یہ مضمون Penpot کے زیر اہتمام ہے۔ تصور کریں کہ آپ کی Penpot فائل میں خود ڈیزائن کے علاوہ ایک مکمل آئیکون سیٹ ہے، جو کچھ استعمال کرتا ہے لیکن ان تمام آئیکنز کا نہیں۔ اگر آپ کسی AI جیسے Claude یا Gemini سے صرف استعمال کیے جانے والے شبیہیں برآمد کرنے کے لیے کہیں گے، تو وہ ایسا نہیں کر سکے گا۔ یہ Penpot فائلوں کے ساتھ تعامل کرنے کے قابل نہیں ہے۔ تاہم، ایک Penpot MCP سرور کر سکتا ہے۔ یہ مقررہ اصولوں اور اجازتوں کے تحت ہینڈ پک کی گئی کارروائیوں کو انجام دے سکتا ہے، خاص طور پر چونکہ Penpot کے پاس ایک وسیع API ہے اور اس سے بھی زیادہ اس لیے کہ یہ اوپن سورس ہے۔ AI کا کام صرف آپ کے ارادے کو سمجھنا، MCP سرور کو انجام دینے کے لیے صحیح آپریشن کا انتخاب کرنا ہے (اس معاملے میں ایک ایکسپورٹ)، اور کسی بھی پیرامیٹرز (یعنی آئیکنز جو استعمال ہو رہے ہیں) کے ساتھ گزرنا ہے۔ MCP سرور پھر اس کا ایک سٹرکچرڈ API درخواست میں ترجمہ کرتا ہے اور اس پر عمل درآمد کرتا ہے۔ کسی ریستوراں میں AI کو ایک سرور کے طور پر سوچنے میں مدد مل سکتی ہے جو آپ کا آرڈر لیتا ہے، MCP سرور کو مینو اور شیف دونوں کے طور پر، اور API کی درخواست کو (امید ہے) گرم پلیٹ میں گرم پیزا پائی کے طور پر۔ کیوں MCP سرورز، بالکل؟ ٹھیک ہے، Penpot آپ کے ارادے کو سمجھنے کے قابل نہیں ہے کیونکہ یہ LLM نہیں ہے، اور نہ ہی یہ تیسرے فریق LLMs کو آپ کے Penpot ڈیٹا کی سیکیورٹی اور رازداری کے لیے آپ کی Penpot فائلوں کے ساتھ تعامل کرنے کی اجازت دیتا ہے۔ اگرچہ Penpot MCP سرورز ایک محفوظ پل کے طور پر کام کرتے ہیں، آپ کی Penpot فائلوں اور ڈیٹا کو سیاق و سباق کے طور پر استعمال کرتے ہوئے API کی درخواستوں میں AI ارادے کا ترجمہ کرتے ہیں۔ اس سے بھی بہتر یہ ہے کہ چونکہ Penpot ایک ڈیزائن کے اظہار کے طور پر کوڈ کا طریقہ اختیار کرتا ہے، اس لیے ڈیزائنز کو پروگرامی طور پر تخلیق، ترمیم اور دانے دار سطح پر تجزیہ کیا جا سکتا ہے۔ یہ زیادہ سیاق و سباق، زیادہ خاص، اور اس وجہ سے دوسرے MCP سرورز کی پیشکش کے مقابلے میں زیادہ طاقتور ہے، اور ذیلی پار 'ڈیسکرایب → جنریٹ' AI ورک فلو سے کہیں زیادہ سوچ سمجھ کر ہے جو مجھے نہیں لگتا کہ کوئی واقعی چاہتا ہے۔ Penpot کا AI وائٹ پیپر اسے برا اپروچ اور 'Convert to Code' اپروچ کو بدصورت انداز کے طور پر بیان کرتا ہے، جب کہ MCP سرورز زیادہ بہتر اور موافقت پذیر ہیں۔ خصوصیات اور تکنیکی تفصیلات اس سے پہلے کہ ہم کیسز کو استعمال کریں، یہاں کچھ خصوصیات اور تکنیکی تفصیلات ہیں جو مزید وضاحت کرتی ہیں کہ Penpot MCP سرور کیسے کام کرتے ہیں:
MCP معیارات کے مطابق؛ ریئل ٹائم ڈیزائن ڈیٹا کے لیے Penpot API کے ساتھ ضم ہوتا ہے۔ ایک Python SDK، REST API، پلگ ان سسٹم، اور CLI ٹولز پر مشتمل ہے۔ کسی بھی MCP سے چلنے والے AI اسسٹنٹ کے ساتھ کام کرتا ہے (VS کوڈ میں Claude، Claude in Cursor، Claude Desktop، وغیرہ)؛ AI ماڈلز کے ساتھ ڈیزائن کے سیاق و سباق کو شیئر کرنے کی حمایت کرتا ہے، اور انہیں اجزاء کو دیکھنے اور سمجھنے دیتا ہے۔ قدرتی زبان کا استعمال کرتے ہوئے Penpot کے ساتھ مواصلت کی سہولت فراہم کرتا ہے۔
