Ten artykuł jest sponsorowany przez Penpot Wyobraź sobie, że Twój plik Penpot zawiera pełny zestaw ikon oprócz samego projektu, który wykorzystuje niektóre, ale nie wszystkie z tych ikon. Gdybyś poprosił sztuczną inteligencję, taką jak Claude lub Gemini, o wyeksportowanie tylko używanych ikon, nie byłaby w stanie tego zrobić. Nie jest w stanie współdziałać z plikami Penpot. Jednak serwer Penpot MCP może. Może wykonać wybraną liczbę operacji w ramach ustalonych reguł i uprawnień, zwłaszcza że Penpot ma rozbudowane API, a tym bardziej dlatego, że jest oprogramowaniem typu open source. Zadaniem sztucznej inteligencji jest po prostu zrozumienie Twoich intencji, wybranie właściwej operacji, którą serwer MCP ma wykonać (w tym przypadku eksport) i przekazanie wszelkich parametrów (tj. używanych ikon). Serwer MCP następnie tłumaczy to na ustrukturyzowane żądanie API i wykonuje je. Pomocne może być wyobrażenie sobie sztucznej inteligencji jako serwera w restauracji, który przyjmuje Twoje zamówienie, serwera MCP zarówno jako menu, jak i szefa kuchni, a żądania API jako (miejmy nadzieję) gorącego ciasta do pizzy na ciepłym talerzu. Dlaczego dokładnie serwery MCP? Cóż, Penpot nie jest w stanie zrozumieć Twoich intencji, ponieważ nie jest LLM, ani nie pozwala zewnętrznym LLM na interakcję z Twoimi plikami Penpot w celu zapewnienia bezpieczeństwa i prywatności Twoich danych Penpot. Chociaż serwery Penpot MCP działają jak bezpieczny pomost, tłumacząc intencje AI na żądania API, wykorzystując pliki i dane Penpot jako kontekst. Jeszcze lepsze jest to, że ponieważ Penpot przyjmuje podejście wyrażone w postaci kodu, projekty można programowo tworzyć, edytować i analizować na poziomie szczegółowym. Jest bardziej kontekstowy, bardziej szczegółowy, a zatem potężniejszy w porównaniu z tym, co oferują inne serwery MCP, i znacznie bardziej przemyślany niż kiepski przepływ pracy AI „Opisz → Wygeneruj”, którego, jak sądzę, nikt tak naprawdę nie chce. Biała księga Penpota dotycząca sztucznej inteligencji opisuje to jako złe podejście, a podejście „Konwertuj na kod” jako brzydkie, podczas gdy serwery MCP są bardziej wyrafinowane i można je przystosować. Funkcje i szczegóły techniczne Zanim przejdziemy do przypadków użycia, oto kilka funkcji i szczegółów technicznych, które dokładniej wyjaśniają, jak działają serwery Penpot MCP:
Zgodny ze standardami MCP; Integruje się z API Penpot w celu uzyskania danych projektowych w czasie rzeczywistym; Zawiera pakiet SDK języka Python, interfejs API REST, system wtyczek i narzędzia CLI; Współpracuje z dowolnym asystentem AI obsługującym MCP (Claude w VS Code, Claude w Cursor, Claude Desktop itp.); Obsługuje udostępnianie kontekstu projektowego modelom AI oraz pozwala im zobaczyć i zrozumieć komponenty; Ułatwia komunikację z Penpotem przy użyciu języka naturalnego.
Co zatem serwery MCP mogłyby nam umożliwić w Penpot i co udało się już osiągnąć w ramach istniejących eksperymentów? Rzućmy okiem. Przypadki użycia serwera Penpot MCP Jeśli chcesz po prostu przejść do możliwości serwerów Penpot MCP, Penpot ma kilka wersji demonstracyjnych MCP przechowywanych na Dysku Google, które są więcej niż warte obejrzenia. Dyrektor generalny Penpot, Pablo Ruiz-Múzquiz, wspomniał, że filmy 03, 04, 06, 08 i 12 są ich ulubionymi. Jeszcze szybszym sposobem podsumowania serwerów MCP jest obejrzenie ich prezentacji z Penpot Fest 2025. W przeciwnym razie rzućmy okiem na bardziej wyrafinowane przykłady, które Penpot zademonstrował podczas swojej publicznej prezentacji. Projektowanie do kodu i z powrotem (i nie tylko) Bazując na tym, co mówiłem wcześniej o tym, jak projekty Penpota są wyrażane jako kod, oznacza to, że serwerów MCP można używać do konwertowania projektu na kod przy użyciu sztucznej inteligencji, ale także kodu do projektowania, projektowania do dokumentacji, dokumentacji do projektowania elementów systemu, projektowania do ponownego kodowania w oparciu o wspomniany system projektowania, a następnie zupełnie nowych komponentów opartych na tym systemie projektowania. Brzmi to surrealistycznie, ale poniższe demo pokazuje tę przemienność i nie