mcpField
P
PaletteGet

PaletteGet

远程服务
paletteget.com媒体与设计0今天更新

关于 PaletteGet

PaletteGet MCP 为编码 Agent 提供适用于 App、Web 和小程序界面的精选配色,包含 WCAG 对比度数据和实现代码片段。

主要功能

  1. 01按平台或标签浏览配色
  2. 02获取角色颜色与搭配建议
  3. 03用中英文关键词搜索配色
  4. 04生成 CSS 变量和平台代码片段
  5. 05检查对比度并推荐易读文字色
  6. 06生成暗色配色和颜色阶

适用场景

  1. 01为界面或视觉主题查找配色
  2. 02检查文字与背景的颜色对比度
  3. 03将配色值导出为前端样式
  4. 04从浅色配色生成暗色模式颜色

MCP 相关

向 MCP 客户端提供配色搜索、颜色数据、对比度检查和代码生成工具。可通过托管的 Streamable HTTP 端点或本地 stdio 服务使用。

配置

远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。

服务地址https://paletteget-mcp.y7206062.workers.dev/mcp
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。

工具

详细介绍

paletteget-mcp

网站 配色方案 许可证

一个用于 PaletteGet 调色板库的 MCP 服务:包含 100 个调色板,适用于 App、Web 和 Mini App UI;每个调色板都按 10 种设计角色进行组织,并经过 WCAG 对比度要求检查。

它的存在是为了让你的 AI 编码工具不再凭空编造十六进制颜色值。模型不必猜测,而是调用工具来获取实际的角色颜色、测量得出的对比度,以及调色板附带的配色建议。

无需 API 密钥,也无需注册。

使用托管端点(无需安装)

https://paletteget-mcp.y7206062.workers.dev/mcp
{
  "mcpServers": {
    "paletteget": {
      "type": "http",
      "url": "https://paletteget-mcp.y7206062.workers.dev/mcp"
    }
  }
}

ChatGPT:Settings → Connectors → Add custom connector → 粘贴 URL。

托管服务会在部署时嵌入数据集,因此不依赖网站是否可访问,并能在几毫秒内响应。

或在本地运行(stdio)

通过 npm,无需克隆
npx -y paletteget-mcp
{
  "mcpServers": {
    "paletteget": {
      "command": "npx",
      "args": ["-y", "paletteget-mcp"]
    }
  }
}

如果使用代理,请在服务的 env 块中设置 PALETTEGET_PROXY=http://127.0.0.1:7897。

从源代码运行
git clone https://github.com/yang7206/paletteget-mcp.git
cd paletteget-mcp
npm install
{
  "mcpServers": {
    "paletteget": {
      "command": "node",
      "args": ["/absolute/path/to/paletteget-mcp/index.mjs"]
    }
  }
}

stdio 服务会从公开的 JSON 端点获取实时数据,并缓存 10 分钟。

工具

工具功能
list_palettes列出调色板,可按平台(app / web / miniapp)或标签筛选
get_palette获取单个调色板的完整数据:角色颜色、对比度结果和人工撰写的配色建议
suggest_palette根据英文或中文关键词推荐调色板,并说明匹配依据
get_css_variables获取调色板的 CSS 自定义属性,可直接粘贴使用
check_contrast检查任意两种颜色之间的 WCAG 对比度,并分别给出正文文本和大号文本的判定结果
suggest_text_color根据给定背景推荐易读的文本颜色:同色相的浅色和深色,以及黑色和白色,并按对比度排序
darken_palette按照已公布的规则,将浅色调色板转换为深色模式版本,并测量每对颜色的对比度
get_platform_snippet获取单个调色板可直接粘贴的代码:Android colors.xml、iOS UIColor、Flutter Color、小程序 wxss、CSS、SCSS 或 Tailwind
get_color_scale将一种基础颜色扩展为从 50 到 900 的色阶,并计算每个色阶与白色和黑色的对比度;支持 JSON、CSS 或 Tailwind 格式

调用与结果示例:

suggest_palette { "query": "dark finance dashboard", "limit": 2 }

- Ink Blue Night / 墨蓝夜(app,分 94)
  slug: mo-lan-ye 主色: #4c8df6
  场景: Finance & analytics apps (dark mode)
  命中: 标签:dark, 场景:finance

环境变量(stdio 服务)

变量默认值用途
PALETTEGET_APIhttps://paletteget.com/api/index.json覆盖数据集 URL
PALETTEGET_API_ZH派生值(/zh/api/index.json)覆盖中文数据集 URL
PALETTEGET_CACHE_MS600000缓存时长,单位为毫秒
PALETTEGET_PROXY无通过代理转发请求,例如 http://127.0.0.1:7897。也支持 HTTPS_PROXY。

在防火墙后运行时,Node 内置的 fetch 会忽略常见的代理变量,因此请显式设置 PALETTEGET_PROXY。

测试

npm run smoke

冒烟测试会直接使用 MCP stdio 协议,并通过本地 fixture 测试每个工具,因此可离线运行。将 PALETTEGET_API 指向在线站点,即可针对生产环境进行测试。

维护托管 Worker

Worker(worker.mjs)是手写的无状态 MCP Streamable HTTP 子集(initialize、tools/list、tools/call、ping),不依赖 SDK,因此体积小巧,并针对 Workers 进行了原生优化。

# 1. Regenerate the embedded dataset (run both locales)
SITE_URL=https://paletteget.com SITE_LOCALE=zh node --import ./alias-loader.mjs build-data.mjs
SITE_URL=https://paletteget.com SITE_LOCALE=en node --import ./alias-loader.mjs build-data.mjs

# 2. Local check
npx wrangler dev          # POST JSON-RPC to http://127.0.0.1:8787/mcp

# 3. Deploy (needs CLOUDFLARE_API_TOKEN with Workers Scripts:Edit)
npx wrangler deploy

build-data.mjs 通过 alias-hooks.mjs 复用网站自身的 i18n 模块,因此名称、场景和建议与已发布的网站保持一致。data/ 在构建时生成,不会提交到版本库。

数据和许可证

代码采用 MIT 许可证(见 LICENSE)。调色板数据来自 paletteget.com, 可在个人和商业项目中自由复用;如能附上来源链接,我们将不胜感激。

如果你想完全跳过 MCP,也可以使用相同数据的机器可读格式:

  • 完整数据集:https://paletteget.com/api/index.json
  • 单个调色板:https://paletteget.com/palette-list/{platform}/{slug}/index.json
  • CSS 变量:https://paletteget.com/palette-list/{platform}/{slug}/index.css
  • Agent 指南:https://paletteget.com/llms.txt

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。