Figma 在 Config India 接入 20+ MCP 合作伙伴：设计上下文直送 AI 智能体

设计稿到代码的鸿沟，是软件团队最老的痛点之一。过去 AI 编码助手要拿到 Figma 里的设计上下文，得靠人把图导出、截图、再喂给模型。10 月 15 日在班加罗尔举行的首届 Config India 上，Figma 一口气宣布接入 20 多家 MCP 合作伙伴，把设计数据直接通过 Model Context Protocol 送进各类 AI 工具与智能体——从编码助手到办公套件再到智能体框架，都能在自己的环境里读取 Figma 的设计上下文。

一次拉入 20+ MCP 伙伴

Figma 公布的伙伴名单覆盖面很广，可以分成三档：

  • 编程助手：Zed、Cline、OpenCode、Amp、Junie by JetBrains、Delta；
  • 办公套件：Notion、Linear、Microsoft 365 Copilot、ClickUp；
  • 智能体框架：Mistral、Sarvam Agents、Dust、Writer；

此外还有 Dia、Agentforce Vibes、Amazon Quick、Amplitude Wave、Glass、Gradial 等，合计 20 余家。它们接入 Figma 的 MCP 服务后，智能体可以在各自环境里直接调用设计数据，在权限范围内创建或修改画布。针对印度 AI 生态，Figma 还专门和本土公司 Sarvam 做了定制合作，把设计上下文接进 Indus AI 环境，意图很直白：帮团队减少返工。

MCP 是什么，为什么是转折点

MCP（Model Context Protocol，模型上下文协议）是一套开源标准，用来标准化 AI 智能体连接外部数据源与工具的方式。在此之前，AI 编码助手要理解一份设计稿，基本靠人工把图导出、截图、再塞进提示词；而现在，协议让设计数据可以结构化地、直接地流向智能体。换句话说，MCP 把 Figma 从「设计工具」重新定义成智能体可调用的「上下文源」。

不止 MCP：Code Layers 与 Specs

MCP 生态只是这次发布的一部分。Figma 同时把 Code Layers 推向公开测试——团队可以在画布上直接生成、探索、编辑由真实代码支撑的可交互原型，从既有设计生成代码层、导入 GitHub 仓库，或接入编码代理；又推出 Specs，一个给智能体看的 Markdown「设计规则书」，让团队把需求、技术约束和设计规范写在一起，作为人和 Agent 共享的参考点。

CEO Dylan Field 也坦率划了线：Figma 不会为极高流量的产品兜底托管成本。这些动作合在一起指向一个判断——当代码产出被放大了 17 倍多、发布却只涨了 1.3 倍，大量代码其实是在「试出来产品该长什么样」，而 Figma 想让自己成为那个边设计边开发的「同画布」。

Dylan Field 的清醒：MCP 并不完美

联合创始人兼 CEO Dylan Field 在宣布合作的同时，也公开表达了对 MCP 的保留态度：

  • 他认为 MCP 仍不完善，还有很大的改进空间；
  • 协议当前更偏向前沿实验室——拥有最强模型的公司往往最能从标准化的上下文访问中获益；
  • 通过 MCP 暴露的数据越多，被滥用的可能性越高；即便多数用户没有恶意，公司也必须考虑这些潜在风险。

此前，MCP 的一位共同创建者曾公开抱怨 Figma 不支持开源工具 Pi，Field 随后回应称 Figma 计划支持 Pi。他还在 X 上写道：有意思的是，作为 MCP 标准创建者的 Anthropic 并没有通过该协议开放 Artifacts 等云资源；这场「开放 vs 封闭」的辩论，忽视了上下文信息共享不对称的问题。

对智能体落地的两层含义

把这次发布放回智能体落地的图景里，有两层含义。

其一，设计工具正在变成智能体可调用的上下文源。 工具不再各自为战，而是通过协议共享同一份事实，AI 编码助手、办公套件、智能体框架第一次能在各自的界面里读到同一份设计真相。

其二，Specs 这类「给 Agent 的设计规则书」补上了 AI 辅助开发最缺的一块。 Agent 需要的不是一句短提示，而是关于预期行为、设计惯例和技术约束的可信上下文，否则生成得快、跑偏得也快。

需要清醒的是，能力落到每家集成上并不一致——哪些能读、哪些能改，由各自实现决定；而且 Figma 把托管成本的责任交还给团队，意味着「设计到代码」的闭环在低成本试点之外，仍有工程账要算。

小结

目前官方及行业暂未披露更多细节，包括各集成的逐项能力边界，以及 Specs 在各付费档位的开放范围。但仅就这次动作而言，Figma 已经把「MCP 把设计上下文外溢到智能体」从单点集成，升级成了平台级的生态动作。对做 AI 开发工具的团队，这提示了一个方向：让协议承载上下文，比让每个工具自己去爬设计稿更可持续。