figma

워크플로우 랩: Figma MCP로 캔버스 확장하기 | 피그마 블로그 (새 탭에서 열림)

Anthropic이 발표한 MCP(Model Context Protocol)는 AI 모델이 기업 내부 데이터나 특정 도구의 맥락(Context)에 안전하고 표준화된 방식으로 접근할 수 있도록 돕는 개방형 프로토콜입니다. 특히 Figma는 이 프로토콜을 활용해 디자인 시스템의 데이터를 AI에게 직접 전달함으로써, AI가 단순한 추측이 아닌 실제 디자인 가이드라인에 기반한 정확한 결과물을 도출할 수 있도록 지원합니다. 결과적으로 MCP는 파편화된 데이터 소스를 AI와 연결하는 표준 인터페이스 역할을 하며, 개발과 디자인 사이의 간극을 좁히는 핵심 기술로 자리 잡고 있습니다. **AI의 한계와 맥락(Context)의 중요성** * 거대언어모델(LLM)은 방대한 지식을 학습했지만, 특정 조직의 최신 디자인 파일이나 내부 문서와 같은 '마지막 1마일'의 구체적인 정보는 알지 못합니다. * 이전에는 AI에게 이러한 맥락을 제공하기 위해 매번 복잡한 커스텀 통합(Integration) 과정을 거쳐야 했으며, 이는 유지보수와 보안 측면에서 큰 부담이었습니다. * MCP는 AI 모델과 데이터 소스 사이의 통신 규격을 표준화하여, 한 번의 설정으로 다양한 AI 도구가 기업 데이터에 즉시 접근할 수 있는 환경을 제공합니다. **Figma MCP를 통한 디자인 시스템의 활용** * Figma의 MCP 서버를 활용하면 AI 에이전트가 디자인 토큰, 컴포넌트 라이브러리, 레이아웃 명세 등에 직접 접근할 수 있습니다. * AI는 단순히 "버튼을 만들어줘"라는 요청에 대해 임의의 코드를 생성하는 대신, Figma에 정의된 실제 브랜드 컬러, 여백, 스타일 가이드를 준수하는 코드를 작성하게 됩니다. * 디자인 시스템이 업데이트되면 MCP를 통해 연결된 AI도 실시간으로 변경 사항을 인지하므로, 디자인과 코드 사이의 동기화 오류를 획기적으로 줄일 수 있습니다. **워크플로우 혁신과 효율성 증대** * 개발자는 디자인 사양을 일일이 확인하며 코드를 옮기는 대신, AI에게 MCP를 통한 디자인 가이드 참조를 명령함으로써 구현 속도를 높일 수 있습니다. * AI가 작성한 코드가 디자인 시스템을 준수하는지 자동으로 검수(Audit)하는 프로세스를 구축하여 품질 관리의 자동화가 가능해집니다. * 디자이너와 개발자 간의 핸드오프(Handoff) 과정에서 발생하는 커뮤니케이션 비용을 줄이고, 창의적인 문제 해결에 더 많은 시간을 할애할 수 있습니다. 성공적인 AI 도입을 위해서는 모델의 성능만큼이나 '정확한 데이터의 연결'이 중요합니다. MCP를 활용해 Figma와 같은 디자인 소스의 진실(Source of Truth)을 AI에게 연결하는 것은, 조직 내에서 AI가 실질적인 비즈니스 가치를 창출하게 만드는 가장 구체적이고 강력한 전략이 될 것입니다.

이제 FigJam은 코딩 에이전트의 화이트보드이기도 합니다 | Figma 블로그 (새 탭에서 열림)

피그마(Figma)는 AI가 디자인과 개발 사이의 간극을 메우기 위해 디자인 시스템이라는 핵심 맥락(Context)을 이해해야 함을 강조하며, 그 해결책으로 **Model Context Protocol(MCP)**의 도입을 제안합니다. MCP는 AI 모델이 피그마의 디자인 데이터를 직접 조회할 수 있게 함으로써, 추상적인 지시가 아닌 실제 브랜드 가이드라인과 코드 규격에 맞는 결과물을 생성하도록 돕습니다. 결과적으로 MCP는 디자이너와 개발자가 동일한 데이터 소스를 바탕으로 더 빠르고 정확하게 협업할 수 있는 기술적 토대를 제공합니다. ### AI 모델의 한계와 맥락의 중요성 * 기존의 범용 AI 모델은 특정 기업의 디자인 시스템이나 컴포넌트 라이브러리에 대한 지식이 없어 일반적이고 추상적인 결과물만 생성하는 한계가 있습니다. * 디자인 의도를 AI에게 전달하기 위해 일일이 스크린샷을 찍거나 코드를 복사해서 붙여넣는 방식은 비효율적이며, 데이터의 신선도를 유지하기 어렵습니다. * AI가 진정으로 생산성을 높이기 위해서는 단순한 텍스트 생성을 넘어, 기업의 실시간 디자인 자산과 토큰(Tokens) 정보라는 '맥락'에 직접 접근할 수 있어야 합니다. ### MCP(Model Context Protocol)의 역할 * MCP는 Anthropic이 발표한 오픈 표준으로, AI 모델(클라이언트)이 로컬 데이터나 서비스 API(서버)에 안전하고 쉽게 접근할 수 있도록 연결하는 범용 인터페이스입니다. * 개별 도구마다 복잡한 커스텀 통합을 구축할 필요 없이, 표준화된 프로토콜을 통해 AI가 데이터베이스, 파일 시스템, 디자인 도구의 데이터에 실시간으로 접근하게 해줍니다. * 이는 AI를 단순한 채팅 인터페이스에서 실질적인 데이터 기반 에이전트로 진화시키는 핵심 기술입니다. ### Figma MCP 서버의 기능과 활용 * 피그마는 자체 MCP 서버를 통해 AI 에이전트(예: Claude Desktop, Cursor 등)가 피그마 REST API를 직접 호출하여 레이어, 스타일, 변수 정보를 읽을 수 있게 지원합니다. * 개발자는 AI에게 "이 피그마 디자인을 바탕으로 리액트 컴포넌트를 만들어줘"라고 요청할 때, AI가 디자인 파일의 실제 수치와 토큰 정보를 참조하여 오차 없는 코드를 생성하게 할 수 있습니다. * 단순한 시각적 모사가 아니라 디자인 시스템의 규칙을 준수하는 코드를 생성하므로, 개발 후 수정 단계(Hand-off)에서의 소통 비용을 획기적으로 줄여줍니다. ### 디자인 시스템과 AI의 결합 가치 * 디자인 시스템은 이제 단순한 문서화 도구를 넘어 AI가 학습하고 참조해야 할 '기계가 읽을 수 있는(Machine-readable) 진실의 원천'으로 기능합니다. * MCP를 통해 AI가 디자인 시스템을 이해하게 되면, 브랜드 일관성을 유지하면서도 반복적인 UI 구현 작업을 자동화할 수 있습니다. * 이를 통해 팀은 단순 구현 작업에서 벗어나 더 고도화된 사용자 경험 설계와 전략적인 문제 해결에 집중할 수 있는 시간을 확보하게 됩니다. --- **실용적인 제안** 조직의 개발 효율성을 높이고 싶다면, 피그마 MCP 서버를 개발 환경(Cursor 등)에 연동하여 디자인-투-코드(Design-to-Code) 워크플로우를 자동화해 보세요. 디자인 시스템의 변수와 컴포넌트 명명 규칙을 철저히 관리할수록 MCP를 통한 AI의 코드 생성 정확도는 더욱 높아질 것입니다.