wynika ona z niejasnych instrukcji, ale raczej z wcześniejszych wyborów projektowych, niezależnie od tego, w jaki sposób zostały one wyrażone (projekt, kod lub dokumentacja). Nie ma żadnych niespodzianek — są to po prostu decyzje, które i tak byś podjął na podstawie wcześniejszych decyzji, szybko wykonane. W wersji demonstracyjnej Juan de la Cruz García, projektant w Penpot, bezproblemowo przekształca niektóre proste komponenty w dokumentację, elementy systemu projektowego, kod, nowe komponenty, a nawet kompletny projekt Storybook podobny do kawałka Play-Doh: Projektowanie na kod, weryfikacja projektu/kodu i proste operacje W podobnej demonstracji poniżej Dominik Jain, współzałożyciel Oraios AI, tworzy aplikację internetową Node.js w oparciu o projekt przed aktualizacją stylów frontendu, zapisuje nazwy i identyfikatory w pamięci, aby zapewnić płynne tłumaczenie projektu na kod przed sprawdzeniem jego spójności, dodajeskomentuj obok wybranego kształtu w Penpot, a następnie zastąp bazgroły w Penpot dostosowanym komponentem. Dużo się tu dzieje, ale możesz dokładnie zobaczyć, co Dominik pisze w Claude Desktop, a także odpowiedzi Claude'a, i jest to bardzo solidne: Nawiasem mówiąc, poprzednie demo wykorzystywało Claude w VS Code, więc powinienem zauważyć, że serwery Penpot MCP są niezależne od LLM. Twój stos technologiczny zależy całkowicie od Ciebie. IvanTheGeek zdołał skonfigurować swój serwer MCP z JetBrains Rider IDE i Junie AI. Więcej przypadków użycia Przetłumacz tablicę Penpot na gotowy do produkcji semantyczny HTML i modułowy CSS, wykorzystując dowolne tokeny projektu Penpot (pamiętaj, że projekty Penpot są już wyrażone jako kod, więc nie jest to strzał w ciemno): Wygeneruj interaktywny prototyp strony internetowej bez zmiany istniejącego kodu HTML: Jak pokazano wcześniej, przekształć bazgroły w komponent, wykorzystując istniejące elementy projektu i/lub systemu projektowania: Utwórz dokumentację systemu projektowego z pliku Penpot: A oto kilka innych przypadków użycia Penpota i społeczności:
Zaawansowany eksport, Wyszukiwanie elementów projektu przy użyciu języka naturalnego, Pobieraj dane z zewnętrznych API przy użyciu języka naturalnego, Z łatwością podłącz Penpota do innych zewnętrznych narzędzi, Zapisywanie powtarzalnych zadań w pamięci i ich wykonywanie, Testy regresji wizualnej, Sprawdzanie spójności projektu i redundancji, Analiza dostępności i użyteczności oraz informacja zwrotna, Sprawdzanie zgodności systemu projektowego, Sprawdzanie zgodności z wytycznymi (marka, treść itp.), Monitoruj wdrażanie i użytkowanie za pomocą analiz projektowych, Automatycznie synchronizuj dokumentację z projektem, Organizacja plików projektu (np. tagowanie/kategoryzacja).
Zasadniczo serwery Penpot MCP umożliwiają nieskończoną liczbę przepływów pracy dzięki wydajności i łatwości wybranego klienta LLM/LLM, ale bez narażania na nie swoich danych. Do czego używałbyś serwerów MCP? Serwery Penpot MCP nie są nawet w fazie beta, ale jest to aktywny eksperyment, w którym możesz wziąć udział. Użytkownicy Penpota zaczęli już badać przypadki użycia serwerów MCP, ale Penpot chce zobaczyć więcej. Aby mieć pewność, że następna generacja narzędzi projektowych zaspokoi potrzeby projektantów, programistów i ogólnie zespołów produktowych, należy je tworzyć wspólnie i wspólnie, szczególnie w przypadku sztucznej inteligencji. Uwaga: Penpot poszukuje beta testerów, którzy chcą odkrywać, eksperymentować i pomagać w udoskonalaniu serwera MCP Penpot. Aby dołączyć, napisz na adres support@penpot.app, wpisując w tytule „Wolontariusz testów beta MCP”. Czy jest coś, co Twoim zdaniem mogłyby zrobić serwery Penpot MCP, a czego obecne narzędzia nie są w stanie zrobić wystarczająco dobrze, wystarczająco szybko lub w ogóle nie są w stanie tego zrobić? Możesz dowiedzieć się, jak skonfigurować serwer Penpot MCP tutaj i zacząć majsterkować już dziś, a jeśli Twój mózg już pulsuje pomysłami, Penpot chce, abyś dołączył do dyskusji, podzielił się swoimi opiniami i porozmawiał o swoich przypadkach użycia. Alternatywnie, sekcja komentarzy poniżej nie jest złym miejscem na rozpoczęcie!
