AI编程实战 : 使用 TRAE CN 将 MasterGo 设计稿转化为前端代码

AI编程实战 : 使用 TRAE CN 将 MasterGo 设计稿转化为前端代码

文章目录


文档信息

  • 创建时间:2026-01-22
  • 作者:zuozewei
  • 功能:使用 TRAE CN 将 MasterGo 设计稿转化为前端代码
  • 技术栈:MasterGo、TRAE CN、MCP

什么是 MCP

MCP(Model Context Protocol,模型上下文协议)是 MasterGo(国内原型设计平台)为 AI 工具打通设计稿数据的标准化协议,可让 TRAE CN IDE(国际版不支持) 等 AI 工具直接读取 MasterGo 设计稿的结构化数据(如布局、样式、资源、变量等),无需人工导出/上传设计稿,实现「设计稿 → 代码」的端到端智能化转换。

简单来说,你无需再手动截图、描述设计细节,AI 工具可通过 MCP 直接「读懂」MasterGo 设计稿,精准生成符合设计规范的前端代码,大幅降低设计还原的沟通成本和手动开发工作量。

前置条件

在使用 MasterGo MCP 前,请确保满足以下条件:

1. 账号权限

  • 持有 MasterGo 账号(企业版,支持 DSL(用于自行开发 D2C)),且账号已完成手机号/邮箱验证;
  • 若操作团队/企业空间的设计稿,需拥有该设计稿的「查看」或「编辑」权限(仅「评论」权限无法读取设计稿数据);
  • 生成 Personal Access Token 时,账号需为企业空间的「成员」或「管理员」(访客账号无法生成 Token)。
在这里插入图片描述
MasterGo MCP 中 DSL 的技术原理,是作为“设计稿→代码”的标准化中间层:先通过授权后的 MasterGo API 拉取设计稿全量原始数据,再过滤冗余信息、统一格式完成数据清洗,接着为纯数值数据注入前端领域语义(如标注组件类型、样式变量),最终输出结构化的 DSL 数据(通常为 JSON),供 TRAE IDE、AI 智能体等工具直接解析,高效生成符合设计意图的前端代码。

补充一个 DSL 的极简 JSON 示例:

{"components":[{"id":"123","type":"Button","props":{"text":"点击我","style":{"color":"red","fontSize":16}}}]}

2. 环境要求

  • TRAE CN IDE 版本 ≥ 1.0.0(过低版本可能不兼容 MasterGo MCP 协议);
  • 网络环境可正常访问 MasterGo 官网(https://mastergo.com)及 TRAE CN IDE 服务器。

3. 设计稿准备

  • 设计稿需已发布至 MasterGo 云端(本地离线设计稿无法被 MCP 读取);
  • 建议对设计稿进行分层/命名规范(如统一组件命名、规范样式变量),可提升 AI 生成代码的可读性。

MasterGo AI Bridge 支持的能力

当前 MCP 工具版本为 0.1.2,MasterGo AI Bridge 基于该版本提供以下核心 API 方法,用于支撑设计稿数据的读取与组件关联:

API 方法能力描述
mcp_getDsl用于获取设计稿的领域特定语言数据
mcp_getComponentLink当 mcp_getDsl 返回数据包含非空内容时,用于获取组件关联链接
mcp_getMeta当用户需要搭建完整网站时,调用此工具获取相关元数据
mcp_getComponentGenerator需主动调用此工具,获取组件开发相关资源

操作步骤

第一步: 安装/升级 TRAE CN IDE

  1. 前往 TRAE CN 国内官网下载最新版安装包(https://www.TRAE CN.cn/download),或在已安装的 TRAE CN IDE 中通过「设置 → 关于 → 检查更新」完成升级。
  2. 按照安装向导完成安装,建议选择「完整安装」(包含 MCP 协议适配组件)。

第二步: 获取 MasterGo 的 Personal Access Token

Token 是 MCP 工具访问 MasterGo 设计稿数据的身份凭证,需严格按照官方规范生成:

  1. 登录 MasterGo 网页端(https://mastergo.com),建议使用 Chrome/Edge 浏览器(兼容性最佳)。
  2. 点击页面右上角「头像」→「个人设置」,进入个人中心。
  3. 在左侧导航栏选择「安全设置」→「个人访问令牌」,点击「生成新令牌」。

操作如下图:

在这里插入图片描述

第三步: 添加 MCP Server

  1. 打开 TRAE CN IDE,确保已登录 TRAE CN 账号(未登录无法使用 MCP 功能)。
  2. 进入 MCP 配置页面:
    • IDE 模式:点击右上角「设置」→「MCP」;
    • SOLO 模式:点击对话面板右上角「设置」→「MCP」。
  3. 进入 MCP 市场:
    • 点击「添加 → 从市场添加」,或直接点击页面中部「从市场添加」按钮;
    • 若市场中未找到「MasterGo Magic Mcp」,可通过搜索框输入关键词快速定位。
  4. 配置 MasterGo MCP:
    • 点击「MasterGo Magic Mcp」右侧「+」按钮,弹出配置弹窗;
    • 粘贴第二步 Personal Access Token(启用验证 Token 有效性);
    • 验证通过后,点击「确认」完成添加。

验证连接失败排查

  • 检查 Token 是否复制完整(无空格/换行);
  • 检查 Token 权限是否包含「文件内容(只读)」;
  • 检查网络是否可访问 MasterGo 官网。

操作如下图:

在这里插入图片描述

第四步: 创建自定义智能体(可选)

内置智能体「Builder with MCP」可满足基础需求,自定义智能体可针对性优化代码生成规则:

  1. 在 TRAE CN IDE 对话输入框中输入 @,点击「创建智能体」。
  2. 配置智能体参数:
    • 名称:如「MasterGo 设计稿转 Vue 代码」(明确场景);
    • 工具配置:
      • MCP 工具:仅勾选「MasterGo Magic Mcp」;
      • 内置工具:勾选「阅读」「编辑」「终端」「预览」(满足代码生成+预览需求)。
  3. 点击「创建」,完成后点击「立即使用」进入对话界面。

提示词(官方推荐模板):

你是专业的前端开发工程师,需基于 MasterGo 设计稿数据(通过 MCP 获取)完成以下要求: 1. 代码框架:使用 Vue 3(可替换为 React/Angular 等); 2. 样式规范:严格遵循设计稿中的颜色、字体、间距、圆角等样式参数,使用 REM 适配不同屏幕; 3. 代码结构:组件化拆分(按设计稿模块划分),注释清晰,符合前端工程化规范; 4. 资源处理:自动下载设计稿中的图标/图片资源,存放至「assets」目录,路径映射正确; 5. 兼容性:兼容 Chrome 90+、Edge 90+、Safari 14+ 浏览器。 禁止擅自修改设计稿中的样式参数,若有不明确的地方,先询问用户再生成代码。 

效果如下图:

第五步: 调用 MCP 生成前端代码

5.1 复制 MasterGo 设计稿链接
  1. 打开 MasterGo 设计稿,选中需要转换的范围:
    • 单个组件/画板:点击选中目标节点;
    • 整个页面:无需选中,直接复制设计稿根链接。

右键点击选中区域 →「复制链接」→「复制选中内容链接」(或「复制文件链接」),复制格式示例:

https://mastergo.com/file/xxxxxx?fileOpenFrom=project&page_id=xxxxxxxxx&layer_id=xxxxxxxxx 

提示:包含 nodeId 的链接仅读取指定节点数据,无 nodeId 则读取整个设计稿。

5.2 在 TRAE CN IDE 中生成代码
  1. 在 TRAE CN IDE 中打开空项目文件夹(用于存放生成的代码)。
  2. 发送指令后,TRAE CN IDE 会自动执行以下操作:
    • 调用 MasterGo Magic Mcp → 读取设计稿数据;
    • 解析样式/布局/资源 → 生成标准化前端代码;
    • 自动创建文件(index.html、src/App.js、src/index.css 等);
    • 下载设计稿资源至指定目录。
  3. 生成完成后,双击「index.html」或通过 TRAE CN IDE「预览」功能查看效果。

在智能体对话框中输入指令,示例:

请基于以下 MasterGo 设计稿链接生成前端代码: https://mastergo.com/file/xxxxxx?fileOpenFrom=project&page_id=xxxxxxxxx&layer_id=xxxxxxxxx 要求: 1. 使用 Vue + Tailwind CSS 开发; 2. 生成响应式页面,适配移动端(375px)、平板(768px)、桌面端(1920px); 3. 将图片资源下载至「src/assets/images」目录; 4. 生成后在浏览器中预览效果。 

操作如下图:

在这里插入图片描述
5.3 代码优化与迭代

若生成的代码不符合预期,可通过以下方式优化:

  1. 补充精准指令:如「修复按钮样式与设计稿不一致的问题,按钮圆角应为 8px」;
  2. 调整智能体提示词:优化代码框架/样式规范;
  3. 修正设计稿:若设计稿存在命名不规范/层级混乱,整理后重新复制链接生成。

复现效果

设计稿原图如下:

在这里插入图片描述

代码复现如下:

在这里插入图片描述

常见问题与排查

Q1: MCP 无法读取 MasterGo 设计稿数据

原因及解决方案

  1. Token 无效/过期:重新生成 Personal Access Token,确保权限包含「文件内容(只读)」;
  2. 设计稿权限不足:联系设计稿所有者,将你的账号添加为「查看者/编辑者」;
  3. 链接格式错误:确保链接包含 file/xxxxxx(设计稿 ID),而非分享链接/评论链接;
  4. 网络问题:检查网络是否可访问 MasterGo 官网,或切换至稳定网络环境。

Q2: 生成的代码中图片资源缺失

原因及解决方案

  1. 图片节点未选中:复制链接时确保选中包含图片的节点,或读取整个设计稿数据;
  2. 图片格式不支持:MasterGo MCP 暂不支持 WebP 格式,建议将图片导出为 PNG/SVG 后重新上传;
  3. 资源下载路径错误:在智能体提示词中明确资源存放路径(如「将图片下载至 src/assets/images」)。

Q3: 样式参数与设计稿不一致

原因及解决方案

  1. 设计稿使用了未解析的变量:确保 Token 权限包含「变量(只读)」,或在设计稿中替换为固定值;
  2. AI 解析误差:补充指令明确样式参数(如「字体大小为 16px,行高为 24px」);
  3. 单位转换问题:在提示词中指定单位(如「所有尺寸使用 REM 单位,1REM = 16px」)。

Q4: Token 泄露/需要撤销

  1. 登录 MasterGo「个人设置 → 安全与授权 → 个人访问令牌」;
  2. 找到目标 Token,点击「撤销」按钮,立即终止该 Token 的使用权限;
  3. 重新生成新 Token,更新 TRAE CN IDE 中的 MCP 配置。

注意事项

1. 数据安全

  • 勿将 Personal Access Token 分享给无关人员,定期(如 30 天)轮换 Token;
  • 仅向可信的 AI 工具(如 TRAE CN IDE)配置 Token,避免数据泄露。

2. 兼容性

  • TRAE CN IDE 低版本可能不支持最新的 MasterGo MCP 协议,建议保持 TRAE CN IDE 为最新版;
  • MasterGo 本地客户端的离线设计稿无法被 MCP 读取,需先发布至云端。

3. 效率优化

  • 设计稿命名/层级规范可大幅提升代码生成质量;
  • 优先选择「读取指定位置(layer_id)」而非整个设计稿,可减少 AI 解析时间。

总结

  1. MasterGo MCP 核心是通过 Token 授权,让 AI 工具直接读取设计稿结构化数据,实现「设计 → 代码」智能化转换;
  2. 关键步骤:生成带最小必要权限的 Token → 配置 TRAE CN IDE 的 MasterGo Magic Mcp → 复制设计稿链接 → 指令生成代码;
  3. 常见问题多与 Token 权限、设计稿权限、链接格式相关,按「最小权限原则」生成 Token 可兼顾安全性与可用性。

