Figma 披露 Harvey 案例:智能体经 Figma MCP 直接在画布上做分镜和动效,批量产出数百条定制演示视频
Figma 官方账号介绍法律 AI 公司 Harvey 的做法:智能体通过 Figma MCP 直接在画布上工作,读取品牌与动效规范、用 Figma Motion 做分镜和动画供团队评审,并用 Figma Weave 生成图像和视频。
Figma 官方账号于北京时间 10 月 22 日凌晨分享了一个设计生产案例:法律 AI 公司 Harvey 如何制作数百条定制化的产品演示视频。答案是让智能体通过 Figma 的 MCP(模型上下文协议)服务直接在设计画布上工作。
按照 Figma 的描述,这套流程分为三步:首先,智能体从 Harvey 在 Figma 中设计好的品牌规范和动效规范里提取视觉上下文,确保产出符合品牌调性;其次,智能体使用 Figma Motion 完成分镜和动画制作,供团队在 Figma 内评审并给出反馈;最后,借助 Figma Weave 生成所需的图像和视频素材。Figma 转发的原帖来自另一位作者,介绍了 Harvey 方面如何组合使用 Figma、ElevenLabs 和 Claude,用智能体制作高度个性化的营销视频。
flowchart LR
A[Figma 中的品牌规范<br/>与动效规范] -->|Figma MCP| B[智能体读取视觉上下文]
B --> C[Figma Motion<br/>分镜与动画]
C --> D[团队在画布上评审反馈]
D --> E[Figma Weave<br/>生成图像与视频]
E --> F[数百条定制演示视频]
这个案例的意义在于,MCP 让设计文件不再只是给人看的“静态稿”,而成为智能体可以读取和操作的结构化上下文。过去,为不同客户、不同行业定制演示视频,往往需要设计和视频团队逐条改稿;当品牌规范、动效模板都沉淀在 Figma 中,智能体就能在既定约束内批量生成变体,而人工把精力放在评审和把关上。
对产品与设计团队而言,这类工作流的前提是设计系统本身足够规范:规范越清晰,智能体的产出越可控。不过,Figma 的帖文没有披露该流程的具体效率数据、评审通过率或人工介入比例,“数百条”视频背后的质量控制方式仍有待更多细节;希望效仿的团队可以先从单一模板、小批量的场景开始验证。
How Harvey makes hundreds of tailored demo videos with Figma MCP
Curious how @harvey makes hundreds of tailored demo videos?
Through Figma’s MCP, agents work directly on the canvas to: → Pull in visual context from their brand and motion guidelines designed in Figma → Storyboard and animate using Figma Motion, for review and feedback with their team → Generate imagery and video with @figmaweave