Figma Context MCP
de GLips
Give your coding agent access to your Figma data. Implement designs in any framework in one-shot.
Se ejecuta en tu computadora★ 16.165MITActualizado hace 5 meses
Instalar
Goodeye
Resumen
Descripción del creador (original en inglés)
Design, save, and run outcome-aligned AI workflows and verifiers, with reliable image output.
Los tres pilares de PopNx MCP
Estos tres nunca se combinan en una sola puntuación: las opiniones, las mediciones y la popularidad son cosas distintas.
- Opinión de usuariosiAún no hay reseñasLas reseñas se abrirán junto con las cuentas en una etapa posterior
- Nuestras revisiones básicasi1 de 1 superadasRevisado con información pública; el código aún no se ha escaneado
- UsoiAún sin medir★ –
Qué puedes hacer con él
Todavía no escribimos un resumen sencillo para este. Abajo están los datos que leímos del registro.
- Conexión: Se ejecuta en la nube
- Transporte: Streamable HTTP
- Categoría: Diseño, imágenes y audio
- Debes completar: Authorization
Instalación
Elige la app de IA que usas y copia la configuración.
Antes de instalar
- Revisiones básicas: 1 de 1 superadas
- Se ejecuta en el servidor del creador: lo que le pidas pasa por su servidor.
- Debes completar tú:
Authorization
Los valores marcados como secretos son llaves de tu cuenta. Nunca los compartas ni los pegues en un chat.
Necesitas
- Se ejecuta en la nubeNo hay nada que instalar; se conecta por internet
¿Qué app usas?
Elige tu app arriba. La recordamos, así que la próxima vez el botón dirá “Instalar en …”.
Esta dirección necesita una clave en un header de la solicitud, y el menú para agregar conectores no puede ponerla. Usa Claude Code, Cursor o VS Code.
Ejecuta esto en tu terminal
claude mcp add --transport http goodeye https://mcp.goodeye.dev/mcp --header 'Authorization: your-value'Completa los valores vacíos antes de ejecutarlo.
O copia la configuración tú
Pégalo en .cursor/mcp.json de tu proyecto, o en ~/.cursor/mcp.json
{
"mcpServers": {
"goodeye": {
"url": "https://mcp.goodeye.dev/mcp",
"headers": {
"Authorization": "your-value"
}
}
}
}Tu navegador te pide permiso para abrir la app; luego la app muestra la configuración y te pide confirmar. Los valores de las claves quedan vacíos para que los completes tú.
O copia la configuración tú
Pégalo en .vscode/mcp.json de tu proyecto
{
"servers": {
"goodeye": {
"type": "http",
"url": "https://mcp.goodeye.dev/mcp",
"headers": {
"Authorization": "your-value"
}
}
}
}Tu navegador te pide permiso para abrir la app; luego la app muestra la configuración y te pide confirmar. Los valores de las claves quedan vacíos para que los completes tú.
Esta dirección necesita una clave en un header de la solicitud, y el menú para agregar conectores no puede ponerla. Usa Claude Code, Cursor o VS Code.
Tu elección se guarda en una cookie en este dispositivo; no necesitas cuenta.
Valores que debes completar
Authorizationsecreto obligatorio HTTP headerBearer token: an OAuth access token from Goodeye sign-in, or a good_live_ API key (Bearer good_live_...). Anonymous requests receive 401 with WWW-Authenticate so clients can discover the OAuth flow.
Esta configuración se genera a partir de la ficha del creador en el registro. Si el README dice otra cosa, sigue el README.
Qué puede hacer
Todavía no hemos leído la lista de herramientas de este servidor; revisamos los endpoints por turnos.
Revisiones básicasi
Revisamos información que cualquiera puede ver; no hemos leído el código. Las revisiones que no aplican no se cuentan. · Revisado el 6 nov 2026
- ✓ Superada
El creador coincide con el repo
El nombre en el registro se verificó con el dominio goodeye.dev (el registro comprueba quién es dueño del dominio)
- … Aún sin revisar
Sigue en mantenimiento
Todavía no hemos leído este repo en GitHub
- … Aún sin revisar
Tiene licencia
Todavía no hemos leído este repo en GitHub
- … Aún sin revisar
El endpoint responde
Aún sin revisar; revisamos los endpoints por turnos
- … Aún sin revisar
Inicio de sesión con OAuth
Aún sin revisar; revisamos los endpoints por turnos
- … Aún sin revisar
Sin instrucciones ocultas en las descripciones de herramientas
Aún sin revisar; leemos la lista de herramientas cuando revisamos el endpoint
Comparado con otros en Diseño, imágenes y audioi
- Más estrellas que el 0% de los otros 2166 servidores de esta categoría
- Publicado en el registro más recientemente que el 13% de los otros 2166 servidores de esta categoría
- Revisiones básicas iguales o mejores que el 100% de los otros 2166 servidores de esta categoría
Comparado con todos los servidores activos de esta categoría en el registro. Las estrellas solo cuentan cuando quien lo publica es dueño del repo.
Preguntas frecuentes
¿Es seguro Goodeye?
Superó 1 de 1 revisiones básicas aplicables. No hemos leído el código. Antes de agregar una clave o un token, revisa qué acceso pide el servidor y usa una clave que tenga solo los permisos que necesitas.
¿Qué claves o códigos necesita?
Debes completar: Authorization
¿Se ejecuta en mi computadora o en la nube?
Se ejecuta en la nube del creador. Te conectas por internet sin instalar nada, pero lo que envías pasa por los servidores del creador.
¿Sigue en mantenimiento?
El repo de GitHub cambió por última vez –, y la última versión (0.19.2) llegó al registro hace 5 meses.
¿Qué apps pueden usarlo?
Las apps compatibles con MCP, como Claude Desktop, Claude Code, Cursor y VS Code. Se conecta por URL, así que también funcionan las apps que aceptan servidores MCP remotos, como ChatGPT en modo desarrollador.
¿Qué puedo usar en su lugar?
En la misma categoría: Figma Context MCP, Claude Real Video, Figma MCP Server
Alternativas
Servidores de la misma categoría hechos por otros creadores, ordenados por estrellas.
Cómo leer una tarjeta:★ Estrellas de GitHubiTres pilares: reseñas · revisiones · usoiActualizado = fecha en que se publicó la última versión en el registroi
Claude Real Video
de HUANGCHIHHUNGLeo
Let any LLM watch a video locally — and search everything it has ever watched.
Se ejecuta en tu computadora★ 2284MITActualizado hace 2 meses
Instalar
Figma MCP Server
de figma
The Figma MCP server brings Figma design context directly into your AI workflow.
Se ejecuta en la nube★ 2152Actualizado hace 13 meses
Instalar
README del creador
Abrir el README
Copiado tal cual del repo del creador. PopNx MCP no lo ha revisado ni lo respalda. Se quitaron HTML, imágenes y scripts. Los enlaces llevan fuera de este sitio.
goodeye
Goodeye is a private home for the skills your AI follows and the verifiers its work must pass.
goodeye is the command-line surface for Goodeye. The same capability reaches your agent over an MCP server and a REST API too, so it works wherever your agent runs. This CLI talks to the public /v1 REST API.
How it works
A skill is a markdown runbook your agent follows. A verifier is a check its output has to clear. Goodeye keeps both in one account you own, and three things follow from that.
Private by default. Nothing is public until you publish a template, which is a separate step you take on purpose. To share without going public, grant a named user or team access, and the verifiers the skill references go with it at the same version. Revoking works the same way.
Always in sync. goodeye skills sync mirrors your hosted skills into the directories your tools already read, so Claude Code, Codex, Cursor, and anything else reading skill files from disk run the same current version. Configuring a target is all it takes: automatic sync is on from then on, so edit a skill once and every machine picks it up on its own.
Verifiers, hosted. A verifier can be deterministic (format, schema, tests, numeric bounds) or an LLM judge for the calls no test can make, like tone or image quality. Deploy a semantic verifier once, and every skill that references it runs that exact version, on your laptop, in CI, or on the machine of someone you granted it to.
The full picture is at https://goodeye.dev/docs/overview.
Your AI agent is the primary caller
The CLI is built to be driven by an AI coding agent on your behalf, though every command also works when you run it yourself. The intended loop: you ask your agent to run a Goodeye skill, it fetches the body with goodeye skills get (or goodeye templates get @handle/slug), and it executes those instructions as your runbook instead of printing or summarizing them. The get commands wrap the body in agent-facing markers so the calling agent knows to run it. Pass --output PATH or --json when you want the raw content instead.
Install
Requires Python 3.12 or later.
uv tool install goodeyeor: pipx install goodeye
or: pip install goodeye
The goodeye command is then on your PATH. Run goodeye update to upgrade to the latest release, or goodeye update --check to see whether one is available.
Quickstart
Bring a skill you already have
A skill file on disk is a directory holding a SKILL.md plus optional siblings, which is exactly what publish expects. Importing one is a single command.
goodeye login # or: goodeye register (same browser sign-in)goodeye skills publish ~/.claude/skills/my-skill # also ~/.agents/skills, ~/.cursor/skills, or any path goodeye skills list
It lands as a private hosted skill. Nothing is public until you publish a template, which is a separate step.
Sync it to every machine and agent
Point Goodeye at the directories your tools read, then pull:
goodeye skills sync target add --preset claude # ~/.claude/skillsgoodeye skills sync target add --preset agents # ~/.agents/skills goodeye skills sync target add --preset cursor # ~/.cursor/skills goodeye skills sync
Run the same commands on your other machines and they all read the current version. Once you have a target, automatic sync is on, so they stay that way without a second command: it only pulls new and updated skills, never overwrites local edits, and reports a conflict rather than clobbering it. Turn it off with goodeye skills sync auto off and it stays off.