MCP 핵심 요약: 컨텍스트의 중요성과 활용 방법 | Figma 블로그 (새 탭에서 열림)

Figma가 Anthropic의 Model Context Protocol(MCP)을 도입하여 AI 에이전트가 디자인 캔버스를 직접 읽고 이해할 수 있는 환경을 구축했습니다. 이를 통해 개발자와 디자이너는 LLM이 디자인 파일의 레이어 구조와 속성을 실시간으로 파악하여 코드를 생성하거나 디자인 가이드를 작성하도록 명령할 수 있습니다. 결과적으로 AI는 단순한 채팅 도구를 넘어 디자인 도구 내부 데이터에 접근하여 실질적인 작업을 수행하는 협업 파트너로 진화하게 되었습니다. ### Model Context Protocol(MCP)의 통합과 역할 * Figma는 Anthropic이 공개한 오픈 표준인 MCP를 활용하여 AI 에이전트와 Figma 데이터 간의 직접적인 연결 고리를 마련했습니다. * 기존에는 사용자가 스크린샷을 찍어 AI에게 전달해야 했으나, 이제는 AI 에이전트가 직접 Figma API를 통해 디자인 객체의 메타데이터에 접근할 수 있습니다. * 이를 통해 AI는 레이어의 계층 구조, 오토 레이아웃(Auto Layout) 설정, 색상 및 타이포그래피 스타일 등 시각적 정보 너머의 세부 기술 정보를 정확하게 파악합니다. ### AI 에이전트의 디자인 데이터 활용 방식 * AI 에이전트는 특정 페이지나 프레임을 탐색하고, 디자인 시스템 내 구성 요소(Component)의 속성과 사용 현황을 분석할 수 있습니다. * 디자인 파일 내의 특정 영역을 기반으로 React, Tailwind CSS 등 실제 구현에 필요한 프론트엔드 코드를 고도로 정확하게 추출하는 것이 가능해집니다. * 복잡한 캔버스 안에서 특정 텍스트나 디자인 요소를 검색하고, 디자인 시스템 준수 여부를 확인하는 등 자동화된 감사(Audit) 업무를 수행할 수 있습니다. ### 워크플로우 효율화와 실무적 변화 * 디자인에서 개발로 넘어가는 핸드오프(Handoff) 과정에서 발생하는 정보 손실을 최소화하고, 반복적인 UI 구현 작업을 자동화합니다. * 디자인 변경 사항을 추적하여 자동으로 요약 문서를 작성하거나, 디자인 사양(Spec)에 기반한 릴리스 노트를 생성하는 등 문서화 공수를 획기적으로 줄여줍니다. * Claude Desktop과 같은 MCP 지원 클라이언트를 사용하는 사용자는 Figma MCP 서버를 연결함으로써 별도의 개발 없이도 자신의 디자인 데이터를 AI 모델의 컨텍스트로 즉시 활용할 수 있습니다. 이제 개발자와 디자이너는 Figma MCP 서버를 활용해 자신의 디자인 파일을 AI의 지식 베이스로 전환할 수 있습니다. 특히 복잡한 디자인 시스템을 운영하거나 디자인 기반의 코드 작성이 잦은 팀이라면, AI 에이전트에 Figma 접근 권한을 부여하여 워크플로우의 병목 구간을 해결해 보기를 권장합니다.

Figma Weave로 프롬프트를 다섯 가지 확장 가능한 워크플로우로 전환하기 | Figma 블로그 (새 탭에서 열림)

Figma Weave는 단순히 채팅창에 명령어를 입력하는 기존의 AI 방식을 넘어, 디자인 도구의 캔버스 자체에 AI를 깊숙이 통합한 차세대 AI 네이티브 제작 엔진입니다. 사용자가 아이디어를 시각화하는 과정에서 AI가 디자인 맥락과 시스템을 실시간으로 이해하고 협업하며, 정적인 결과물 생성이 아닌 편집 가능한 실제 디자인 요소를 생성하는 데 초점을 맞춥니다. 이를 통해 디자이너는 단순 반복 작업에서 벗어나 더 높은 차원의 창의적 의사결정에 집중할 수 있는 환경을 제공받게 됩니다. ### AI 네이티브 엔진, Weave의 핵심 개념 * **캔버스 중심의 통합:** 별도의 사이드바나 채팅창이 아닌, 디자이너가 작업하는 캔버스 위에서 AI가 직접 요소를 생성하고 수정합니다. * **객체 모델 기반 생성:** 단순한 이미지를 생성하는 것이 아니라, Figma의 레이어, 오토 레이아웃, 컴포넌트 구조를 유지한 채 수정 가능한 디자인 객체를 만들어냅니다. * **멀티모달 상호작용:** 텍스트 설명뿐만 아니라 기존의 스케치, 이미지, 레이아웃 구조를 입력값으로 받아 디자인의 의도를 정확하게 파악합니다. ### 디자인 맥락과 시스템의 깊은 이해 * **브랜드 일관성 유지:** 프로젝트 내의 기존 디자인 시스템, 라이브러리, 색상 팔레트를 학습하여 생성된 결과물이 기존 브랜드 가이드라인에서 벗어나지 않도록 합니다. * **의미론적 이해(Semantic Understanding):** 버튼, 내비게이션 바, 카드 등 각 디자인 요소의 역할을 인지하여 논리적인 사용자 인터페이스(UI)를 구성합니다. * **컴포넌트 활용:** 단순히 새로운 그림을 그리는 것이 아니라, 팀에서 이미 정의한 컴포넌트를 활용하여 즉시 상용화 가능한 수준의 디자인을 제안합니다. ### 실시간 반복 작업과 정교한 제어 기능 * **직관적인 재구성:** AI가 생성한 결과물의 특정 부분만 선택해 프롬프트를 다시 입력하거나, 드래그 앤 드롭 방식으로 레이아웃을 즉시 변경할 수 있습니다. * **와이어프레임의 고도화:** 거친 아이디어 스케치나 낮은 수준의 와이어프레임을 순식간에 고해상도(High-fidelity) 프로토타입으로 발전시킵니다. * **비파괴적 편집:** AI의 제안을 수용하면서도 디자이너가 언제든지 세부적인 수치를 수동으로 조정할 수 있는 완전한 제어권을 보장합니다. 이제 디자인은 '무엇을 그릴 것인가'를 넘어 '어떻게 AI와 협업하여 가치를 만들어낼 것인가'의 단계로 진입했습니다. Figma Weave를 효과적으로 활용하기 위해서는 팀 내 디자인 시스템을 견고하게 구축하고, AI가 학습할 수 있는 명확한 디자인 원칙을 수립하는 것이 더욱 중요해질 것입니다. 초기 도입 단계부터 AI의 제안을 검토하고 다듬는 '에디팅 역량'을 기르는 것을 추천합니다.

