Draw.io 官方 MCP 实测:AI 自动生成架构图,丝滑到离谱

Draw.io 官方 MCP 实测:AI 自动生成架构图,丝滑到离谱

最近绘图神器 draw.io 发布了官方 MCP Server。真是喜大普奔(喜闻乐见、大快人心、普天同庆、奔走相告)。

我们现在可以在 Cursor、Claude Desktop 等支持 MCP 的编辑器里让 draw.io 帮忙画图,画完后,它会直接弹出网页编辑器,我们可以基于已绘制的图进行再次编辑,体验非常酷。

接下来我们一起看看怎么使用它。

安装与配置

一、在 Cursor 中配置 MCP server:
  1. 打开 Cursor,进入 Settings → Cursor Settings → MCP(或直接 Cmd + Shift + J
  2. 点击 + Add new global MCP server,这会打开配置文件 ~/.cursor/mcp.json
  3. 填入:
{"mcpServers":{"drawio-mcp":{"command":"npx","args":["-y","@drawio/mcp"]}}}
  1. 保存后回到 MCP 设置页面,应该能看到 drawio-mcp 已列出,状态显示为绿色即表示连接成功。
提示:如果状态显示红色/失败,可以点旁边的刷新按钮重试。同样注意 npx 路径问题,必要时用完整路径替代。
二、在 Claude 添加 drawio-mcp
1)、在 Claude Mac 客户端中添加 MCP server 的步骤:
  1. 打开 Claude 桌面客户端,点击菜单栏 Claude → Settings → Developer → Edit Config
  2. 这会打开配置文件 claude_desktop_config.json,路径通常是:
    ~/Library/Application Support/Claude/claude_desktop_config.json
  3. 在文件中添加:
{ "mcpServers": { "drawio-mcp": { "command": "npx", "args": ["-y", "@drawio/mcp"] } } } 

如果已有其他 MCP server,把 "drawio-mcp": {...} 加到 mcpServers 对象里即可。

  1. 保存文件后重启 Claude 客户端
  2. 重启后在对话输入框左下角应该能看到 MCP 工具图标(🔨),点击可确认 drawio-mcp 的 tools 是否加载成功。
注意:确保你的系统已安装 Node.js 和 npm,因为 npx 依赖它们。在 M1 Mac 上如果用 nvm 管理 Node,可能需要把 command 改为 npx 的完整路径(which npx 查看),避免 Claude 找不到命令。
2)、Claude 网页端(claude.ai)目前不支持直接添加自定义 MCP server

MCP server 配置只支持以下客户端:

  • Claude 桌面客户端 — 通过 claude_desktop_config.json
  • Claude Code(CLI)— 通过 claude mcp add 命令
  • Cursor / Windsurf 等第三方 IDE

如果你想在网页端使用 draw.io 功能,有两个替代方案:

  1. 使用 Claude 桌面客户端:按之前的方法配置。
  2. 使用 Claude in Chrome 扩展:集成 drawio-mcp 工具,让扩展生成 draw.io 图表。比如告诉扩展你想画什么图,扩展可以直接调用 open_drawio_mermaidopen_drawio_xml 来生成。

实战:画一个 SSO 时序图

在 Cursor 或者 Claude 客户端中向 AI 发出命令:

使用 draw.io MCP 工具 open_drawio_mermaid 制作展示 SSO 流程的时序图

生成后,可以保存文档到 Google Drive。这样方便后续随时再次编辑。再也不用担心找不到历史编辑文件了。

draw.io MCP Server 技术原理与限制

核心功能与流程
  • draw.io MCP 工具将 AI 生成的 Mermaid/CSV/XML 逻辑转成 draw.io 专用链接,从而实现快速绘图
  • 绘图流程为用户发指令→AI生成结构化数据→工具压缩编码→浏览器打开可编辑 draw.io 页面
支持的核心转换模式
  • Mermaid 转图(open_drawio_mermaid):AI 写 Mermaid逻辑,draw.io 渲染编辑
  • CSV 转图(open_drawio_csv):适合组织架构等树状图,AI 处理人员关系生成
  • XML原生格式(open_drawio_xml):支持现成 draw.io XML 或AI 生成复杂图表
技术原理与限制
  • 实现原理为生成带压缩编码数据的 URL,本地浏览器解析,隐私性好
  • 存在 URL 长度限制,超复杂图表可能因 URL 过长无法打开

小结

draw.io 发布官方 MCP Server,支持在 Cursor、Claude 等编辑器中通过 AI 生成可编辑图表,覆盖 Mermaid/CSV/XML 模式,虽然存在 URL 长度限制但隐私性好,体现传统工具拥抱 AI Agent 生态的大趋势。

工欲善其事,必先利其器。
技术人员很有必要折腾一下这个工具。
花点时间把这个工具配置好了,一次配置,接下来的所有时间里都可以使用这个得心应手的好工具了。

尤其是经常绘各种图的架构师同学们,有了这个,简直不能再爽!

