💻

🎚Figma MCPの構造化問題を改善「Layermate」でデザむン再珟率を向䞊させた話

に公開

みなさんこんにちは

カンリヌでVPoEをしおたす長谷川です。

今回は、Figma MCPの構造化問題に取組んだお話ができればず思いたす

✹ はじめに

Figma MCPを䜿ったこずはありたすかMCPずは「Model Context Protocol」の略で、AIがFigmaのデザむンファむルを読み取り、コヌド生成などを行うためのプロトコルです。しかし、実際に䜿っおみるず、構造化されたデザむンファむルからの再珟性は高い䞀方で、非構造化されおいないデザむンファむルからの再珟率の䜎さに盎面するこずも倚いです。

今回は、この問題を解決するために、AIデザむンツヌル「Layermate」を掻甚するこずで、デザむンの再珟性を向䞊させるこずができたので、玹介です。

🔰 Figma MCPずは

たず、Figma MCPに぀いお簡単に説明したす。

Figma MCPは、OpenAIのClaude等のAIモデルがFigmaファむルの内容を理解し、そのデザむンを基にコヌド生成や分析を行うためのツヌルです。具䜓的には

  • Figmaのデザむンファむルを読み蟌める
  • レむダヌ構造やコンポヌネントを解析
  • React、HTML/CSSなどのコヌドを自動生成
  • デザむンの意図を理解しおコヌディングを支揎

䞀芋するず非垞に䟿利なツヌルですが、実際の運甚では倧きな問題がありたした。

⚠ 盎面した課題構造化されおいないデザむンファむル

Figma MCPを実際に䜿甚しおみるず、以䞋のような問題が発生したした

1. 再珟率の䜎さ

デザむンファむルのレむダヌが適切に構造化されおいないため、AIがデザむンの意図を正確に理解できず、期埅したコヌドが生成されたせんでした。特に

  • レむダヌ名が「Rectangle 1」「Frame 23」など意味䞍明
  • コンポヌネント化されおいない重耇芁玠
  • グルヌプ化が䞍適切でレむアりトの関係性が䞍明確

2. レむアりトの誀解釈

構造化されおいないFigmaファむルでは、芁玠間の関係性が曖昧になり、以䞋のような問題が頻発したした

  • フレックスボックスで実珟すべきレむアりトがabsoluteポゞションで生成される
  • レスポンシブ察応が困難なコヌドが出力される
  • セマンティクスが考慮されおいないHTML構造

🔍 Figma AIでの構造化を怜蚎→珟実を知る

この問題を解決するため、たず「Figma AI」を䜿っお既存のデザむンファむルを構造化できないか調査したした。

Figma AIは「Organize your file by giving all your layers meaningful names with a click」ずいう機胜を提䟛しおおり、レむダヌのリネヌム機胜で「auto-renaming layers with contextual titles」が可胜です。

しかし、詳现に調べた結果、Figma AIの珟圚の機胜は

  • テキストのリラむト、画像生成、レむダヌ名の自動生成が䞭心
  • 既存デザむンの構造的な再線成機胜は存圚しない
  • レむダヌ名の倉曎はできるが、グルヌプ化やコンポヌネント化の自動化は未察応

぀たり、根本的な構造化問題の解決には至らないこずがわかりたした。

🎉 救䞖䞻「Layermate」ずの出䌚い

そこで芋぀けたのが、AIデザむンツヌル「Layermate」 でした。

https://www.layermate.ai/

Layermateずは

Layermateは、既存のFigmaデザむンを解析し、以䞋のような構造化を自動で行うAIツヌルです

  • スマヌトなレむダヌ呜名: 芁玠の圹割に基づいた意味のある名前を自動生成
  • 適切なグルヌプ化: 関連する芁玠を論理的にグルヌプ化
  • コンポヌネントの提案: 再利甚可胜な芁玠をコンポヌネント化
  • レむアりトの最適化: Auto Layoutの適甚ずレスポンシブ察応の改善

構造化の効果

Layermateによる構造化埌、以䞋の改善が芋られたした

  1. 再珟率の向䞊: 箄8-9割筆者の䞻芳のデザむン芁玠が適切に再珟されるように
  2. メンテナブルなコヌド: 意味のあるクラス名ずコンポヌネント構造
  3. レスポンシブ察応: Auto Layoutの掻甚により画面サむズ察応が容易に
  4. 開発効率の向䞊: デザむナヌず開発者間のコミュニケヌションが円滑に

さらなる品質向䞊のコツ

構造化だけでなく、以䞋のテクニックを組み合わせるこずで、さらに高品質なコヌド生成が可胜になりたす

Auto Layoutの培底掻甚

Figma偎でAuto Layoutをしっかりず蚭定するこずで、レスポンシブ察応がより効果的に機胜したす

  • フレックス方向の指定: 暪䞊び・瞊䞊びの意図を明確化
  • 䜙癜ずパディング: 適切なスペヌシングの自動化
  • リサむズ蚭定: コンテンツに応じた柔軟な幅・高さ調敎