Figmates가 Figma AI를 활용해 즐거움의 차원을 한 단계 높인 방법 | Figma 블로그 (새 탭에서 열림)

Figma는 1990년대 초창기 웹의 감성을 재현한 '레트로 커서' 기능을 도입하며 협업 환경에 시각적인 즐거움을 더했습니다. 이 업데이트는 단순한 미적 변화를 넘어, 디자인 도구 내에서 사용자 간의 상호작용을 더욱 풍부하고 개성 있게 만들기 위해 기획되었습니다. 과거의 디지털 유산을 현대적인 협업 캔버스에 녹여냄으로써 사용자들이 웹 역사의 뿌리를 경험하고 창의적인 분위기를 조성하는 것이 이번 업데이트의 핵심 결론입니다. **1990년대 초기 웹 인터페이스의 재해석** - 초기 운영체제와 브라우저에서 사용되던 픽셀화된 화살표, 대기 중을 의미하는 모래시계, 링크를 클릭할 때의 손 모양 아이콘 등을 현대적인 Figma 환경에 맞게 복원했습니다. - 투박하지만 직관적이었던 과거의 UI 요소를 통해 중장년층 사용자에게는 향수를, 젊은 세대에게는 'Y2K' 감성의 신선한 시각적 재미를 제공합니다. - 단순히 이미지를 씌운 것이 아니라, 당시의 비트맵 스타일과 움직임을 정교하게 구현하여 실제 90년대 소프트웨어를 사용하는 듯한 몰입감을 줍니다. **멀티플레이어 경험의 개인화와 상호작용** - 실시간 협업 시 다른 사용자의 위치를 파악하는 용도였던 커서를 사용자의 상태나 개성을 표현하는 도구로 확장했습니다. - 팀 브레인스토밍, 디자인 리뷰, 워크숍 등 여러 명이 동시에 작업하는 환경에서 딱딱한 분위기를 완화하고 참여자 간의 유대감을 높이는 'Ice Breaker' 역할을 수행합니다. - 각 팀원이 서로 다른 레트로 커서를 선택함으로써 복잡한 캔버스 위에서도 각자의 움직임을 더욱 명확하고 재미있게 구분할 수 있습니다. **'작지만 큰 디테일'을 통한 사용자 경험 개선** - 이번 기능은 Figma의 'Little Big Details(작지만 큰 디테일)' 철학을 반영하여, 대대적인 기능 개편 없이도 사용자의 만족도를 극대화하는 데 초점을 맞췄습니다. - 사용자는 Figma의 커맨드 팔레트나 특정 메뉴 설정을 통해 복잡한 과정 없이 즉각적으로 커서 스타일을 변경할 수 있습니다. - 기술적인 도구에 인간적인 재미 요소를 더함으로써, 도구와 사용자 사이의 심리적 거리감을 줄이는 효과를 거두었습니다. 협업 과정에서 창의적인 영감이 필요하거나 팀원들과 가벼운 소통이 필요한 순간, 레트로 커서를 활성화하여 90년대 웹의 자유롭고 활기찬 분위기를 디자인 작업에 녹여보시길 권장합니다.

토스가 디자인 직무를 2개로 줄인 이유 (새 탭에서 열림)

