最近我折腾了一套新的设计工作流。不是继续往 Figma 里加插件，也不是再去买一堆 seat，而是直接把一个开源设计工具自己搭起来。工具叫Penpot。它有点像开源版 Figma：能画界面、做组件、建团队库、跑设计系统，也能自托管。更关键的是，它现在可以通过MCP Server接到 AI 编程工具里，让 AI Agent 直接读设计稿、整理图层、创建 token、甚至把设计结构转成代码。换句话说，以前是：设计师画稿，开发看稿，AI 在旁边猜。现在可以变成：设计稿就在自己的服务器里，AI 通过 MCP 直接读结构、改图层、查 token、生成页面。这件事对个人开发者、小团队、独立产品来说，挺香。为什么我开始折腾 PenpotFigma 当然很好用，这点没什么可黑的。但用久了以后，几个问题会越来越明显。第一，成本会叠上去。Figma 现在是按产品、seat、AI credits、Dev Mode 等能力拆开计费。它的官方价格页也写得很清楚，Starter 是免费但有访问限制，Professional、Organization、Enterprise 都是不同级别的付费方案，而且 AI credits 也是单独算资源。第二，数据不在自己手里。个人项目还好，公司项目、客户项目、私有产品原型，就会开始在意设计稿、组件库、素材、品牌资产到底放在哪里。第三，AI 工作流越来越需要“可编程设计稿”。以前 AI 编程工具只会看截图，或者靠我们手动描述：“这个按钮在右上角，颜色是蓝色，间距 16px。”但真实开发里，这种描述太脆了。真正有价值的是让 AI 直接读到：页面结构图层命名组件关系颜色样式字体样式spacing/token当前选中的 board 或 frame这就是 Penpot + MCP 吸引我的地方。Penpot 是什么Penpot 是一个开源设计平台，可以直接用官方云服务，也可以自托管。官方文档里对自托管的定位很直接：你可以把 Penpot 跑在自己控制的机器上，用来测试、给团队使用，甚至按自己的需求定制和扩展。它支持 Docker Compose 部署。官方 Docker 安装文档也给了标准流程：curl-odocker-compose.yaml https://raw.githubusercontent.com/penpot/penpot/main/docker/images/docker-compose.yamldockercompose-ppenpot-fdocker-compose.yaml up-d默认情况下，Penpot 会监听在本地端口，比如官方示例是：http://localhost:9001我这里为了内网访问，改成了：http://你的内网IP:19001也就是浏览器打开：http://192.168.x.x:19001我的 Docker 结构我这套主要跑了几个服务：penpot-frontend 前端入口 penpot-backend 后端服务 penpot-exporter 导出图片、SVG 等资源 penpot-postgres 数据库 penpot-valkey 类 Redis 的通知服务 penpot-mailcatch 本地邮件捕获 penpot-mcp MCP 服务其中最关键的是多了一个：penpot-