AI中国网 https: //www.cnaiplus.com
内容编辑丨特工小花 特工小天
内容审核丨特工少女
昨天，我突然想做一个电影 Agent。
起因是昨天 Tokendance 的 Minimax H3 限时免费。于是，我也想顺手来薅下猹毛。
结果做到一半，发现赶不上测了：剧本页定稿了，做完已经下午三四点了，但分镜页、提示词编辑页、输出预览页这三个页面还没动，而昨天的限时免费活动十二点就截止了。
正好这段时间在 WorkBuddy 里研究各种设计类的专家和工具，突然想到：现在的 AI 设计工具，能不能直接读懂我已有页面的设计语言，然后在画布上把剩下的页面补出来？
注意，我说的是「在画布上」，这个限定很关键。因为如果你用过市面上那些能生成页面的 AI 工具，就会发现它们基本都是一个套路：
你描述需求，它给你吐出一张图或者一段代码，然后你再想办法把这个东西搬回你的设计工具里，对齐格式，调整细节。
这个搬运的过程，有时候比从头画一遍其实还要累。
而我想要的效果是：AI 可以直接进入画布，读懂已有页面，沿用已经确定的设计语言，在画布上生成新页面，能即时看到结果，再接着往下迭代。
结果我意外发现：我们团队的御用设计工具MasterGo 最近升级了 MCP！可以在 agent 里直接用。
在找了一圈 Agent 上的各种设计专家和 Skill 无果之后，MasterGoMCP 拯救了我的 Agent，它的表现超出了我的预期。
AI 直接读写你的设计画布先简单介绍下这款产品的背景。
MasterGo 是国内主流的产品设计工具，做界面设计、原型、设计系统管理。他们最近通过 MCP 协议把画布开放给了大模型：AI 可以直接在 MasterGo 画布上读内容、写内容。
如何理解呢？
读，就是 AI 能看到你画布上有什么，每个图层的结构、样式、位置关系它都能解析。
写，就是它能直接往画布上生成新的元素、修改已有的组件、调整布局。
这跟以前「AI 生成一张图片你自己贴过去」的体验完全不一样：你不用离开工作环境。
并且，MasterGo MCP不挑 Agent，不挑模型。这意味着你不需要绑定某个特定的 AI 助手，用你手边顺手的就行。所以，我决定在最近比较流行的 WorkBuddy 和 Trae Work 里各跑一遍。
回到刚刚说的那个电影 Agent，我们开始正式实测。
我在 WorkBuddy 里选了 hy3 作为模型，给了一段提示词：
先分析已有的剧本页的视觉规范，包括配色、字体层级、圆角、间距、组件样式，然后基于这套规范补充生成分镜页、提示词编辑页、输出预览页。
它先花了十几秒读取画布上已有的剧本页，然后输出了一段设计规范总结：
接着，它直接在 MasterGo 画布上生成了三个完整页面，配色统一，按钮样式跟原稿高度吻合。
比较惊喜的一个细节：提示词编辑页里的标签组件，圆角和内边距直接复用了剧本页的样式。
此外，整个过程仅仅只花了不到 5 分钟。
如果手动做这三个页面，按正常中级产品经理的速度至少要一个半小时。
第二个场景我换了个方向：用一个数据看板来测试。
我假定了一个短剧业务团队的日常沟通场景：他们的数据看板里面有个「月度营收趋势」折线图，他们评审会上老板说，想看看换成柱状图或者面积图是什么效果，还想对比深色模式下的观感。
这次我切换到 TraeWork 作为 Agent，模型用了 Doubao-Seed-Evolving，这是一个字节推出的持续自迭代的模型想看看换了 Agent 换了模型，体验会不会有明显差异。
提示词也只是一句话：
选中画布上那个折线图组件，替换为柱状图，再生成一个面积图放旁边对比，然后给这三种图表各做一个深色模式变体排在下方。
Trae Work 调用 MasterGo MCP 后，精准定位到了那个折线图组件，没有动页面里其他任何元素。然后依次生成了折线图，柱状图和面积图，三种图表并排展示，整体样式都完美的保持了一致。
深色模式处理得合理：背景换成深灰，数据色的饱和度调高了一档保证可读性，整体视觉语言跟浅色版一致。
整个过程只花了大概三分钟，两次测试换了不同的 Agent 和模型，结果质量都很稳定