토스 디자인 챕터는 기술의 발전으로 도구 활용에 대한 장벽이 낮아짐에 따라, 기존의 세분화된 6개 직무를 'Product Designer'와 'Visual Designer' 2개로 전격 통합했습니다. 이번 개편은 "어떤 도구를 사용하는가" 혹은 "어떤 화면을 만드는가"라는 수단 중심의 경계를 허물고, "무엇이 좋은 경험인가"를 판단하는 디자이너 본연의 감각과 판단력에 집중하기 위한 결정입니다. 이를 통해 디자이너가 고민할 수 있는 영역을 넓히고, 매체나 기법에 갇히지 않는 본질적인 문제 해결을 지향합니다. **수단과 매체가 만든 직무 경계의 한계** * 기존의 직무 세분화(Platform, Interaction, Graphic, Brand 등)는 조직의 성장에 따라 전문성을 쌓는 데 기여했으나, 실무에서는 점차 경계가 모호해지는 문제가 발생했습니다. * 인터랙션 적용이나 디자인 시스템 구축 시 특정 직무의 영역인지 모호한 상황이 반복되었으며, 이는 협업의 효율을 저해하는 요소가 되었습니다. * 과거의 직무 구분은 "무엇을 판단하느냐"가 아니라 Lottie, 코드, PC/모바일 등 다루는 도구와 화면의 크기라는 '수단'에 매몰되어 있었다는 점이 한계로 지적되었습니다. **기술 발전과 하드스킬 장벽의 붕괴** * AI와 디자인 도구(Figma 등)의 비약적인 발전으로 영상 제작, 프로토타이핑, 코드 구현 등 과거 전문 영역이었던 기술적 난이도가 낮아졌습니다. * 이미 실무에서는 직무에 구애받지 않고 브랜드 디자이너가 제품을 디자인하거나, 그래픽 디자이너가 시스템을 구축하는 등 '경계를 넘는 디자이너'들이 등장하고 있었습니다. * 하드스킬 습득 시간이 단축됨에 따라 디자이너에게 가장 중요한 역량은 도구 숙련도가 아닌, 결과물의 질을 결정하는 '판단력'과 '감각'으로 이동했습니다. **통합된 두 가지 핵심 직무** * **Product Designer**: 기존의 제품 디자이너와 툴즈 제품 디자이너를 통합하여, 모바일과 PC라는 화면 구분을 없앴습니다. 사용자의 맥락과 문제를 발견하고 해결책을 설계하는 본질에 집중합니다. * **Visual Designer**: 플랫폼, 인터랙션, 그래픽, 브랜드 디자이너를 통합했습니다. 특정 매체에 국한되지 않고 "무엇이 아름답고 올바른 시각적 판단인가"를 고민하며, 필요에 따라 아이콘 제작부터 인터랙티브 웹까지 직접 수행하는 조형 전문가를 지향합니다. **산업 전반에서 나타나는 역할 수렴 현상** * 디즈니 애니메이션이 복잡한 물리적 공정을 소프트웨어로 대체하고 기획 중심의 구조로 바뀐 것처럼, 디자인 역시 도구 중심에서 판단 중심으로 진화하고 있습니다. * 음악 산업에서 DAW(디지털 오디오 워크스테이션)의 등장으로 작곡과 엔지니어링의 경계가 사라진 사례처럼, 도구가 하나로 모이면 역할도 자연스럽게 하나로 흐려집니다. * 영화와 TV 연출의 경계가 디지털 시네마 등장 이후 사라진 것과 마찬가지로, 디자인 매체의 통합은 거스를 수 없는 흐름입니다. **디자이너를 위한 실용적인 제언** 이제 디자이너는 특정 툴의 숙련도에 안주하기보다, 자신이 만드는 결과물이 사용자에게 어떤 가치를 전달하는지 '판단하는 힘'을 길러야 합니다. 직무의 이름에 스스로를 가두지 않고 문제 해결을 위해 필요한 모든 수단을 자유롭게 활용할 수 있는 역량을 갖추는 것이 중요합니다. 토스의 사례처럼 조직 차원에서도 디자이너가 더 넓은 범위에서 사고할 수 있도록 제도적 제약을 제거해 나가는 변화가 필요할 것입니다.

Build With More Context and More Control in Figma Make | Figma Blog (새 탭에서 열림)

Figma는 정적인 디자인을 넘어 실제 작동하는 경험을 즉각적으로 공유할 수 있도록 'Make Prototype' 기능을 생태계 전반에 통합했습니다. 이제 사용자는 AI를 활용해 디자인을 인터랙티브한 프로토타입으로 빠르게 변환하고, 이를 Figma Design뿐만 아니라 FigJam, Figma Slides 등 협업 환경 어디에나 임베딩하여 공유할 수 있습니다. 이러한 변화는 복잡한 설명 대신 실제 작동 방식을 시각적으로 보여줌으로써 팀원 간의 의사소통 효율을 극대화하는 것을 목표로 합니다. **AI 기반의 신속한 프로토타입 생성 (Make Prototype)** * Figma AI의 'Make Prototype' 기능을 사용하면 수동으로 인터랙션을 연결하는 번거로움 없이, 정적인 레이아웃에서 클릭 가능한 프로토타입을 즉시 생성할 수 있습니다. * AI가 디자인 컨텍스트를 이해하고 화면 간의 논리적인 흐름을 자동으로 구축하여 프로토타입 제작 시간을 획기적으로 단축합니다. * 디자인 초기 단계부터 고충실도(High-fidelity)의 인터랙션을 구현하여 아이디어를 더 명확하게 검증할 수 있습니다. **Figma 제품군 전반의 매끄러운 임베딩 워크플로우** * 생성된 프로토타입은 Figma Design에만 국한되지 않고, Figma Slides와 FigJam 등 모든 협업 공간에 직접 삽입하여 실행할 수 있습니다. * Figma Slides에서는 발표 도중 별도의 창 전환 없이 슬라이드 내부에서 프로토타입을 직접 시연하며 생생한 디자인 의도를 전달합니다. * FigJam에서는 브레인스토밍 단계에서 프로토타입을 함께 배치하여, 아이디어 구상과 동시에 사용자 흐름을 실제로 테스트하고 논의할 수 있습니다. **효율적인 의사소통을 위한 'Show don't tell' 전략** * 단순한 이미지나 텍스트 설명보다 실제 작동하는 프로토타입을 통해 이해관계자들이 제품의 맥락을 직관적으로 파악하도록 돕습니다. * 협업 과정에서 발생하는 오해를 줄이고, 개발자나 기획자가 실제 사용자 경험을 미리 체감하게 함으로써 고도화된 피드백을 유도합니다. * 디자인 결과물을 공유하는 방식이 '설명하는 것'에서 '보여주는 것'으로 전환되어 전체 제품 개발 생태계의 속도가 향상됩니다. 디자인의 가치는 공유되고 이해될 때 비로소 완성됩니다. 이제 Figma의 'Make' 기능을 적극 활용하여 정적인 화면 뒤에 숨겨진 동적인 경험을 모든 협업 채널에서 실시간으로 시연해 보세요. 특히 Figma Slides에 프로토타입을 임베딩하여 활용한다면, 발표의 몰입도를 높이고 더 빠른 의사결정을 끌어낼 수 있을 것입니다.

