Když napíšete článek v Cursoru a chcete ho nahrát do Framer CMS, musíte ho ručně zkopírovat, převést na HTML, vyplnit všechna políčka a nahrát obrázek. Je to zbytečně zdlouhavé a náchylné k chybám.
Rozhodla jsem se to automatizovat. Propojila jsem Cursor s Framerem přes MCP server a vytvořila workflow, které mi šetří čas a eliminuje chyby.
Co je MCP server
MCP (Model Context Protocol) server umožňuje AI nástrojům komunikovat s externími službami. V mém případě to znamená, že Cursor může přímo přistupovat k mému Framer projektu a nahrávat obsah do CMS.
Nastavení je jednoduché. Přidáte URL do konfiguračního souboru Cursoru, restartujete aplikaci a máte hotovo. Od té chvíle vidíte všechny CMS kolekce, políčka a můžete do nich nahrávat obsah.
Jak jsem vytvořila workflow
Nejprve jsem prozkoumala strukturu CMS ve Framer projektu. Našla jsem kolekci Blog s poli pro nadpis, obrázek, datum, kategorii, obsah a perex. Každé pole má své technické ID, které musíte použít při nahrávání.
Pak jsem vytvořila YAML šablonu pro články. Markdown soubor s YAML hlavičkou nahoře, kde jsou všechna metadata – nadpis, datum, obrázek, kategorie, perex. A pod tím samotný text článku v Markdownu.
Nakonec jsem připravila systémový prompt, který vezme tuto šablonu a nahraje ji do Frameru. Prompt obsahuje všechna technická ID políček a kategorií, takže AI ví přesně, kam co má dát.
Jak to funguje v praxi
Napíšu článek v Cursoru ve formátu YAML + Markdown. Zkopíruju ho a vložím do chatu s připraveným systémovým promptem. AI převede Markdown na HTML, namapuje všechna pole a nahraje článek do Framer CMS.
Celý proces trvá vteřiny. Nemusím nic kopírovat, převádět nebo vyplňovat ručně. Všechno se děje automaticky.
Co jsem se naučila
Framer MCP vyžaduje přímé URL odkazy na obrázky. Standardní sdílení z Google Drive nefunguje, ale upravený Dropbox link ano. Pro správné fungování musíte použít doménu `dl.dropboxusercontent.com` místo `www.dropbox.com`.
Pro "one-shot" nahrávání obsahu v novém kontextu je nutné modelu předat všechna technická ID. Když začnete nový chat, AI nevidí do vašeho Frameru, dokud si sám nezavolá nástroje. Pokud mu ale rovnou řeknete všechna ID, ušetříte čas a tokeny.
Markdown s YAML frontmatterem je ideální formát pro strukturované předání dat mezi uživatelem a AI. Je čitelný, snadno editovatelný a AI ho dokáže bez problémů zpracovat.
Proč to stojí za to
Automatizace nahrávání článků mi šetří čas. Nemusím ručně kopírovat text, převádět ho na HTML nebo vyplňovat políčka. Všechno se děje automaticky jedním příkazem.
Workflow je také spolehlivější. Eliminuje chyby, které vznikají při ručním kopírování a převodu. AI ví přesně, kam co má dát, protože má všechna technická ID.
Pokud potřebujete něco podobného, zkuste to. MCP servery umožňují propojit AI nástroje s externími službami a vytvořit workflow, které vám šetří čas a eliminuje chyby.