figwright

从现有证据看，figwright 更适合被判断为“值得技术团队试装的早期开源基础设施”，而不是已被大量生产案例证明的成熟设计交付平台。最强证据来自官方 GitHub 仓库描述：它明确定位为双向 Figma MCP server，可让 AI coding agent 读取设计、生成代码并写回 Figma。仓库星标与搜索曝光只能算热度证明，说明它正在被关注；但这还不是复杂项目里稳定好用的直接证明。

它的实际作用，不是很多人容易误解的 Figma 自动排版插件，也不是一键出站的低代码建站器。更准确的类比，是“把 Figma 接到 Claude Code、Cursor 等 AI 编码代理上的双向协议层/桥接服务”。对已经在用 MCP client 的团队，这种方式比手工截图喂模型更结构化，理论上更有利于生成贴近 React 等目标框架的代码；而 write back to canvas 也意味着它尝试把结果同步回设计画布，这是和单向 design-to-code 工具的重要区别。

门槛和成本方面，现有证据只足以支持它是官方仓库标注的 Free / open-source，不能外推出企业托管、SaaS 定价或稳定 API 单价。保守推断，真实成本主要来自本地部署、MCP 客户端接入、Figma 权限配置，以及你调用上游模型时产生的模型费用；这些属于保守推断，不是官方报价。它更适合已有 Figma 与 AI 编码流程、能自行排障的前端或产品工程团队；不适合期待零配置、强售后、即开即用的纯设计团队。

这批 evidenceSources 的讨论质量整体偏弱，且存在明显混淆：除官方 GitHub 外，ai-bot.cn 与多篇知乎内容讨论的其实是旧的命令行补全工具 Fig / fig.io，并不是 figwright 本身，因此基本不能作为好用证明。也就是说，目前证据结构是“官方仓库自述较强，外部独立实测、教程、长文和案例明显不足，样本有限且有名称歧义”。社区共识最多只能支持“概念清晰、方向有吸引力、引发了一定关注”，还不足以强证其生成质量、回写可靠性和框架适配成熟度。