AI 时代已经到来,必须拥抱 AI! 个人,无论技术能力有多强,已经很难与 AI 的效率相比。必须充分利用 AI,让 AI 更多地为我们做事。这样才能如虎添翼。

参考:

  1. drawio-mcp
  2. 终于等到!Draw.io 官方发布 MCP,这体验丝滑得不像话!

2026.02.14 18:34
沪 · 汇金路KFC

Read more

一种无人机辅助射频探测的无线地下土壤健康监测智能钉平台(Nature Communications,2025)

一种无人机辅助射频探测的无线地下土壤健康监测智能钉平台(Nature Communications,2025)

通讯作者:Yashwanth Ramesh DOI:https://doi.org/10.1038/s41467-025-67889-w 摘要 监测大面积农业区域的地下土壤状况对于优化资源利用和支持可持续作物生产至关重要。然而,大多数现有传感系统依赖电池供电的电子设备,成本高昂、需要维护且难以规模化部署。为解决这些局限性,我们提出了 HARVEST(Hybrid Antenna for Radio frequency-enhanced Volumetric water content and Electrical conductivity-based Soil Tracking,基于射频增强的体积含水量和电导率土壤跟踪混合天线系统)—— 一种低成本无线平台,无需机载电子设备。HARVEST 采用钉状传感探头,与地面上方的三环天线进行物理和电气耦合,在减少信号损耗的同时,保持对地下土壤变化的敏感性。土壤含水量和盐度的变化会改变埋地探头的电气特性,导致天线谐振响应偏移,该偏移可通过空中读取器进行无线检测。该系统通过电磁仿真进行优化,并通过实验室实验和全生育期田间部署验证有效性。HA

基于GitHub智能客服机器人源码的实战开发与性能优化指南

基于GitHub智能客服机器人源码的实战开发与性能优化指南 背景痛点:高并发与语义理解的双重夹击 把开源客服机器人从“跑通”到“跑得稳”,最痛的往往只有两件事:并发一上来就掉线程,用户多问两句就“已读不回”。 GitHub 上 star 数靠前的几个项目(python-telegram-bot、ChatterBot-REST、Rasa-oss-demo 等)在本地 demo 时都很丝滑,一旦放到生产环境,常见症状如下: 1. 阻塞式 I/O 导致 Webhook 响应超时,GitHub 重试三次后直接 502。 2. 意图识别模型在笔记本上 95% 准确率,线上真实口语 70% 都不到,用户一句“咋回事啊”直接 fallback。 3. 对话状态放在内存 dict,多实例部署时互相“串台”

YOLO11-LADH改进:无人机与鸟类目标检测的精准识别方案

本数据集名为"drone car",版本为v1,于2024年2月24日通过qunshankj平台导出,采用CC BY 4.0许可证授权。该数据集共包含1638张图像,所有图像均已进行预处理,包括自动调整像素方向(剥离EXIF方向信息)以及将图像尺寸调整为640x640像素(拉伸方式)。为增强数据多样性,对每张源图像以50%的概率应用了水平翻转增强技术,创建了三个不同版本的数据。数据集采用YOLOv8格式标注,包含两个类别:鸟类(bird)和无人机(drone)。数据集分为训练集、验证集和测试集三个部分,适用于目标检测算法的训练和评估。该数据集主要针对无人机和鸟类的自动识别任务,可用于开发智能监控系统,特别是在需要区分飞行器与鸟类以避免潜在风险的场景中具有重要应用价值。 1. YOLO11-LADH改进:无人机与鸟类目标检测的精准识别方案 1.1. 🚁 前言 近年来,无人机技术在航拍摄影、农业监测、物流配送等领域得到了广泛应用,📸 同时鸟类与无人机之间的安全冲突也日益增多。如何精准识别无人机与鸟类目标,对于保障空域安全、防止无人机扰鸟事件具有重要意义。🔍 本文将介绍基于Y

【AI绘画】DALL·E 3 绘图功能与 DALL·E API 探索

【AI绘画】DALL·E 3 绘图功能与 DALL·E API 探索

博客主页: [小ᶻ☡꙳ᵃⁱᵍᶜ꙳]本文专栏: AI绘画 文章目录 * 💯前言 * 💯DALL·E 3 图像生成介绍 * 图像质量与分辨率 * 图像生成机制的解析 * 多图生成功能 * 💯使用 DALL·E 编辑器界面 * 实际应用 * 编辑器的实用建议 * 💯DALL·E API 的探索 * 获取API Key的基本步骤 * API 功能概览 * 实际应用场景 * 使用注意事项 * 最佳实践 * 💯小结 💯前言 DALL·E 3 是 OpenAI 最新的图像生成技术,通过对文本描述的深度理解和生成对抗网络(GANs)的应用,能够快速生成高质量、细节丰富的图像。本文将从图像生成机制、分辨率与格式选择、多图生成功能、编辑器界面操作及 API 的使用等多个方面,