टिंकरिंग सुरू करू शकता किंवा तुमच्या मेंदूमध्ये आधीच कल्पना गुंजत असतील, तर तुम्ही चर्चेत सामील व्हावे, तुमचा अभिप्राय शेअर करावा आणि तुमच्या वापराच्या प्रकरणांबद्दल बोलावे अशी Penpotची इच्छा आहे. वैकल्पिकरित्या, खाली दिलेला टिप्पणी विभाग देखील प्रारंभ करण्यासाठी वाईट जागा नाही!