피그마의 차세대 데이터 캐싱 플랫폼 | 피그마 블로그 (새 탭에서 열림)

피그마(Figma)는 단일 관계형 데이터베이스(RDS)의 물리적 한계에 직면하자, 이를 해결하기 위해 수직적 분할을 거쳐 최종적으로 수평적 샤딩(Horizontal Sharding) 체제로 전환했습니다. 이 과정에서 'Fidous'라는 자체 데이터베이스 프록시 계층을 구축하여 애플리케이션 코드의 복잡성을 줄이고 데이터 정합성을 유지했습니다. 결과적으로 피그마는 서비스 중단 없이 수백 개의 샤드로 데이터를 분산하며 가용성과 확장성을 획기적으로 개선하는 데 성공했습니다. **단일 데이터베이스의 한계와 임계점** * 피그마의 초기 성장은 단일 거대 RDS 인스턴스에 의존했으나, 트래픽 급증으로 인해 AWS가 제공하는 최대 하드웨어 사양(CPU, 메모리, IOPS)에 도달했습니다. * 읽기 전용 복제본(Read Replicas)으로 조회를 분산했음에도 불구하고, 쓰기 작업의 부하와 복제 지연(Replication Lag) 문제가 전체 시스템의 안정성을 위협했습니다. * 특히 특정 대형 조직의 데이터가 급증할 때마다 단일 DB의 성능 저하가 모든 사용자에게 영향을 미치는 구조적 취약점이 드러났습니다. **수직적 파티셔닝(Vertical Partitioning)을 통한 1차 대응** * 샤딩을 도입하기 전 과도기적 단계로, 특정 테이블들을 도메인별로 묶어 물리적으로 분리된 별도의 데이터베이스 인스턴스로 이동시켰습니다. * 예를 들어 '사용자(Users)' 관련 테이블과 '파일(Files)' 관련 테이블을 서로 다른 DB 인스턴스로 분리하여 쓰기 부하를 분산했습니다. * 이 방식은 당장의 급한 불을 끄는 데는 효과적이었으나, 가장 큰 테이블들이 여전히 단일 DB에 머물러 있어 근본적인 해결책은 되지 못했습니다. **수평적 샤딩(Horizontal Sharding)과 샤드 키 선정** * 데이터 행(Row)을 여러 DB에 분산 저장하는 수평적 샤딩을 최종 해결책으로 채택했습니다. * 가장 중요한 결정은 '샤드 키(Shard Key)' 선정이었으며, 피그마는 대부분의 데이터가 조직(Organization) 단위로 액세스된다는 점에 착안해 `org_id`를 주요 샤드 키로 활용했습니다. * 샤드 키가 없는 데이터나 여러 샤드에 걸친 쿼리를 처리하기 위해, Vitess의 개념을 차용한 자체 라우팅 레이어 'Fidous'를 개발하여 쿼리 라우팅과 트랜잭션 관리를 수행하게 했습니다. **무중단 마이그레이션: 라이브 백필과 섀도우 쓰기** * 수 테라바이트에 달하는 데이터를 서비스 중단 없이 새로운 샤드 체계로 옮기기 위해 다단계 마이그레이션 전략을 사용했습니다. * 기존 DB에서 새로운 샤드로 데이터를 복제하는 '백필(Backfill)' 과정을 거친 후, 실시간 쓰기 작업을 양쪽 모두에 수행하는 '섀도우 쓰기(Shadow Write)'를 통해 정합성을 검증했습니다. * '데이터 정합성 검사기(Consistency Checker)'를 상시 가동하여 기존 DB와 샤딩된 DB 간의 오차를 0으로 만든 후, 트래픽을 단계적으로 전환(Cutover)했습니다. 피그마의 사례는 데이터베이스 확장성 문제를 해결할 때 처음부터 복잡한 샤딩을 도입하기보다, 수직적 분할로 시간을 벌고 그 사이 견고한 라우팅 인프라를 구축하는 단계적 접근이 중요함을 시연합니다. 특히 애플리케이션 계층과 데이터베이스 사이에 추상화 레이어를 두는 것은 장기적인 운영 효율성과 마이그레이션의 안정성을 확보하는 핵심 요소입니다.

에이전트, Figma 캔버스를 만나다 | Figma 블로그 (새 탭에서 열림)

미래의 디자인 도구는 단순히 시각적인 요소를 배치하는 단계를 넘어, 실제 제품의 기반이 되는 '코드'와 창의성을 발현하는 '캔버스'가 결합된 형태로 진화하고 있습니다. 피그마는 AI 기술을 활용해 디자인 프로세스의 비효율을 제거하고, 디자이너와 개발자가 동일한 맥락에서 소통할 수 있는 통합된 워크플로우를 제시합니다. 궁극적으로 디자인은 정적인 결과물이 아니라 실제 코드와 동기화된 살아있는 시스템으로 기능하며 제품 개발의 속도를 혁신하는 데 목적을 둡니다. **AI를 통한 창의성과 생산성의 재정의** * **Figma AI 도입:** 텍스트 프롬프트를 통해 UI 레이아웃의 초안을 생성하거나, 복잡한 레이어 구조에 이름을 자동으로 부여하고 정리해주는 기능을 통해 반복적인 수작업을 획기적으로 줄여줍니다. * **지능형 에셋 및 시각적 검색:** 이미지나 스케치만으로 디자인 시스템 내의 관련 구성 요소를 찾아내어, 수많은 컴포넌트 사이에서 필요한 요소를 찾는 시간을 단축하고 일관성 있는 디자인을 지원합니다. * **자동 프로토타이핑:** 정적인 레이어들을 클릭 한 번으로 연결된 프로토타입으로 변환하여, 아이디어를 실제 작동하는 제품처럼 빠르게 검증할 수 있게 합니다. **사용자 경험에 집중한 인터페이스와 도구의 확장** * **UI3 리디자인:** 캔버스 영역을 최대한 확보하기 위해 도구 모음을 하단으로 배치하고 패널을 유연하게 조정할 수 있도록 개편하여, 디자이너가 작업물 자체에 더 몰입할 수 있는 환경을 제공합니다. * **Figma Slides:** 디자인 환경 내에서 직접 프레젠테이션을 제작하고 공유할 수 있는 기능을 추가하여, 기획부터 디자인, 이해관계자 설득에 이르는 전체 커뮤니케이션 과정을 하나의 플랫폼으로 통합했습니다. **디자인과 개발을 잇는 코드 중심의 워크플로우** * **Dev Mode의 고도화:** 개발자가 디자인의 변경 사항을 한눈에 파악하고, 구현에 필요한 속성값을 더 정확하게 추출할 수 있도록 'Ready for Dev' 상태 관리와 변경 로그 기능을 강화했습니다. * **Code Connect:** 실제 프로덕션 코드 라이브러리(React, SwiftUI 등)를 피그마의 컴포넌트와 직접 연결하여, 개발자가 디자인 도구 내에서 실제 사용될 코드 조각을 즉시 확인하고 복사할 수 있는 환경을 구축했습니다. * **디자인 시스템의 코드화:** 디자인 토큰과 변수(Variables)를 통해 디자인의 논리적 구조를 코드와 일치시킴으로써, 디자인 수정이 제품 전체에 유기적으로 반영되는 시스템적 설계를 지향합니다. 앞으로의 디자이너는 단순히 픽셀을 그리는 역할에서 벗어나 제품의 논리적 구조와 시스템을 설계하는 역량을 갖추어야 합니다. 피그마가 제시하는 AI와 코드 연결 기능을 적극적으로 활용하여 '그리는 디자인'이 아닌 '작동하는 제품'을 만드는 워크플로우로 전환하는 것이 중요합니다. 이를 통해 조직은 디자인과 개발 사이의 불필요한 마찰을 줄이고 제품 출시 주기를 획기적으로 단축할 수 있을 것입니다.