پھر، MCP سرور ہمیں Penpot میں کیا کرنے کے قابل بنا سکتے ہیں، اور موجودہ تجربات پہلے ہی کیا حاصل کر چکے ہیں؟ آئیے ایک نظر ڈالتے ہیں۔ Penpot MCP سرور کے استعمال کے کیسز اگر آپ صرف اس طرف جانا چاہتے ہیں کہ Penpot MCP سرور کیا کر سکتے ہیں، Penpot کے پاس Google Drive میں کچھ MCP ڈیمو موجود ہیں جو دیکھنے کے قابل ہیں۔ Penpot کے CEO Pablo Ruiz-Múzquiz نے بتایا کہ ویڈیوز 03، 04، 06، 08، اور 12 ان کے پسندیدہ ہیں۔ MCP سرورز کا خلاصہ کرنے کا ایک تیز ترین طریقہ Penpot Fest 2025 کی نقاب کشائی کو دیکھنا ہے۔ بصورت دیگر، آئیے کچھ مزید بہتر مثالوں پر ایک نظر ڈالتے ہیں جن کا مظاہرہ Penpot نے اپنے عوامی شوکیس میں کیا۔ ڈیزائن سے کوڈ اور دوبارہ واپس (اور مزید) میں پہلے جو کچھ کہہ رہا تھا اس پر چلتے ہوئے کہ Penpot ڈیزائن کو کوڈ کے طور پر کیسے ظاہر کیا جاتا ہے، اس کا مطلب یہ ہے کہ MCP سرورز کو AI کا استعمال کرتے ہوئے ڈیزائن کو کوڈ میں تبدیل کرنے کے لیے استعمال کیا جا سکتا ہے، بلکہ ڈیزائن کے لیے کوڈ، ڈیزائن سے دستاویزات، سسٹم کے عناصر کو ڈیزائن کرنے کے لیے دستاویزات، مذکورہ ڈیزائن سسٹم کی بنیاد پر دوبارہ کوڈ کے لیے ڈیزائن، اور پھر مذکورہ ڈیزائن سسٹم کی بنیاد پر مکمل طور پر نئے اجزاء۔ یہ غیر حقیقی لگتا ہے، لیکن نیچے دیا گیا ڈیمو اس تبدیلی کو ظاہر کرتا ہے، اور یہ مبہم ہدایات سے نہیں بلکہ پچھلے ڈیزائن کے انتخاب سے ہے، قطع نظر اس کے کہ ان کا اظہار کیسے کیا گیا ہے (ڈیزائن، کوڈ، یا دستاویزات)۔ اس میں کوئی تعجب کی بات نہیں ہے - یہ صرف وہ فیصلے ہیں جو آپ نے بہرحال پچھلے فیصلوں کی بنیاد پر کیے ہوں گے، جن پر تیزی سے عمل درآمد کیا گیا ہے۔ ڈیمو میں، Penpot کے ڈیزائنر Juan de la Cruz García، بغیر کسی رگڑ کے کچھ سادہ اجزاء کو دستاویزات، ڈیزائن سسٹم کے عناصر، کوڈ، نئے اجزاء، اور یہاں تک کہ ایک مکمل سٹوری بک پروجیکٹ جیسے Play-Doh کے ایک ٹکڑے میں منتقل کرتا ہے: ڈیزائن سے کوڈ، ڈیزائن/کوڈ کی توثیق، اور سادہ آپریشنز نیچے دیے گئے اسی طرح کے ڈیمو میں، ڈومینک جین، Oraios AI کے شریک بانی، فرنٹ اینڈ اسٹائل کو اپ ڈیٹ کرنے سے پہلے ڈیزائن کی بنیاد پر ایک Node.js ویب ایپ بناتا ہے، ناموں اور شناخت کنندگان کو میموری میں محفوظ کرتا ہے تاکہ ڈیزائن سے کوڈ کے ہموار ترجمہ کو یقینی بنایا جا سکے۔Penpot میں منتخب کردہ شکل کے آگے تبصرہ کریں، اور پھر Penpot میں ایک موافقت شدہ جزو کے ساتھ ایک سکریبل کی جگہ لے لیتا ہے۔ یہاں بہت کچھ ہو رہا ہے، لیکن آپ بالکل وہی دیکھ سکتے ہیں جو ڈومینک کلاڈ ڈیسک ٹاپ کے ساتھ ساتھ کلاڈ کے جوابات میں ٹائپ کر رہا ہے، اور یہ بہت مضبوط ہے: ویسے، پچھلے ڈیمو نے VS کوڈ میں Claude کا استعمال کیا، لہذا مجھے نوٹ کرنا چاہیے کہ Penpot MCP سرور LLM-agnostic ہیں۔ آپ کا ٹیک اسٹیک مکمل طور پر آپ پر منحصر ہے۔ IvanTheGeek JetBrains Rider IDE اور Junie AI کے ساتھ اپنا MCP سرور ترتیب دینے میں کامیاب رہا۔ مزید استعمال کے کیسز کسی بھی Penpot ڈیزائن ٹوکن کا فائدہ اٹھاتے ہوئے ایک Penpot بورڈ کو پروڈکشن کے لیے تیار سیمنٹک HTML اور ماڈیولر CSS میں ترجمہ کریں (یاد رکھیں کہ Penpot ڈیزائن پہلے ہی کوڈ کے طور پر ظاہر کیے گئے ہیں، اس لیے یہ اندھیرے میں شاٹ نہیں ہے): موجودہ HTML کو تبدیل کیے بغیر ایک انٹرایکٹو ویب پروٹو ٹائپ بنائیں: جیسا کہ پہلے دکھایا گیا ہے، موجودہ ڈیزائن اور/یا ڈیزائن سسٹم کے عناصر کا فائدہ اٹھاتے ہوئے، اسکرائبل کو جزو میں تبدیل کریں: Penpot فائل سے ڈیزائن سسٹم کی دستاویزات بنائیں: اور یہاں Penpot اور کمیونٹی کی طرف سے استعمال کے کچھ اور کیسز ہیں:
اعلی درجے کی برآمدات، قدرتی زبان کا استعمال کرتے ہوئے ڈیزائن عناصر کی تلاش کریں، قدرتی زبان کا استعمال کرتے ہوئے بیرونی APIs سے ڈیٹا کھینچیں، Penpot کو دوسرے بیرونی ٹولز سے آسانی سے جوڑیں، دہرائے جانے والے کاموں کو میموری میں محفوظ کرنا اور ان پر عمل کرنا، بصری رجعت کی جانچ، ڈیزائن کی مستقل مزاجی اور فالتو پن کی جانچ، قابل رسائی اور قابل استعمال تجزیہ اور رائے، ڈیزائن سسٹم کی تعمیل کی جانچ، گائیڈ لائن کی تعمیل کی جانچ (برانڈ، مواد، وغیرہ)، ڈیزائن کے تجزیات کے ساتھ اپنانے اور استعمال کی نگرانی کریں، دستاویزات کو خود بخود ڈیزائن کے ساتھ مطابقت پذیر رکھیں، ڈیزائن فائل آرگنائزیشن (مثلاً، ٹیگنگ/ زمرہ بندی)۔
بنیادی طور پر، Penpot MCP سرورز آپ کے منتخب کردہ LLM/LLM کلائنٹ کی کارکردگی اور آسانی کی بدولت لامحدود تعداد میں ورک فلو کی طرف لے جاتے ہیں، لیکن آپ کے ڈیٹا کو اس کے سامنے لائے بغیر۔ آپ MCP سرور کس کے لیے استعمال کریں گے؟ Penpot MCP سرورز بیٹا مرحلے پر بھی نہیں ہیں، لیکن یہ ایک فعال تجربہ ہے جس کا آپ حصہ بن سکتے ہیں۔ Penpot صارفین نے پہلے ہی MCP سرورز کے استعمال کے معاملات کو تلاش کرنا شروع کر دیا ہے، لیکن Penpot مزید دیکھنا چاہتا ہے۔ اس بات کو یقینی بنانے کے لیے کہ ڈیزائن ٹولز کی اگلی نسل عام طور پر ڈیزائنرز، ڈویلپرز اور پروڈکٹ ٹیموں کی ضروریات کو پورا کرتی ہے، انہیں اجتماعی اور باہمی تعاون سے بنایا جانا چاہیے، خاص طور پر جہاں AI کا تعلق ہے۔ نوٹ: Penpot بیٹا ٹیسٹرز کی تلاش میں ہے جو Penpot کے MCP سرور کو دریافت کرنے، اس کے ساتھ تجربہ کرنے اور اسے بہتر بنانے میں مدد کرنے کے خواہشمند ہے۔ شامل ہونے کے لیے، سبجیکٹ لائن "MCP بیٹا ٹیسٹ رضاکار" کے ساتھ support@penpot.app پر لکھیں۔ کیا ایسی کوئی چیز ہے جو آپ محسوس کرتے ہو کہ Penpot MCP سرورز کر سکتے ہیں جو موجودہ ٹولز کافی، تیز رفتار، یا بالکل بھی کرنے کے قابل نہیں ہیں؟ آپ یہیں سے Penpot MCP سرور کو ترتیب دینے کا طریقہ سیکھ سکتے ہیں اور آج ہی ٹنکرنگ شروع کر سکتے ہیں، یا اگر آپ کا دماغ پہلے سے ہی خیالات سے گونج رہا ہے، Penpot چاہتا ہے کہ آپ بحث میں شامل ہوں، اپنی رائے کا اشتراک کریں، اور اپنے استعمال کے معاملات کے بارے میں بات کریں۔ متبادل طور پر، نیچے تبصرہ سیکشن بھی شروع کرنے کے لیے کوئی بری جگہ نہیں ہے!