The skill you just published came from a directory that is now a target, so a copy of it is already there. Goodeye did not write that copy, so the first pull reports it as modified and leaves it alone. The hosted version is what you published, so adopt it once with goodeye skills sync pull --force ; from then on it is tracked like everything else.
Share it
goodeye skills grant my-skill @teammate viewgoodeye skills grants my-skill
Their agent now runs your skill, and any semantic verifiers it references travel with the grant at the same version. Improve the skill and they get the improvement on their next pull.
Author a skill from scratch
goodeye design # prints the designer prompt; pipe it to your agent to draft a skill and its verifierssave the draft from your agent's output (stdin keeps a stray file out of the working directory):
goodeye skills publish - \ --name my-skill \ --description "One sentence on what this does and when to use it." <<'EOF'
Body
The skill body your agent will execute. EOF
goodeye skills get my-skill # fetch it back for an agent to run
Run a public template, no account needed
Browsing, fetching, and running public templates need no sign-in.
goodeye templates listgoodeye templates get @goodeye/high-signal-chart-workflow
templates get prints the template body (the skill), and your agent follows it: it finds a dataset, renders a chart, and runs the template's pinned verifier, revising until the chart passes. That verifier run is the step your agent makes, drawing on a small per-network credit grant:
# what your agent runs against the finished chart:goodeye verifiers run 89dcc843-d056-44d9-ae34-ebcff4903885 \ --version 1 --media-url ' ' --anonymous
Fork it into a skill of your own with goodeye templates fork @goodeye/high-signal-chart-workflow. That is the one step here that needs an account, since the fork lands in your own registry. To publish one of your own, claim a handle first with goodeye me claim-handle your-handle, then run goodeye templates publish my-skill.
What the CLI can do
These command areas cover the whole surface. Run goodeye --help or goodeye --help for the exact commands and flags, and see the full reference at https://goodeye.dev/docs/cli.
| Area | What it does | Docs |
|---|---|---|
skills | Find, save, version, run, share, and improve your private skills, including teach, optimize, audit, and local file sync | https://goodeye.dev/docs/skills |
templates | Browse the public catalog, publish a skill as a template, and fork one to customize | https://goodeye.dev/docs/templates |
verifiers | Deploy and run the LLM-judge checks a skill calls to grade agent output | https://goodeye.dev/docs/verifiers |
image-generators | Deploy reusable image generators and generate images a skill can call | https://goodeye.dev/docs/image-generators |
images | Upload and manage hosted images with stable URLs | https://goodeye.dev/docs/images |
teams | Create teams and manage membership so a skill can be shared with a group | https://goodeye.dev/docs/teams |
referrals | View your referral code and redeem someone else's | https://goodeye.dev/docs/referrals |
invitations | Accept, decline, or cancel team and ownership-transfer invitations | https://goodeye.dev/docs/cli |
billing | Upgrade to or cancel Pro (plan upgrade / plan cancel), open the billing portal, buy a one-time credit top-up, or manage automatic top-ups (auto-topup show / set / off) | https://goodeye.dev/docs/cli |
auth, me, usage | Manage API keys, claim your handle, and check credit usage | https://goodeye.dev/docs/cli |
design | Print the skill-designer prompt for your agent | https://goodeye.dev/docs/cli |
Session commands sit at the top level: login, register, logout, whoami, and update.
Authentication and configuration
Sign in interactively with goodeye login or goodeye register. Both open a browser device-code flow and save your credentials on success. For agents and automation without a browser, use the email-code flow:
goodeye register --email you@example.comgoodeye register-verify --email you@example.com --code 123456
existing account: goodeye login, then goodeye login-verify
goodeye whoami shows who you are, and goodeye logout removes the local credentials. Agents and scripts can authenticate with an API key instead: create one with goodeye auth create-key --name my-agent and pass it as the GOODEYE_API_KEY environment variable.
The CLI reads credentials from GOODEYE_API_KEY first, then from ~/.config/goodeye/credentials.json (written with 0600 permissions). It targets https://api.goodeye.dev by default; override that with GOODEYE_SERVER. Full authentication details are at https://goodeye.dev/docs/cli.
CLI, MCP, or REST
The CLI is a convenience layer over the public /v1 REST API. For a stable programmatic contract, call that REST API directly (https://goodeye.dev/docs/rest-api). To drive Goodeye from an MCP client, connect to mcp.goodeye.dev/mcp (https://goodeye.dev/docs/mcp). Your skills and their verifiers reach your agent on every surface.
Documentation
- Overview and mental model: https://goodeye.dev/docs/overview
- Getting started: https://goodeye.dev/docs/getting-started
- CLI reference, every command and flag: https://goodeye.dev/docs/cli
- Skills: https://goodeye.dev/docs/skills
- Verifiers: https://goodeye.dev/docs/verifiers
- Templates: https://goodeye.dev/docs/templates
- Public template catalog: https://goodeye.dev
Contributing
See CONTRIBUTING.md for local dev setup and the pull-request process. Issues and pull requests are welcome.
License
MIT. See LICENSE.