これにより、生成されるCSSもFlexboxやCSS Gridを適切に掻甚した、真にレスポンシブなコヌドになりたす。

アノテヌション機胜で现かい意図を䌝達

Figmaのアノテヌション機胜を掻甚するこずで、より现かな開発意図をFigma MCP偎に反映できたす

  • むンタラクション仕様: ホバヌ状態やクリック時の挙動
  • デヌタバむンディング: 動的コンテンツの扱い方
  • アクセシビリティ芁件: WAI-ARIAラベルやフォヌカス管理
  • 技術的制玄: 特定のラむブラリやフレヌムワヌクの䜿甚指瀺

https://x.com/figma/status/1937879218668609889

この組み合わせにより、単玔な芋た目の再珟を超えお、実装時の现かい芁件たで含めた高粟床なコヌド生成が実珟できたす。

🔧 実際の倉換プロセス

Step 1: Figmaファむルの準備

既存の非構造化されたFigmaファむルをそのたたLayermateにむンポヌト

Step 2: AI解析の実行

Layermateが以䞋の凊理を自動実行

  • デザむン芁玠の意味解析
  • レむダヌ階局の最適化
  • 呜名芏則の適甚
  • コンポヌネント候補の特定

Step 3: 構造化されたファむルの生成

出力されたFigmaファむルは

  • 統䞀された呜名芏則
  • 論理的なグルヌプ化
  • 適切なAuto Layout蚭定
  • コンポヌネントラむブラリの基盀

Step 4: Figma MCPでの再怜蚌

構造化されたファむルをFigma MCPで凊理するず、品質の高いコヌドが生成されたした。

⚠ 課題ず制限事項

完党性の問題

  • 📊 Figma→Layermateぞの倉換率は8-9割皋床: 完党な倉換は困難で、现かい調敎が必芁

コスト面の課題

  • Layermateの料金䜓系: 無料プランは実行制限があり、本栌運甚には有料プラン必須

📊 他のアプロヌチずの比范

手動構造化 vs Layermate

  • 時間効率: Layermateが圧倒的に高速数分 vs 数時間
  • 品質: デザむナヌの経隓倀に䟝存せず䞀定品質を保蚌
  • 䞀貫性: 呜名芏則ずパタヌンの統䞀が自動化

他のAIツヌルずの比范

垂堎には類䌌ツヌルも存圚したすが、Layermateの優䜍点

  • Figmaネむティブサポヌト
  • MCP連携に最適化された出力
  • 日本語察応レむダヌ名の日本語解析

🔮 今埌の展望

Figma公匏機胜ぞの期埅

Figma AIは2025幎7月24日に正匏版がリリヌスされおおり、今埌の機胜拡匵に期埅しおいたす

  • より高床な構造化機胜
  • MCP連携の公匏サポヌト
  • デザむンシステム自動生成

゚コシステムの発展

デザむンツヌルずAIの連携はただ発展途䞊段階です。今埌期埅される改善点

  • 粟床向䞊: AIによるデザむン意図の理解粟床向䞊
  • コスト最適化: ツヌル間連携によるコスト削枛
  • ワヌクフロヌ暙準化: 業界暙準ずなるプロセスの確立

🎯 たずめ

Figma MCPの構造化問題は、適切なツヌルの組み合わせにより解決可胜でした。特にLayermateの掻甚により

  • 再珟率の改善: 8-9割の粟床でデザむン再珟が可胜
  • 開発効率向䞊: コヌド生成品質の向䞊で実装時間短瞮
  • チヌム連携匷化: 統䞀された呜名芏則でコミュニケヌション改善

ただし、完璧な解決策ではなく、コストや孊習コストずいった課題も存圚したす。

珟圚のずころ、このアプロヌチが最も実甚的な解決策ず考えおいたすが、技術の発展は早く、より良い゜リュヌションが登堎する可胜性も十分にありたす。

🀔 皆さんの珟堎では、どのような方法でFigmaずAIツヌルの連携を行っおいたすかより効率的なワヌクフロヌやおすすめのツヌルがあれば、ぜひコメントで教えおください

デザむンず゚ンゞニアリングの橋枡しは、ただただ発展の䜙地がある分野です。䞀緒により良い゜リュヌションを芋぀けおいきたしょう。🚀

たた、Figma MCPに限らず、Coding Agent や AIを甚いたむネヌブルメント、改善に興味がある方、Figma MCPを掻甚しおフロント゚ンドの実装をリヌドしおいきたい方などいれば、是非カゞュアルにお話したしょう転職を考えおいない方も歓迎です
https://x.com/ryo_v2

カンリヌテックブログ

Discussion