Trae IDE评测体验:通过 MCP Server - Figma AI Bridge 一键将 Figma 转为前端代码

Trae IDE评测体验:通过 MCP Server - Figma AI Bridge 一键将 Figma 转为前端代码

Trae IDE评测体验:通过 MCP Server - Figma AI Bridge 一键将 Figma 转为前端代码

在现代前端开发中,从设计稿到可用页面的交付往往需要大量重复劳动:切图、手写样式、布局调整……而借助 MCP Server - Figma AI Bridge,我们可以将 Figma 设计稿自动转换成整洁的 HTML/CSS/JS 代码,并立即生成可预览的网页。一键化、傻瓜式操作,让设计交付效率跃升。

先下载 Trae IDE,让我们一起开始吧!
[立即免费获取 Trae]:https://trae.ai
Trae IDE 下载页面预览

演示环境

本文测试使用的系统环境如下:

  • Trae IDE 版本:0.5.5
  • macOS 版本:14.7
  • Node.js 版本:20.19.1
  • npx 版本:10.9.2
  • Python 版本:3.13.3
  • uvx 版本:0.6.16

一、安装并启动 Trae IDE

Trae IDE 与 AI 深度集成,提供智能问答、代码自动补全及基于 Agent 的 AI 自动编程能力。首次使用时,前往官网下载并安装:

  1. 访问官网下载页面并选择对应平台的安装包。
  2. 双击运行安装程序,按提示完成安装。
  3. 启动 Trae IDE,初次打开会看到欢迎页及快速入门指南。

二、配置 MCP Server 运行环境

为了让 MCP Server 正常工作,需要安装 Node.js、npx、Python 及 uvx 工具。

1. 打开 Trae IDE 终端

  • 启动 Trae IDE。
  • 在顶部菜单栏依次点击 终端 > 新建终端,打开内置命令行。
在 Trae IDE 中打开终端


新建终端示例

2. 安装 Python 与 uvx

  1. 前往 Python 官网 下载并安装 Python 3.8+。
  2. 安装 uv 工具集(包含 uvx):

验证 uvx 安装:

uvx --version 

执行环境初始化:

source$HOME/.local/bin/env 

Windows (PowerShell)

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

macOS / Linux

curl -LsSf https://astral.sh/uv/install.sh |sh

在终端验证安装:

python3 --version 

3. 安装 Node.js 与 npx

  1. 前往 Node.js 官网 下载并安装 Node.js 18+。
  2. 若看到类似 v18.x.x10.x.x 的版本号,则说明安装成功;重启 Trae IDE 以使新安装生效。

在终端验证安装:

node -v npx -v 

三、获取 Figma Access Token

配置 Figma AI Bridge 时需要填写你的 Figma Personal Access Token,具体获取流程如下:

点击 Generate token,复制生成的 Token 字符串备用。

生成的 Token 示例

在弹窗中输入 Token 名称、选择有效期并配置权限(可参考下表):

Token 权限配置示例

下滑至 Personal access tokens 区域,点击 Generate new token

Generate new token

在顶部菜单中选择 Security

Security 选项

登录 Figma,在左上角点击用户头像,选择 Settings

Figma Settings

四、在 Trae IDE 中添加 MCP Server - Figma AI Bridge

将之前复制的 Figma Personal Access Token 粘贴到输入框,点击 确认

输入 Access Token

在列表中找到 Figma AI Bridge,点击右侧 + 按钮。

选择 Figma AI Bridge

MCP 面板点击 + 添加 MCP Servers(或已添加时右侧的 + 添加)。

添加 MCP Servers

打开 Trae IDE,点击 AI 对话框右上角的 设置 图标,选择 MCP

MCP 入口

此时,MCP Server - Figma AI Bridge 已成功配置,并已自动添加到 “Builder with MCP” 智能体中。


五、创建自定义智能体并绑定 Figma AI Bridge

智能体(Agent)是你在不同场景下的 AI 助手。自定义智能体后,你可以灵活配置提示词和工具集,快速完成复杂任务。

  1. 在配置面板中:
    • (可选)上传智能体头像。
    • 输入智能体名称,例如:“Figma 助手”。
    • 工具-MCP 部分仅勾选 Figma AI Bridge
    • 工具-内置 部分勾选:
      • 文件系统(File System)
      • 终端(Terminal)
      • 联网搜索(Web Search)
  2. 点击 创建,完成自定义智能体的创建。

预览(Preview)
配置完成后示例:

智能体配置示例

(可选)填写提示词,示例:

“根据用户提供的 Figma 链接,精准还原 UI 设计,生成响应式 HTML 前端页面代码。结构清晰,视觉细节与设计稿高度一致,禁止擅自修改设计内容。”

点击 + 创建智能体

创建智能体

在 AI 对话框右上角点击 设置,选择 智能体

智能体入口

六、一键生成前端页面

  1. 在本地新建一个空文件夹,在 Trae IDE 中打开该文件夹。
  2. 在 AI 对话框右下角选择模型(本文以 DeepSeek-V3-0324 为例)。
  3. 生成完成后,双击输出的 index.html,在浏览器中预览最终效果。
  4. 若需调整,可在 AI 对话框继续与智能体互动,优化样式或交互,直至满意为止。

智能体开始调用 Figma AI Bridge,读取设计稿并自动生成前端项目文件夹和 index.html。以下为生成过程示例:

生成过程示例

在 Trae IDE AI 对话输入框中粘贴链接,并附上需求说明,例如:

