← 返回重点项目
查看 GitHub 项目

kgoedecke/doop

一句话定位

Paper.design 的开源替代品——一个多人实时设计画布，让"人类 + AI agent 在同一 Canvas 上协同设计"成为新常态：每个 Frame 是 sandboxed iframe 渲染的真实 HTML，agent 通过内置 MCP server 流式编辑，所有人都能实时看到光标 / presence / 帧编辑 / agent 状态 / activity feed。

它解决的问题

现有设计协作工具（Figma / Paper / FigJam）主要为人与人协作设计，"AI agent"被当作"另一种用户" 还要用户主动复制粘贴结果。doop 反过来:agent 与人享有同一套 presence / activity feed，实时在画布上呈现改动。这一设计哲学层面变化的意义：agent 不再是被召唤的工具，而是 canvas 上"一种持续存在的协同者"。同时，每个 Frame 是真实 HTML（不是设计稿的抽象表达）——这意味着"产出的设计可以直接 deliver 给前端"，而非仅作为参考。

为什么值得关注（2026-08-24）

热度来源判断

doop 的热度来自协作设计 + agent 普及的同期拐点 + 开源空白的组合：(1) Paper.design / tldraw 等设计工具在 2026 年继续被关注，但开源替代品极少；(2) AI agent 进入工作流是产业级共识，但"agent-aware 协作工具"尚属空白；(3) MCP 协议在 8-23 / 8-24 被多个垂直项目采纳，doop 是其中唯一聚焦"协作 UI"的。三点叠加在短期内迅速聚集关注。需注意：设计工具的市场进入门槛极高，AGPL-3.0 限制 SaaS 商业 fork，但作为企业内部私有部署是可行路径。

关键技术亮点

  1. 每 Frame 是 sandboxed iframe 渲染真实 HTML："设计即产出"——agent 生成的设计可直接 deploy
  2. 内置 MCP server：任何 MCP 兼容 agent（Claude Code / Cursor 等）连接后即可在 Canvas 上编辑
  3. 多人 + agent 共享一套 presence / activity feed：是人 / 人在同一个实时交互层
  4. 完整开源治理模板：CLA.md / CODE_OF_CONDUCT.md / CONTRIBUTING.md / SECURITY.md 是模板级规范
  5. Docker + .env.example 一键启动：开发者 onboarding 摩擦低
  6. AGPL-3.0 强 copyleft：保护派生作品开源——这是软件自由层面的强姿态

架构师速览

决策问题 研究判断 证据边界
系统边界 自托管的多人协作设计服务；前端画布 + 后端多人同步；通过 MCP 暴露 agent 编辑接口 边界由 README "Multiplayer design canvas"、"MCP built in" 描述确认；具体后端实现（WebSocket / CRDT / Yjs 等）未在档案中明示
主路径 用户在浏览器打开 Canvas → 创建 Frame（HTML iframe）→ 编辑 / 多人同步状态 → agent 通过 MCP 工具调用流式编辑 Frame HTML → 其他用户实时看到改动 + 活动 feed 主路径由 README "designs in sandboxed iframes"、"agents edit through the built-in MCP server"、"streaming their designs in live" 描述确认；同步 CRDT 库、活动 feed 数据结构是推断 / 待核验
关键权衡 设计工具实时协作 vs 性能（Cursors 多时同步成本）；AGPL-3.0 vs SaaS 商业 fork 限制；agent 内置 vs 第三方插件（更通用但易碎片化） 权衡取舍由 README "live cursors, presence, per-frame edits" 与 AGPL-3.0 描述确认；具体一致性与性能基准未在档案中给出
最小 PoC clone + docker compose up → 浏览器打开 Canvas → 创建 Frame 编辑 HTML → 用 mcp-cli 或 Claude Code 连接到 doop MCP → 让 agent 修改 Frame 内容并实时在画布看到改动 PoC 流程由 README 一键启动描述推导；具体 mcp-cli 配置、Frame 创建流程未在档案中明示
证据边界 仓库公开 metadata + README + Dockerfile + .env.example；后端多人同步协议、性能基准、安全审计策略均为推断 / 待核验 仅核验已核验事实，其他来自语义推断

架构图（MMD）

证据边界：此图只采用本档案已有可核验描述；"待核验"节点不应视为项目实现事实。

flowchart LR
  Browser["多人浏览器"] --> Canvas["Canvas / Frame UI
sandboxed iframe"]
  Canvas --> Sync["多人同步层
协议待核验"]
  Sync --> DB["状态存储"]
  Agent["LLM agent
Claude Code 等"] -->|MCP tool call| MCP["doop MCP server"]
  MCP --> Canvas
  Canvas -. activity feed / cursors / presence .-> Browser
  Browser -. 多人编辑 .-> Canvas
  Canvas -. 产出即真实 HTML .-> Deliver["可直接交付前端"]
  AGPL["AGPL-3.0 强 copyleft"] -. 限制 SaaS fork .-> Governance["治理边界"]

架构启发

doop 的核心启发是 "agent 是 canvas 上的另一种用户，而不是被召唤的工具"。这种产品哲学层面决策的影响极深：一旦 agent 被看作"持续存在的协同者"，整套产品 UX（presence / activity feed / cursors）都要重新设计。doop 把这个理念直接做进了产品——agent 改 Canvas 时所有人都能看到 activity feed 提示"AI 正在编辑"。更深层的启发："设计工具 + AI"的真正机会不是"AI 自动设计"，而是"人类 + AI 共同设计"——这与 doop 的开源 + 强 copyleft 哲学是一致的：越多人 fork，越多"人类 + AI 共同设计"成为行业共识。

定位判断

开源 AI-native 设计画布候选。 在 "AI agent × 协作设计" 这条赛道，doop 是当前开源侧关注度最高的项目（148⭐/2 天，topics 含 ag-ui、mcp、design-tool、multiplayer）。它与 Paper.design / tldraw 是同类定位，但agent-aware 是其差异化；与商业产品（Figma AI、Framer AI、Magnific 等）的差异是"agent 是 canvas 的一等用户"——商业产品把 AI 当作"用户的工具"，doop 把 AI 当作"用户的同事"。对企业 IT：是观察"AI native 设计工具"是否形成开源主导的事实标准的关键样本。

风险 / 局限 / 泡沫点

与同类项目的关系

是否值得持续跟踪

值得中高频跟踪（AI-native 协作工具样板）。 对设计团队 / 创业公司：值得尝试在内部团队做小规模试点——尤其当团队已经在用 Claude Code / Cursor 时；对企业 IT 决策者：是观察"开源设计工具 + agent"组合能否撕开市场的关键样本，且 AGPL-3.0 让内部私有部署无法律风险；对产品经理：doop 与 tldraw / Figma 等对照，是"agent-native 协作" 的开源形态学示范。

后续观察点

数据来源: GitHub API (2026-08-24) | Stars: 148 | Forks: 12 | License: AGPL-3.0 | 语言: TypeScript | 创建: 2026-08-22