슬롯(Slots)으로 (새 탭에서 열림)

Figma는 Schema 2025를 통해 디자인 시스템이 단순한 컴포넌트 라이브러리를 넘어, AI와 코드 연동을 통해 제품 개발 전체 프로세스를 가속화하는 핵심 인프라로 진화하고 있다고 강조합니다. 이제 디자인 시스템은 디자이너와 개발자 사이의 장벽을 허물고, 복잡한 다중 플랫폼 환경에서도 일관된 사용자 경험을 실시간으로 유지하는 방향으로 나아가고 있습니다. **AI를 통한 디자인 시스템의 지능화** * 단순 반복적인 컴포넌트 문서화나 속성 정의 작업을 AI가 보조하여 관리 비용을 획기적으로 줄이고 시스템 구축 속도를 높입니다. * 디자인 시스템 내의 방대한 가이드를 AI가 학습하여, 디자이너가 작업 중에 필요한 규칙을 즉각적으로 제안받거나 오류를 자동으로 수정하는 '디자인 린팅' 기능이 강화됩니다. **코드 중심의 협업 체계: Code Connect** * Figma 디자인과 실제 프로덕션 코드를 직접 연결하는 'Code Connect'를 통해 디자인 시스템의 '단일 진실 공급원(Single Source of Truth)'을 실현합니다. * 개발자는 Dev Mode에서 디자이너가 의도한 정확한 코드 스니펫을 확인하고 사용할 수 있어, 구현 과정에서의 커뮤니케이션 오류를 최소화합니다. **Variables를 활용한 다중 플랫폼 대응 및 확장성** * 색상, 간격, 타이포그래피 등의 스타일을 Variables(변수)로 체계화하여 다크 모드나 다양한 테마 전환을 코드와 동기화된 방식으로 처리합니다. * 플랫폼별로 상이한 토큰 값을 하나의 시스템 내에서 유연하게 관리함으로써, 모바일과 웹 등 다양한 환경에 대응하는 디자인 시스템의 운영 효율성을 극대화합니다. **실천적 제언** 향후 디자인 시스템은 '만드는 것'보다 '어떻게 연결하고 유지할 것인가'에 초점이 맞춰질 것입니다. 조직은 단순히 컴포넌트의 개수를 늘리는 데 집중하기보다, AI와 코드 연동 도구를 적극적으로 도입하여 디자인과 개발의 워크플로우를 하나로 통합하는 시스템 고도화 전략을 수립해야 합니다.

Config 2026 연사 (새 탭에서 열림)

Figma의 Config 2025는 인공지능(AI)과 고도화된 프로토타이핑 기술을 통해 디자인의 경계를 확장하는 데 집중합니다. 디자인 도구가 단순한 제작 도구를 넘어 창의적인 파트너로서 작동하며, 디자이너가 반복적인 작업에서 벗어나 더 전략적인 문제 해결에 몰입할 수 있는 환경을 구축하는 것을 목표로 합니다. 이를 통해 제품 기획부터 구현까지의 프로세스를 하나로 통합하고, 브랜드 가치를 더 일관되게 전달할 수 있는 새로운 워크플로우를 제시합니다. ### AI 기반의 디자인 생산성 혁신 * 생성형 AI를 활용하여 초기 아이디어를 빠르게 시각화하고, 복잡한 레이아웃을 자동으로 구성하는 기능을 통해 작업 속도를 획기적으로 높였습니다. * 디자인 컨텍스트를 이해하는 AI가 적절한 컴포넌트를 추천하거나, 실제와 유사한 더미 데이터를 디자인에 즉시 반영하여 테스트 환경을 최적화합니다. * 디자이너의 수동 작업을 자동화함으로써 단순 제작보다는 제품의 논리와 사용자 경험의 본질에 더 집중할 수 있는 '지능형 캔버스'를 지향합니다. ### 고도화된 프로토타이핑과 인터랙션 * 정적인 화면의 연결을 넘어 실제 제품과 유사한 로직과 변수(Variables)를 활용한 동적 프로토타이핑 기능을 강화했습니다. * 디자인과 개발 사이의 간극을 줄이기 위해 실제 코드 수준의 인터랙션을 시각적인 방식으로 구현할 수 있는 환경을 제공합니다. * 복잡한 사용자 흐름을 실제 구동 환경과 유사하게 시뮬레이션함으로써, 개발 단계 이전에 제품의 사용성을 완벽하게 검증할 수 있도록 돕습니다. ### 브랜드 아이덴티티와 시스템의 확장 * 다양한 채널과 플랫폼에서 일관된 브랜드 경험을 유지할 수 있도록 디자인 토큰(Design Tokens)과 시스템 관리 기능을 심화했습니다. * 브랜드 가이드라인이 디자인 자산과 긴밀하게 동기화되어, 브랜드의 변경 사항이 대규모 프로젝트 전체에 즉각적이고 정확하게 반영되는 구조를 갖추었습니다. * 대규모 조직 내에서 협업 효율을 높이기 위해 자산 관리 및 거버넌스 도구를 강화하여 브랜드의 일관성을 시스템적으로 보호합니다. 디자이너는 이제 AI를 단순한 보조 도구가 아닌 협업 파트너로 받아들이고, 이를 활용해 생산성을 극대화하는 워크플로우를 구축해야 합니다. 특히 고도화된 프로토타이핑 기능을 통해 디자인 단계에서 제품의 기술적 타당성을 검토하고, 디자인 시스템을 통해 브랜드 가치를 자동화된 방식으로 관리하는 역량을 갖추는 것이 중요합니다.