“请严格按照我提供的 Figma 链接内容生成 HTML 前端页面,UI 要严格还原设计稿,需要实现响应式设计。”

打开 Figma 设计稿页面,选中目标画板,右键 → Copy/Paste as > Copy link to selection,复制链接。

复制 Figma 链接

附:Figma AI Bridge 支持能力

MCP Server - Figma AI Bridge 提供以下核心功能:

Figma AI Bridge 能力列表
  • 设计结构化解析:自动识别画板、组件、布局层级。
  • 样式映射:将 Figma 中的颜色、字体、间距等属性转成 CSS。
  • 响应式布局:根据设置自动生成媒体查询,支持多端适配。
  • 资源导出:自动导出切图、SVG、字体等静态资源。
  • 交互还原:根据原型中的交互描述生成简单的 JavaScript 逻辑。

结语

通过 Trae IDE 与 MCP Server - Figma AI Bridge 的结合,设计稿到代码的流程实现了高度自动化。无需手动切图、编写样式、配置打包,一行命令即可完成初版页面交付。无论是快速打样,还是持续迭代,都能极大提升前端开发效率。试试看,将你的下一个 Figma 项目交给 AI 助手完成吧!


Read more

OpenClaw配置Bot接入飞书机器人+Kimi2.5

OpenClaw配置Bot接入飞书机器人+Kimi2.5

上一篇文章写了Ubuntu_24.04下安装OpenClaw的过程,这篇文档记录一下接入飞书机器+Kimi2.5。 准备工作 飞书 创建飞书机器人 访问飞书开放平台:https://open.feishu.cn/app,点击创建应用: 填写应用名称和描述后就直接创建: 复制App ID 和 App Secret 创建成功后,在“凭证与基础信息”中找到 App ID 和 App Secret,把这2个信息复制记录下来,后面需要配置到openclaw中 配置权限 点击【权限管理】→【开通权限】 或使用【批量导入/导出权限】,选择导入,输入以下内容,如下图 点击【下一步,确认新增权限】即可开通所需要的权限。 配置事件与回调 说明:这一步的配置需要先讲AppId和AppSecret配置到openclaw成功之后再设置订阅方式,

智能车竞赛实战:如何用地瓜机器人打造智慧医疗解决方案(附完整代码)

智能车竞赛实战:基于地瓜机器人的智慧医疗系统开发指南 在当今技术驱动的医疗创新浪潮中,智能车竞赛为大学生创客提供了绝佳的实践平台。地瓜机器人作为一款开源硬件平台,其灵活的可扩展性和丰富的传感器生态,使其成为开发智慧医疗解决方案的理想选择。本文将深入探讨如何从零开始构建一套完整的智慧医疗系统,涵盖硬件选型、算法设计到实战优化的全流程。 1. 硬件架构设计与环境搭建 构建智慧医疗系统的第一步是搭建可靠的硬件基础。地瓜机器人平台的核心优势在于其模块化设计,允许开发者根据具体需求灵活配置传感器和执行机构。 1.1 核心硬件选型建议 对于医疗应用场景,我们需要特别关注数据的准确性和系统的稳定性。以下是经过实战验证的硬件配置方案: * 主控单元:推荐使用地瓜机器人V3.2开发板,其搭载的STM32H743芯片提供充足的算力资源 * 环境传感器: * 温湿度:SHT31高精度数字传感器(±1.5%RH精度) * 空气质量:SGP30 VOC传感器 * 医疗监测模块: * 红外测温:MLX90614非接触式传感器 * 心率血氧:MAX30102光电传感器

本地使用ComfyUI运行Stable Diffusion 3.5

本地使用 ComfyUI 运行 Stable Diffusion 3.5-FP8 你有没有试过用一张消费级显卡,在不到两分钟内生成一张细节拉满的 1024×1024 分辨率图像?现在,这已经不是幻想。随着 Stable Diffusion 3.5-FP8 的发布,开源文生图模型正式迈入“高效推理”时代——不仅画质不输原版,速度更快、显存更省,甚至能在 RTX 3060 上流畅跑起来。 而搭配 ComfyUI 这个高度模块化的前端工具,整个部署过程变得异常轻量且可控。本文将带你从零开始,一步步在本地搭建这套高性能量化系统,并避开国内用户最头疼的网络和路径问题。 硬件要求没你想的那么高 很多人一听到 SD3.5 就下意识觉得“得上专业卡”,其实那是针对未量化的大模型版本。FP8 版本通过 8-bit 浮点精度压缩,大幅降低了计算负载和内存占用。 实测表明:

FPGA通信——实现串口通信(Uart)

FPGA通信——实现串口通信(Uart)

一、串口通信介绍 1.1、核心概念 并行通信 (Parallel):像高速公路,8车道同时跑8辆车。速度快,但占用引脚多,且在长距离传输时容易出现“时钟偏差(Skew)”导致数据错位。 串行通信 (Serial):像单行道,车必须一辆接一辆地排队走。引脚少,成本低,且现代高速串行技术(如PCIE, SATA)通过差分信号解决了速度问题。 我们常说的“串口”通常特指 UART (Universal Asynchronous Receiver/Transmitter,通用异步收发传输器)。 1.2、逻辑层面 UART 是一种异步通信协议。 * 异步 (Asynchronous):发送方和接收方之间没有公共的时钟线(不像 SPI 或 I2C 有 CLK 线)。 * 约定: