
AIのUI実装精度はデザイナーが決める──Figma MCP導入から半年の試行錯誤
はじめに
「Figma URLを渡せばコードが出てくる」
Figma MCP(Model Context Protocol)が話題になり始めたころ、私もそう思っていました。実際、URLを渡せばそれっぽいコードは出てきます。でも「そのまま使えるコード」が出てくるかどうかは、全く別の話です。
弊社のプロダクト(Cloudbase)ではChakra UIを使っています。Figma MCPを試してみると、出力されるのはTailwindのクラスを使ったReactコード。コンポーネントは無視されてdivだらけ、変数名はレイヤー名そのまま。「これ、ゼロから書いた方が早いな」という感想を持った方も多いのではないでしょうか。
この記事では、そこから半年かけてFigma→コードの実装精度を上げるためにやってきたことをまとめます。結論から言うと、精度を上げるカギはFigmaの作り方とデザインシステムの整備にありました。
私はエンジニア出身のデザイナーで、Cloudbaseでは(現在は)一人でFigmaとコードベース両方の設計を担っています。その立場から見えてきたことをお伝えします。
公式MCPをあえて使わない
Figma公式のMCPサーバーがあります。接続すると、FigmaのデザインデータをReact + Tailwindのコードに変換してAIに渡してくれます。ただ、これがCloudbaseには合いませんでした。
理由はシンプルで、弊社はTailwindを使っていません。Chakra UIをベースにCBコンポーネントと呼ばれる独自のコンポーネントライブラリ(CBButton、CBInput、CBDataTableなど30以上)とデザイントークンを整備しています。公式MCPが出力するTailwindコードでは、CBコンポーネントやデザイントークンへ変換する際に精度が悪くなってしまい実用できませんでした。 (※ CB = Cloudbaseから命名)
そこで採用したのが Figma-Context-MCP(非公式)です。
このMCPは「コードに変換しない」設計になっています。生のFigmaデータ(ノードのプロパティ、テキスト、色、サイズなど)をそのままAIに渡すだけです。変換はAI側で行います。
変換ロジックをMCP側ではなくAI側に持たせる、この設計が重要でした。なぜなら、AI側の変換ルールはエージェントスキルでコントロールできるからです。

ツールより「Figmaデータの質」が問題だった
MCPを変えたところで、最初はまだ精度が低い状態でした。生データが来ても、Figmaファイルの構造が悪ければ出力も悪くなります。
MCPの出力品質 ≒ Figmaデータの品質という関係があります。具体的には:
レイヤー名が Frame 123 や Rectangle だと、AIはどのコンポーネントを使うべきか判断できない
色がデザイントークンを使わず直書きされていると、コード側のトークンにマッピングできない
コンポーネントがFigmaでコンポーネント化されていないと、AIには「ただの形状の集まり」にしか見えない
「Figmaをどう作るか」がそのままコード品質に直結する。これが実感です。
デザインシステムの整備がどう効いているか
ここで効いてくるのがFigmaとコードのデザインシステムをAlignさせる取り組みです。
Cloudbaseでは Chakra UIのテーマを拡張して独自トークンを定義しています:
colors.ts — カラーパレット(gray.500など)
textStyles.ts — 複合テキストスタイル(md/Boldなど)
sizes.ts — レイアウトサイズ(ヘッダー高さ、サイドバー幅など)
これらと同じ命名でFigmaのスタイル・変数を定義しています。
Figmaで gray/500 というカラースタイルを使っていれば、AIはコードで gray.500 にマッピングできます。md/Bold というテキストスタイルを使っていれば、textStyle="md/Bold" に変換できます。
さらに、 figma-implement というエージェントスキルを定義しました。このスキルには:
Tailwindを使わない
Chakra UIのコンポーネントではなく、CBコンポーネントを優先する
デザイントークンのマッピングルール(Cloudbase独自トークン → Chakra UIデフォルトの優先順位)
これらのルールが書いてあります。エンジニアがFigma URLを渡して /figma-implement を実行すると、このルールに基づいてChakra UI + CBコンポーネントのコードが出力されます。
ただし、ここで一つ落とし穴があります。AIは既存の実装コードを参照して出力を生成します。コードベースにデザインシステム外のコンポーネント(素のChakra UIコンポーネントや、現在のデザインシステムに存在しないレガシーコンポーネント)が残っていると、AIがそちらを参照してしまい、せっかくのルール定義が機能しなくなります。
そこで現在、既存コードの負債解消も並行して進めています。具体的には、コードベースに残っているデザインシステム外のコンポーネントをすべてCBコンポーネントに置き換える作業です。これもAIの力を借りながら私が対応しています。「Figmaを整備するだけでは不十分で、コードベース側も揃えて初めて精度が上がる」というのが実感です。
Figmaのレイヤー命名規則という「AIへの指示書」
もうひとつ重要なのが、Figmaのレイヤー命名規則です。
UIコンポーネントについてはFigmaのデザインシステムのCBコンポーネントのInstanceを使うことを徹底することで、結果として命名規則が守られる仕組になっています。レイアウトについては後述するようにAuto Layoutを必須とし、Chakra UIのレイアウトコンポーネント名をつけています。
Figmaのレイヤー名はAIにとって「このコンポーネントは何か」を判断する手がかりになります。CBコンポーネントのInstanceを配置すると、レイヤー名は自動的にそのコンポーネント名(CBButton、CBBadgeなど)になります。つまりデザインシステムを正しく使うだけで、レイヤー構造がそのままAIへの指示書になります。

AIはCBButtonというレイヤー名を見て「このノードにはCBButtonを使う」と迷わず判断できます。命名規則を意識する必要はなく、Figmaのデザインシステムを正しく使うこと自体が精度向上に直結しています。
この命名規則はUIコンポーネントだけでなく、レイアウト構造にも適用しています。FigmaではAuto Layoutを必須にしており、そのレイヤー名をChakra UIのレイアウトコンポーネント名に対応させています。

Auto Layoutを使っていれば、Figma上のレイアウト構造はそのままコードの構造に対応します。
レイヤー名までChakra UIに合わせることで、AIがレイアウトコンポーネントの選択で迷わなくなります。これは手間がかかりますが、一度習慣化してしまえばFigmaを作りながら自然にできます。そしてその手間が、実装フェーズでの手戻りを大きく減らします。
なお、この命名規則を効率よく守るために、Frame LintというFigmaプラグインを自作しました。パターンとして登録した命名規則に違反しているレイヤーを検知し、整備すべき箇所を明示してくれるツールです。「Figmaの要件を正しく保つ」こと自体を仕組み化しています。

ワークフローをまとめると
現在のFigma → コード変換フローはこうなっています:
FigmaでUI設計(コンポーネント名でレイヤー命名、デザイントークン使用)
エンジニアがFigma URLをAIエージェントに渡す
/figma-implement スキルを実行
Figma-Context-MCPが生のFigmaデータを取得
AIエージェントがスキルのルールに従ってCBコンポーネント + Chakra UIに変換
ゼロから書くよりも速く、かつ「手書きで書き直す」手間がほぼない状態になっています。
おわりに
振り返ると、実装精度を上げるためにやったことの大半は「AI側の仕組みを整える」ことではなく「Figmaとデザインシステムの質を上げる」ことでした。
MCPは道具で、その精度は使い手(デザイナー)の準備に依存します。エンジニア出身だからこそ「コードから見たFigmaの作り方」を考えられましたし、Figmaとコードベース両方を整備できました。
Cloudbaseでは現在、このデザインシステムと実装パイプラインをさらに育ててくれる2人目のプロダクトデザイナーを探しています。
「複雑なセキュリティ運用を、心地よい体験に。」というミッションのもと、デザインシステム・IA設計・UI設計を横断してプロダクトの品質を上げていく仕事です。興味がある方は、ぜひこちらのJDをご覧ください。