워크플로우 랩: Figma의 (새 탭에서 열림)

Figma는 디자인 작업 중 발생하는 반복적이고 소모적인 과정을 줄이기 위해 AI 기반의 'Vectorize' 기능을 도입했습니다. 이 기능은 비트맵 이미지를 클릭 한 번으로 정교한 벡터 레이어로 변환하여, 디자이너가 수작업으로 패스를 따는 '트레이싱' 작업에서 벗어나게 해줍니다. 이를 통해 아이디어 스케치나 저해상도 에셋을 즉시 편집 가능한 고품질 디자인 요소로 전환할 수 있습니다. **이미지-투-벡터(Image-to-Vector) 변환의 자동화** * PNG, JPEG와 같은 픽셀 기반의 정적 이미지를 분석하여 수학적 경로로 이루어진 SVG 형태의 벡터 그래픽으로 변환합니다. * 과거에는 펜 도구를 사용해 수작업으로 외곽선을 그려야 했던 로고, 아이콘, 일러스트레이션 작업을 자동화하여 작업 시간을 획기적으로 단축합니다. * 저해상도 이미지를 고해상도 프로젝트에 사용할 때 발생하는 깨짐 현상(Pixelation)을 방지하고, 무한히 확장 가능한 에셋으로 재탄생시킵니다. **디자인 맥락을 이해하는 AI 모델링** * 단순한 색상 경계 추출을 넘어, AI가 이미지의 구조적 형태를 파악하여 최적화된 노드(Point)를 배치합니다. * 변환된 벡터 데이터는 불필요한 점들이 찍히는 현상을 최소화하여, 변환 후에도 디자이너가 직접 경로를 수정하거나 형태를 다듬기 용이한 '깨끗한' 패스를 제공합니다. * 이미지 내의 복잡한 레이어나 겹쳐진 형태를 구분하여 최대한 논리적인 벡터 그룹으로 나누어 생성합니다. **편집 가능성 및 디자인 시스템과의 통합** * 변환된 결과물은 Figma의 표준 벡터 객체와 완전히 호환되므로 채우기(Fill), 선(Stroke), 효과 등을 자유롭게 변경할 수 있습니다. * 스캔한 손그림이나 화이트보드 스케치를 디자인 캔버스로 가져와 즉시 컴포넌트화하거나 스타일을 적용하는 등 초기 아이디어를 실제 프로토타입으로 연결하는 가교 역할을 합니다. * 외부 변환 도구를 사용할 필요 없이 Figma 환경 내에서 모든 과정이 이루어지므로 디자인 워크플로우의 연속성이 유지됩니다. 이 기능은 단순한 편의 기능을 넘어, 아날로그적인 영감을 디지털 디자인 시스템으로 빠르게 편입시키는 강력한 도구입니다. 손으로 그린 거친 스케치나 오래된 로고 파일 등을 다룰 때 특히 유용하며, 디자이너는 단순 반복 작업인 트레이싱 대신 창의적인 레이아웃과 시스템 설계에 더 많은 시간을 할애할 수 있게 되었습니다.

Codex와 Figma로 프론트 (새 탭에서 열림)

피그마는 디자인과 개발의 경계를 허물고, 캔버스와 코드가 하나로 통합되는 디자인의 미래를 제시합니다. 단순한 시각적 도구를 넘어 실제 프로덕션 코드와 긴밀하게 연결된 시스템을 통해 협업의 마찰을 줄이고 구현의 정확도를 높이는 것이 핵심입니다. 이를 위해 AI 기술을 워크플로우 전반에 도입하고 개발자 모드(Dev Mode)를 대폭 강화하여 디자인의 의도가 코드까지 매끄럽게 이어지는 생태계를 구축하고자 합니다. ### AI를 통한 디자인 워크플로우의 자동화와 확장 * **AI 기반 디자인 생성(Make Design):** 텍스트 프롬프트를 통해 모바일 및 웹 인터페이스의 초안을 빠르게 생성함으로써 디자이너가 빈 화면에서 시작하는 부담을 줄여줍니다. * **지능적인 에셋 관리:** AI가 레이어의 이름을 자동으로 지정하고 적절한 텍스트 콘텐츠를 채워넣으며, 이미지 배경 제거와 같은 반복적인 편집 작업을 자동화합니다. * **시각적 검색 및 탐색:** 팀 내 방대한 디자인 라이브러리에서 특정 컴포넌트나 화면을 시각적 유사성을 기반으로 빠르게 찾아내어 재사용성을 극대화합니다. ### 디자인과 코드의 실시간 동기화, Code Connect * **실제 코드 조각 연결:** 'Code Connect' 기능을 통해 디자인 시스템의 컴포넌트와 실제 개발에 사용되는 코드 라이브러리를 직접 연결하여, 개발자가 디자인 환경 내에서 즉시 구현 코드를 확인할 수 있습니다. * **개발자 모드(Dev Mode) 고도화:** 디자인 변경 사항을 더 명확하게 추적하고, 현재 작업 상태(In Progress, Done 등)를 공유하여 디자이너와 개발자 간의 소통 오류를 최소화합니다. * **컴포넌트 문서화 자동화:** 디자인 속성과 코드의 속성을 일치시켜 수동으로 가이드를 작성할 필요 없이 항상 최신 상태의 문서를 유지합니다. ### 정교한 프로토타이핑과 협업 환경 개선 * **강화된 프로토타이핑 기능:** 복잡한 변수(Variables)와 조건부 로직을 더 직관적으로 설정하여, 실제 제품과 거의 동일하게 작동하는 고충실도(High-fidelity) 프로토타입을 제작할 수 있습니다. * **UI 재설계 및 사용성 향상:** 피그마 인터페이스 자체를 더욱 간결하게 재구성하여 디자인 작업 공간을 넓히고, 도구 접근성을 높여 창의적인 작업에 집중할 수 있는 환경을 제공합니다. * **슬라이드 기능 도입:** 디자인 결과물을 별도의 도구 없이 피그마 내에서 바로 프리젠테이션으로 전환하여 이해관계자와의 공유 및 피드백 과정을 효율화합니다. 디자이너는 이제 개별 화면을 그리는 것을 넘어 디자인 시스템이 코드와 어떻게 상호작용하는지 이해해야 합니다. Figma가 제공하는 AI 도구를 워크플로우에 적극적으로 통합하여 단순 반복 작업 시간을 줄이고, Code Connect를 통해 개발 팀과 단일화된 진실 공급원(Single Source of Truth)을 구축함으로써 제품의 완성도를 높이는 전략이 필요합니다.