更关键的是，把这套能力装进 Agent，几乎不需要任何技术门槛：
在 WorkBuddy 里接入 MasterGo MCP 的流程很简单：
第一步，在 WorkBuddy 连接器中找到「MasterGo 莫高设计」，点击完成连接。
第二步，通过「去试试」按钮启动连接器，或者在新建任务时手动添加。
第三步，打开 MasterGo 桌面客户端（版本需要 ≥ 1.10.9），在里面连接 MCP（注意这一步，需要有 MasterGo 的设计席位或研发席位）。
第四步，回到 WorkBuddy 输入指令，开始使用。
如果我们想在 Trae Work 里用，配置也非常简单，主要是对接下MastergoMCP 的配置文档：
在 MCP 配置里粘贴官方提供的 MCP 配置就行，甚至你也可以把 Mastergo 的官方文档丢给 AI，直接让 AI 帮你配。
MasterGo MCP 改变了什么？跑完这两个案例之后，我有一个很直观的感受：
WorkBuddy 和 Trae Work 接入 MasterGo MCP 之后，在设计任务上的表现比只靠社区 Skill 靠谱得多。
这是因为，它真的能读懂你画布上已有的东西。
最近 WorkBuddy 很火，但它本质上是个调度框架：最终体验好不好，取决于它调用的模型和工具够不够专业。
我们之前写过一篇关于 MCP 的文章，里面说过：MCP 是个协议标准，模型能力是基础，但在垂直任务里，工具层的专业度同样关键。
MasterGo MCP 效果好，是因为他们把做了多年设计工具的经验塞进了 MCP 服务里：
怎么解析图层、怎么交互合理、甚至原型设计的审美都嵌入到其中，这些经验是 MasterGo 团队做了多年设计工具沉淀下来的判断，而通用的文件读写 MCP 或者 Skill 做不到这个颗粒度。
而换个角度看，MasterGo MCP 改变的是 AI 参与设计流程的方式。
MasterGo MCP 让 AI 进入了一个真实的、持续存在的工作环境：画布上已有的东西它能看到，它生成的东西也留在画布上，下一次操作可以基于上一次的结果继续迭代。
而「不挑 Agent、不挑模型」这件事能成立，前提是任务边界足够清楚。
在这个设计的垂类场景里，MasterGo MCP 提供了非常精准的能力：读取画布、生成组件、修改元素、提取规范。每个操作的输入输出都有清晰的定义。
在这种边界清晰的任务里，不同模型之间的差异会被压缩，因为工具层已经把大量专业判断内化了。
AI 设计工具正在走向哪里最后聊一个我观察到的趋势。
AI 设计工具正在从「帮你生成一个东西」变成「帮你干完一堆活」。
早期的 AI 设计产品，核心卖点是「帮你生成一个页面」。但生成出来之后呢？跟团队已有的设计系统对不上，跟前端的组件库对不上，跟产品经理的需求文档对不上。
它们往往是一个孤立的产物，没法融入公司级业务里的真实产研的协作流程。
而 MasterGo MCP 做的事情，是在你已有的工作环境里，帮你完成其中某一段具体的任务。补几个页面、换几种图表样式、提取设计规范生成代码。每一个动作的产出都能直接被下一个环节接住。
设计师补完页面，产品经理可以立刻评审；设计规范提取出来，开发也可以直接复制到项目里。
这才是 AI 工具真正有价值的地方：人类的下一步工作，Agent 接得上。
我越来越觉得，在这类边界清晰、结果可验收的任务里，不同模型之间的差距会被工具层抹平：
当工具层足够强，当任务边界足够明确，用 hy3 还是用 Doubao-Seed-Evolving，用 WorkBuddy 还是用 Trae Work，结果差异会越来越小。
真正拉开差距的，是谁能把自己在垂直领域积累的专业经验，封装成 AI 能直接调用的能力。
从这角度看，MasterGo 在设计工具这个领域，已经走在最前面了：
如果你也在做设计相关的工作，或者你是需要跟设计师协作的产品经理和开发，建议去试试 MasterGo MCP：
你可以根据自己的习惯，选择接入它 MCP 的 Work Agent，然后让它变成你的专属产品设计师！
- 完 -
AI中国网 https: //www.cnaiplus.com
本文网址：
