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
Image Diff
Resumen
Descripción del creador (original en inglés)
MCP server for programmatic image comparison and visual diff generation.
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 tu computadora
- Transporte: stdio
- Categoría: Diseño, imágenes y audio
Instalación
Elige la app de IA que usas y copia la configuración.
Antes de instalar
- Revisiones básicas: 1 de 1 superadas
- Se ejecuta en tu computadora con los permisos de tu usuario (archivos, red, apps).
- El registro no indica ninguna clave que completar.
Necesitas
- npmNode.js instalado (para el comando npx)
¿Qué app usas?
Elige tu app arriba. La recordamos, así que la próxima vez el botón dirá “Instalar en …”.
Abre Claude Desktop → Settings → Developer → Edit Config y pega esto en claude_desktop_config.json
{
"mcpServers": {
"image-diff": {
"command": "npx",
"args": [
"-y",
"@pulsemcp/image-diff-mcp-server"
]
}
}
}Ejecuta esto en tu terminal
claude mcp add image-diff -- npx -y @pulsemcp/image-diff-mcp-serverO copia la configuración tú
Pégalo en .cursor/mcp.json de tu proyecto, o en ~/.cursor/mcp.json
{
"mcpServers": {
"image-diff": {
"command": "npx",
"args": [
"-y",
"@pulsemcp/image-diff-mcp-server"
]
}
}
}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": {
"image-diff": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"@pulsemcp/image-diff-mcp-server"
]
}
}
}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.
Este se ejecuta en tu computadora, y ChatGPT solo puede conectarse a servidores en internet. Elige otra app.
Tu elección se guarda en una cookie en este dispositivo; no necesitas cuenta.
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
Se ejecuta en tu computadora; la lista de herramientas aparece en tu app de IA después de instalarlo.
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 pulsemcp.com (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
- – No aplica
El endpoint responde
Este se ejecuta en tu computadora; no hay endpoint en internet
- – No aplica
Inicio de sesión con OAuth
Se ejecuta en tu computadora y usa ajustes locales en su lugar
- … Aún sin revisar
Sin instrucciones ocultas en las descripciones de herramientas
Se ejecuta en tu computadora; solo podemos leer listas de herramientas de endpoints en internet
Comparado con otros en Diseño, imágenes y audioi
- Más estrellas que el 0% de los otros 2162 servidores de esta categoría
- Publicado en el registro más recientemente que el 13% de los otros 2162 servidores de esta categoría
- Revisiones básicas iguales o mejores que el 100% de los otros 2162 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 Image Diff?
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?
El registro no indica ninguna clave obligatoria, aunque algunos servidores te piden iniciar sesión la primera vez que los usas.
¿Se ejecuta en mi computadora o en la nube?
Se ejecuta en tu computadora. Tu app de IA lo inicia cuando hace falta, y los datos no pasan por los servidores del creador (a menos que el propio servidor llame a un servicio en línea).
¿Sigue en mantenimiento?
El repo de GitHub cambió por última vez –, y la última versión (0.1.3) llegó al registro hace 5 meses.
¿Qué apps pueden usarlo?
Las apps compatibles con MCP, como Claude Desktop, Claude Code, Cursor y VS Code. También necesitas Node.js en tu computadora.
¿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.
image-diff MCP Server
A Model Context Protocol (MCP) server for programmatic image comparison and visual diff generation. Compares two images pixel-by-pixel, identifies clusters of visual differences, and generates heatmap visualizations.
Designed for comparing design mock screenshots against actual UI implementations.
How It Works
- Pixel comparison using YIQ NTSC perceptual color distance (accounts for how humans perceive color differences)
- Anti-aliasing detection to filter out false positives from font smoothing and rounded corners
- Connected Component Labeling to group adjacent diff pixels into spatial clusters
- Natural-breaks clustering to auto-compute an optimal
cluster_gapusing nearest-neighbor distance analysis, merging nearby clusters into meaningful groups - Heatmap generation with yellow-to-red intensity gradient showing severity of differences
- Automatic alignment for different-sized images using OpenCV ZNCC template matching
Tools
get_diff_of_images
Compare two images and get structured diff results.