디자인의 미래는 코드와 (새 탭에서 열림)

피그마는 기존의 '디자인에서 코드'로 이어지는 단방향 흐름을 넘어, 실제 프로덕션 코드를 다시 편집 가능한 피그마 디자인으로 변환하는 혁신적인 접근 방식을 제안합니다. 앤스로픽(Anthropic)의 Claude Code를 활용해 코드베이스의 시각적 요소를 분석하고 이를 피그마의 레이어와 컴포넌트 구조로 재구성함으로써, 디자인과 개발 사이의 동기화 문제를 해결하고자 합니다. 이를 통해 팀은 실제 구현된 최신 코드를 바탕으로 디자인 자산을 실시간으로 업데이트하고 관리할 수 있습니다. **코드 기반의 디자인 복원 메커니즘** * React, Tailwind CSS 등 실제 프론트엔드 코드에 정의된 스타일 속성과 UI 구조 정보를 정밀하게 추출합니다. * 단순한 시각적 복제를 넘어, 추출된 데이터를 피그마의 오토 레이아웃(Auto Layout), 변수(Variables), 컴포넌트 등 편집 가능한 고유 객체로 변환합니다. * 텍스트 스타일, 색상 값, 간격 등 코드에 명시된 속성이 피그마의 속성 시스템과 일대일로 매핑되어 디자이너가 즉시 수정할 수 있는 상태로 생성됩니다. **Claude Code와의 통합 및 지능형 자동화** * 앤스로픽의 AI 에이전트인 Claude Code를 CLI 환경에서 실행하여 코드베이스 내의 시각적 논리를 추론하고 피그마 플러그인 API와 상호작용합니다. * AI가 복잡한 CSS 계층 구조나 컴포넌트 의존성을 분석하여 피그마 파일 내에서 가장 효율적인 레이어 구조로 재구성하도록 돕습니다. * 개발자가 코드 변경 후 특정 명령어를 실행하는 것만으로 디자인 파일에 해당 변경 사항을 자동으로 반영하는 워크플로우를 실험합니다. **디자인 시스템의 무결성 유지 및 협업 효율화** * 디자인 파일이 실제 프로덕션 코드보다 뒤처지는 '디자인 부채(Design Debt)' 현상을 근본적으로 방지합니다. * 디자이너는 실제 코드에 구현된 제약 사항과 로직이 반영된 캔버스 위에서 작업하므로, 구현 불가능한 디자인을 설계할 위험이 줄어듭니다. * 코드를 디자인의 '단일 진실 공급원(Single Source of Truth)'으로 삼아, 별도의 수동 작업 없이 대규모 디자인 시스템의 일관성을 유지할 수 있습니다. 이 기술적 시도는 디자인과 개발의 경계를 허물고, 실제 제품의 결과물이 다시 디자인 프로세스의 시작점이 되는 선순환 구조를 시사합니다. 개발 중심의 워크플로우를 가진 팀이라면 Claude Code와 피그마 API를 결합하여 디자인 자산의 관리 비용을 획기적으로 낮추는 방향을 고려해 볼 수 있습니다.

Claude Code에서 Figma로: 프로덕 (새 탭에서 열림)

피그마가 AI 모델과 디자인 데이터를 긴밀하게 연결하기 위해 'Model Context Protocol(MCP)' 서버를 공식 출시했습니다. 이 기술을 통해 개발자는 클로드(Claude)와 같은 AI 어시스턴트에게 피그마 디자인에 대한 직접적인 접근 권한을 부여하고, 디자인 스펙을 바탕으로 코드를 생성하거나 자산을 추출하는 작업을 자동화할 수 있습니다. 결과적으로 디자인과 개발 간의 핸드오프 과정을 획기적으로 단축하고, AI가 디자인 맥락을 정확히 이해한 상태에서 협업할 수 있는 환경을 구축했습니다. ### MCP를 통한 디자인 데이터의 개방 * **표준화된 연결성**: MCP는 디자인 도구와 LLM(대형 언어 모델) 사이의 가교 역할을 하는 오픈 소스 프로토콜로, AI가 복잡한 설정 없이도 피그마의 라이브 데이터에 접근할 수 있게 합니다. * **맥락 유지**: 개발자가 디자인 파일을 일일이 캡처하거나 수동으로 수치를 입력할 필요 없이, AI 에이전트가 직접 피그마 API를 호출하여 최신 디자인 상태를 파악합니다. * **도구 간 장벽 완화**: 디자인 도구에 익숙하지 않은 개발자도 채팅 인터페이스만으로 필요한 디자인 정보(색상값, 간격, 텍스트 스타일 등)를 실시간으로 가져올 수 있습니다. ### Figma MCP 서버의 핵심 기능 * **파일 탐색 및 검색**: 파일 이름, 프로젝트, 팀 정보를 바탕으로 필요한 디자인 파일을 AI가 스스로 검색하고 식별할 수 있습니다. * **레이어 및 속성 검사**: 특정 레이어를 선택하여 속성을 확인하거나, 구성 요소의 계층 구조와 CSS 스타일 정보를 추출하여 코드 구현에 즉시 활용합니다. * **이미지 및 자산 내보내기**: 디자인 파일 내의 이미지를 AI가 직접 렌더링하거나 내보내기(Export) 기능을 수행하여 개발 환경으로 가져올 수 있습니다. * **데브 모드(Dev Mode) 연동**: 피그마 데브 모드와의 연결을 지원하여, AI가 생성한 코드와 실제 디자인 스펙 간의 일관성을 검증하는 데 도움을 줍니다. ### AI 기반 개발 워크플로우의 변화 * **정확한 코드 생성**: 디자인의 세부 수치와 제약 조건을 AI가 직접 읽기 때문에, 환각 현상(Hallucination)을 줄이고 정밀한 UI 컴포넌트 코드를 작성할 수 있습니다. * **반복 작업 자동화**: 아이콘 추출, 스타일 가이드 문서화, 반복적인 CSS 작성 등 단순 작업을 AI에게 맡겨 개발 생산성을 높입니다. * **실시간 피드백 루프**: 디자인이 변경되었을 때 AI에게 "최신 디자인에 맞춰 코드를 수정해줘"라고 요청하는 것만으로 변경 사항을 반영할 수 있는 유연한 워크플로우가 가능해집니다. 현재 이 기능은 오픈 소스로 공개되어 있으며, 클로드 데스크톱(Claude Desktop) 사용자는 피그마에서 제공하는 MCP 서버 설정 값을 통해 즉시 자신의 워크플로우에 통합할 수 있습니다. 디자인 시스템을 효율적으로 관리하고 디자인-투-코드(Design-to-Code) 자동화를 구현하고자 하는 팀에게 이 MCP 서버는 매우 유용한 도구가 될 것입니다.