Figma Context MCP
Give your coding agent access to your Figma data. Implement designs in any framework in one-shot.
Beschreibung vom Entwickler (englisches Original)
MCP server for DECIMER image-to-SMILES chemical structure recognition
Diese drei werden nie zu einer Punktzahl zusammengefasst: Meinungen, Messungen und Beliebtheit sind verschiedene Dinge.
Für diesen Server haben wir noch keine Zusammenfassung in einfacher Sprache geschrieben. Unten stehen die Fakten, die wir aus der Registry gelesen haben.
Wähle die KI-App, die du nutzt, und kopiere die Einstellungen.
Du brauchst
Welche App nutzt du?
Wähle oben deine App. Wir merken sie uns, damit der Button beim nächsten Mal „In … installieren“ anzeigt.
Öffne Claude Desktop → Settings → Developer → Edit Config und füge dies in claude_desktop_config.json ein
{
"mcpServers": {
"decimer": {
"command": "uvx",
"args": [
"decimer-mcp-server"
]
}
}
}Führe das in deinem Terminal aus
claude mcp add decimer -- uvx decimer-mcp-serverIn .cursor/mcp.json in deinem Projekt oder in ~/.cursor/mcp.json einfügen
{
"mcpServers": {
"decimer": {
"command": "uvx",
"args": [
"decimer-mcp-server"
]
}
}
}Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.
In .vscode/mcp.json in deinem Projekt einfügen
{
"servers": {
"decimer": {
"type": "stdio",
"command": "uvx",
"args": [
"decimer-mcp-server"
]
}
}
}Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.
Dieser Server läuft auf deinem Computer, und ChatGPT kann sich nur mit Servern im Internet verbinden. Wähle eine andere App.
Deine Auswahl bleibt in einem Cookie auf diesem Gerät; kein Konto nötig.
Diese Einstellungen werden aus dem Registry-Eintrag des Entwicklers erzeugt. Wenn in der README etwas anderes steht, folge der README.
Läuft auf deinem Computer; die Tool-Liste erscheint nach der Installation in deiner KI-App.
Wir prüfen Informationen, die jeder sehen kann; den Code haben wir nicht gelesen. Checks, die nicht zutreffen, werden nicht mitgezählt. · Geprüft am 6. Nov. 2026
Der Registry-Name wurde mit dem GitHub-Konto DocMinus bestätigt, dem das Repo gehört
Dieses Repo haben wir noch nicht von GitHub gelesen
Dieses Repo haben wir noch nicht von GitHub gelesen
Dieser Server läuft auf deinem Computer; es gibt keinen Endpunkt im Internet
Läuft auf deinem Computer und nutzt stattdessen lokale Einstellungen
Läuft auf deinem Computer; Tool-Listen können wir nur von Endpunkten im Internet lesen
Verglichen mit allen aktiven Servern dieser Kategorie in der Registry. Sterne zählen nur, wenn dem Herausgeber das Repo gehört.
Er hat 1 von 1 zutreffenden Basischecks bestanden. Den Code haben wir nicht gelesen. Bevor du einen Schlüssel oder Token hinzufügst, sieh nach, welche Zugriffe der Server verlangt, und nutze einen Schlüssel, der nur die Berechtigungen hat, die du brauchst.
Die Registry nennt keinen erforderlichen Schlüssel, manche Server bitten dich aber bei der ersten Nutzung, dich anzumelden.
Er läuft auf deinem Computer. Deine KI-App startet ihn bei Bedarf, und die Daten laufen nicht über die Server des Entwicklers (außer der Server ruft selbst einen Onlinedienst auf).
Das GitHub-Repo wurde zuletzt – geändert, und die neueste Version (0.1.4) kam vor 7 Monaten in die Registry.
Apps, die MCP unterstützen, etwa Claude Desktop, Claude Code, Cursor und VS Code. Außerdem brauchst du Python (uv) auf deinem Computer.