AI 原生开发工作流逻辑图

在这里插入图片描述

Read more

Ubuntu_24.04 安装OpenClaw教程

认识OpenClaw 官网:https://openclaw.ai/ https://docs.openclaw.ai/start/getting-started 安装OpenClaw curl -fsSL https://openclaw.ai/install.sh | bash 安装完成 配置命令 在终端输入: openclaw onboard 选择Yes 选择QuickStart 因为前面配置过,所以提示是否用原来的配置信息,可以使用Reset进行重置 选择模型: 根据自己的需要进行选择, 这里要特别注意一个问题,openClaw对上下文有要求,默认最小是16000Token,要不然后面安装的时候会报下图的错误信息 选择Qwen一直在waiting 如果要使用其他的模型,选择Custom Provider 如果选择DeepSeek,baseURL输入:https://api.deepseek.com/v1 然后输入API-KEY:sk-******* model输入:

【AI Coding 系列】——什么是AI Coding,怎么合理使用AI Coding,大模型上下文限制解决方案,任务拆解策略

【AI Coding 系列】——什么是AI Coding,怎么合理使用AI Coding,大模型上下文限制解决方案,任务拆解策略

AI Coding 并非简单的"让 AI 写代码",而是一种使用大型语言模型(LLM)为核心驱动力的新型软件编程方式。要求开发者不仅要理解编程语言,更要掌握模型边界感知、上下文工程、认知负载管理等新兴技能。 随着 Claude、GPT-4、Kimi 等模型的能力跃升,我们正从"AI 辅助编码"(Copilot 模式)变成"AI 主导架构,开发人员主导决策"的代理编程(Agentic Coding)。这一转变要求建立全新的工作流、质量控制体系和知识管理方法。 第一部分:核心概念、认知框架——小白扫盲(可直接看第二部分) 1.1 模型边界感知 AI Coding 的首要原则是清醒认知模型的能力边界。就是我们蒸米饭加多少水类似,

Flutter 组件 globe_cli 的适配 鸿蒙Harmony 实战 - 驾驭全球化云原生部署、实现鸿蒙端 Serverless 一键发布与跨地域加速方案

Flutter 组件 globe_cli 的适配 鸿蒙Harmony 实战 - 驾驭全球化云原生部署、实现鸿蒙端 Serverless 一键发布与跨地域加速方案

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 组件 globe_cli 的适配 鸿蒙Harmony 实战 - 驾驭全球化云原生部署、实现鸿蒙端 Serverless 一键发布与跨地域加速方案 前言 在鸿蒙(OpenHarmony)生态走向国际化的新征程中,开发者面临的一个现实难题是:如何将原本适配国内环境的后端服务,以极低的成本、极高的速度部署到全球范围内的边缘节点?如何在没有专业运维团队支持的情况下,实现鸿蒙应用后端服务的“全球一键分发”? Serverless(无服务器架构)作为当代的开发范式,正逐渐成为解决这一问题的黄金利器。 globe_cli 是连接 Flutter/Dart 代码与 Globe 全球化 Serverless 平台的官方纽带。它能让你的 Dart 后端代码(如 API 服务、Mock 服务等)

Flutter 三方库 annas_archive_api 的鸿蒙化适配指南 - 实现全球影印资源/文献的结构化检索、支持跨源元数据提取与端侧学术内容探测实战

Flutter 三方库 annas_archive_api 的鸿蒙化适配指南 - 实现全球影印资源/文献的结构化检索、支持跨源元数据提取与端侧学术内容探测实战

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 三方库 annas_archive_api 的鸿蒙化适配指南 - 实现全球影印资源/文献的结构化检索、支持跨源元数据提取与端侧学术内容探测实战 前言 在进行 Flutter for OpenHarmony 的教育、科研或电子阅读类应用开发时,如何低成本地接入海量的全球公开文献和图书元数据?annas_archive_api 是一款专为 Anna's Archive 设计的非官方 API 封装库。它能让你在鸿蒙端以对象化的方式搜索数千万份文献索引。本文将介绍如何在鸿蒙系统下构建极致的学术资源发现体验。 一、原直观解析 / 概念介绍 1.1 基础原理 该库通过对 Anna's Archive 网页接口的深度解析和 RESTful API