Parameters:
| Parameter | Type | Required | Default | Description |
|---|---|---|---|---|
source_image | string | Yes | - | Absolute path to the reference image |
target_image | string | Yes | - | Absolute path to the comparison image |
threshold | number | No | 0.1 | Color matching sensitivity (0-1, lower = more sensitive) |
include_aa | boolean | No | false | Count anti-aliased pixels as differences |
min_cluster_size | number | No | 4 | Minimum connected pixels to form a cluster |
cluster_gap | number | No | auto | Max pixel gap to merge nearby clusters. When omitted, an optimal gap is auto-computed using nearest-neighbor distance analysis with natural breaks. Set to 0 for no merging, or any positive integer for manual control. |
Returns:
identical: boolean indicating if images matchsummary: overall diff statistics (pixel counts, percentages, cluster count)clusters: array of diff regions with bounding boxes, severity ratings, and intensity metricsclustering: gap used, whether it was auto-computed, and suggested alternative gap valuesalignment(when images differ in size): position coordinates, confidence score, strategy used, and timingdimensions: width and height of the compared regionheatmapPath: file path to the generated heatmap imagecompositePath: file path to the heatmap overlaid on the source image
Requirements:
- Images must be accessible as local file paths
- Supports PNG, JPEG, WebP, TIFF input formats
- Images can have different dimensions — the smaller image is automatically aligned within the larger one
Tool Call Shape
MCP tool call input (minimal — just the two required paths):
{"name": "get_diff_of_images", "arguments": { "source_image": "/path/to/design-mock.png", "target_image": "/path/to/screenshot.png" } }
MCP tool call input (with all optional parameters):
{"name": "get_diff_of_images", "arguments": { "source_image": "/path/to/design-mock.png", "target_image": "/path/to/screenshot.png", "threshold": 0.05, "include_aa": true, "min_cluster_size": 10, "cluster_gap": 15 } }
MCP response (same-size images with differences):
{"content": [ { "type": "text", "text": "{\n \"identical\": false,\n \"summary\": {\n \"totalPixels\": 480000,\n \"diffPixels\": 737,\n \"diffPercentage\": 0.154,\n \"antiAliasedPixels\": 1034,\n \"matchingPixels\": 478229,\n \"clusterCount\": 11,\n \"description\": \"0.15% of pixels differ across 11 cluster(s). Severity breakdown: 5 major, 5 minor, 1 trivial.\"\n },\n \"clustering\": {\n \"gapUsed\": 4,\n \"autoGap\": true,\n \"suggestedSmallerGap\": 3,\n \"suggestedLargerGap\": 5\n },\n \"clusters\": [ ... ],\n \"heatmapPath\": \"/tmp/image-diff-output/heatmap-1234567890.png\",\n \"compositePath\": \"/tmp/image-diff-output/composite-1234567890.png\",\n \"dimensions\": { \"width\": 800, \"height\": 600 }\n}" } ] }
The text field contains the full JSON result as a string. When parsed, the full response shape looks like this:
Full parsed response shape (same-size images, with differences)
{"identical": false, "summary": { "totalPixels": 480000, "diffPixels": 737, "diffPercentage": 0.154, "antiAliasedPixels": 1034, "matchingPixels": 478229, "clusterCount": 11, "description": "0.15% of pixels differ across 11 cluster(s). Severity breakdown: 5 major, 5 minor, 1 trivial." }, "clustering": { "gapUsed": 4, "autoGap": true, "suggestedSmallerGap": 3, "suggestedLargerGap": 5 }, "clusters": [ { "id": 1, "left": 444, "top": 157, "right": 504, "bottom": 165, "width": 61, "height": 9, "pixelCount": 170, "totalImagePixels": 480000, "areaPercentage": 0.035, "meanIntensity": 0.111, "maxIntensity": 0.343, "severity": "minor" } ], "heatmapPath": "/tmp/image-diff-output/heatmap-1234567890.png", "compositePath": "/tmp/image-diff-output/composite-1234567890.png", "dimensions": { "width": 800, "height": 600 } }
Full parsed response shape (identical images)
{"identical": true, "summary": { "totalPixels": 480000, "diffPixels": 0, "diffPercentage": 0, "antiAliasedPixels": 0, "matchingPixels": 480000, "clusterCount": 0, "description": "Images are identical (no differences detected)." }, "clustering": { "gapUsed": 0, "autoGap": true, "suggestedSmallerGap": null, "suggestedLargerGap": null }, "clusters": [], "heatmapPath": "/tmp/image-diff-output/heatmap-1234567890.png", "compositePath": "/tmp/image-diff-output/composite-1234567890.png", "dimensions": { "width": 800, "height": 600 } }
Full parsed response shape (different-size images — auto-alignment)
{"identical": false, "summary": { "totalPixels": 108800, "diffPixels": 9031, "diffPercentage": 8.301, "antiAliasedPixels": 329, "matchingPixels": 99440, "clusterCount": 7, "description": "8.30% of pixels differ across 7 cluster(s). Severity breakdown: 1 major, 3 moderate, 3 minor." }, "clustering": { "gapUsed": 4, "autoGap": true, "suggestedSmallerGap": 1, "suggestedLargerGap": 6 }, "clusters": [ { "id": 1, "left": 20, "top": 185, "right": 299, "bottom": 215, "width": 280, "height": 31, "pixelCount": 8372, "totalImagePixels": 108800, "areaPercentage": 7.695, "meanIntensity": 0.242, "maxIntensity": 0.244, "severity": "major" } ], "alignment": { "x": 680, "y": 212, "confidence": 0.993, "strategy": "opencv-zncc-hybrid", "alignmentTimeMs": 89, "templateImage": "target", "originalDimensions": { "source": { "width": 1024, "height": 768 }, "target": { "width": 320, "height": 340 } } }, "heatmapPath": "/tmp/image-diff-output/heatmap-1234567890.png", "compositePath": "/tmp/image-diff-output/composite-1234567890.png", "dimensions": { "width": 320, "height": 340 } }
Note: The alignment field only appears when images have different dimensions. The dimensions field reflects the size of the compared region (the template size after alignment, not the full scene). The compositePath field is optional in the interface but always present when called via the MCP tool.
Examples
All examples below use this dashboard as the source image (800x600):
Example 1: Identical Images — No Differences
When two images are pixel-identical, the engine short-circuits and returns immediately.
| Source | Target | Composite |
|---|---|---|
The composite overlay shows the source image with no heatmap highlights — because there are no differences.
Structured output
{"identical": true, "summary": { "totalPixels": 480000, "diffPixels": 0, "diffPercentage": 0, "antiAliasedPixels": 0, "matchingPixels": 480000, "clusterCount": 0, "description": "Images are identical (no differences detected)." }, "clustering": { "gapUsed": 0, "autoGap": true, "suggestedSmallerGap": null, "suggestedLargerGap": null } }
Example 2: Color & Value Changes
The target has updated stat values ("12,847" -> "13,205", "$48,290" -> "$52,180") and different percentage text. The engine finds 11 clusters (auto gap=4) across the changed text and numbers.
| Source | Target |
|---|---|
| Standalone Heatmap | Composite Overlay |
|---|---|
The standalone heatmap shows only the diff pixels on a transparent background — yellow means lower intensity, red means higher intensity. The composite overlay blends the heatmap onto the source image so you can see exactly where differences occur in context.
Structured output (11 clusters, top 3 shown)
{"identical": false, "summary": { "totalPixels": 480000, "diffPixels": 737, "diffPercentage": 0.154, "antiAliasedPixels": 1034, "matchingPixels": 478229, "clusterCount": 11, "description": "0.15% of pixels differ across 11 cluster(s). Severity breakdown: 5 major, 5 minor, 1 trivial." }, "clustering": { "gapUsed": 4, "autoGap": true, "suggestedSmallerGap": 3, "suggestedLargerGap": 5 }, "clusters": [ { "id": 1, "left": 444, "top": 157, "right": 504, "bottom": 165, "width": 61, "height": 9, "pixelCount": 170, "areaPercentage": 0.035, "meanIntensity": 0.111, "maxIntensity": 0.343, "severity": "minor" }, { "id": 2, "left": 450, "top": 125, "right": 478, "bottom": 142, "width": 29, "height": 18, "pixelCount": 112, "areaPercentage": 0.023, "meanIntensity": 0.677, "maxIntensity": 0.738, "severity": "major" }, { "id": 3, "left": 284, "top": 126, "right": 308, "bottom": 142, "width": 25, "height": 17, "pixelCount": 91, "areaPercentage": 0.019, "meanIntensity": 0.682, "maxIntensity": 0.738, "severity": "major" } ] }
_8 more clusters omitted._
Example 3: Font Change (sans-serif -> serif)
The entire page is re-rendered with a serif font (Georgia). Every text element shifts slightly, producing many glyph-level differences. With the default auto-gap, the engine computes an optimal `c
Solo se muestra el principio; lee el resto en el repo