In derselben Kategorie: Figma Context MCP, Claude Real Video, Figma MCP Server
Server derselben Kategorie von anderen Entwicklern, sortiert nach Sternen.
So liest du eine Karte:★ GitHub-SterneiDrei Säulen: Bewertungen · Checks · NutzungiAktualisiert = neueste Version in der Registry veröffentlichti
Give your coding agent access to your Figma data. Implement designs in any framework in one-shot.
Let any LLM watch a video locally — and search everything it has ever watched.
The Figma MCP server brings Figma design context directly into your AI workflow.
Unverändert aus dem Repo des Entwicklers übernommen. PopNx MCP hat den Inhalt weder geprüft noch empfiehlt es ihn. HTML, Bilder und Skripte wurden entfernt. Links führen von dieser Website weg.
mcp-name: io.github.DocMinus/decimer-mcp-server
MCP server that exposes DECIMER image-to-SMILES functionality as tool calls.
This project is a thin adapter over the existing FastAPI service in DecimerServerAPI. It does not run DECIMER models directly. The adapter sends JSON requests by default, with automatic fallback to form payloads for compatibility.
server_health: Checks whether the DECIMER FastAPI server is reachable.analyze_chemical_image: Sends a base64-encoded image to /image2smiles/ and returns structured output.http://localhost:8099)find it at either of these two versions:
cd /Users/a/dev/DecimerMCPServer
uv venv uv sync
Copy .env.example values into your environment:
DECIMER_API_BASE_URL (default http://localhost:8099)DECIMER_API_TIMEOUT_SECONDS (default 60)DECIMER_MAX_IMAGE_BYTES (default 10000000)DECIMER_MCP_LOG_LEVEL (default INFO)uv run decimer-mcp-server
or
uv run python -m decimer_mcp_server
{
"mcpServers": { "decimer": { "command": "uv", "args": ["run", "python", "-m", "decimer_mcp_server"], "env": { "DECIMER_API_BASE_URL": "http://localhost:8099" } } } }
analyze_chemical_image returns:
{
"ok": true, "smiles": "CCO", "reason": null, "api_status_code": 200, "api_message": null, "classifier_score": 0.0000012, "classifier_threshold": 0.3, "classifier_decision": "structure_like" }
When no SMILES is returned by API classifier behavior:
{
"ok": true, "smiles": null, "reason": "not_chemical_structure", "api_status_code": 200, "api_message": "No SMILES returned by API", "classifier_score": 0.99999, "classifier_threshold": 0.3, "classifier_decision": "not_structure_like" }
uv sync --extra dev
uv run pytest
Make targets:
make sync
make test
Run one health check + one inference call against your DECIMER API:
cd /Users/a/dev/DecimerMCPServer
DECIMER_API_BASE_URL=http://chitchat:8099 uv run decimer-mcp-smoke-test --image /Users/a/dev/DecimerServerAPI/example_usage/structure.png
If you keep settings in .env, load it with:
uv run --env-file .env decimer-mcp-smoke-test --image /Users/a/dev/DecimerServerAPI/example_usage/structure.png
or use make:
make smoke
Override the image path if needed:
make smoke SMOKE_IMAGE=/absolute/path/to/image.png
Tags matching v* trigger .github/workflows/publish-mcp.yml.
Workflow steps:
mcp-publisherserver.jsonMCP_REGISTRY_TOKENio.github.DocMinus/decimer-mcp-server (case sensitive; must match registry grant)Before tagging:
pyproject.toml + server.json versionsserver.json stays valid (uv pip install jsonschema && python validate snippet from AGENTS.md)MCP_REGISTRY_TOKEN (GitHub PAT with repo, workflow scopes)Release flow:
git tag v0.1.1
git push origin v0.1.1
Monitor Actions tab. If publish fails, rerun using workflow dispatch after fixing issues.
This project was built by DocMinus with AI-assisted coding support (OpenCode/Copilot-style tooling), then reviewed and tested by the author.
make test) and smoke tests (make smoke) before release.