Nov 20, 2025 · read · 5 min read

AI 绘图的最佳实践：DaC, MCP 与 Kroki 的终极组合

核心观点：在 LLM 时代，绘图不再是拖拽像素，而是Token 的艺术。把“思考”留给 AI，把“排版”留给算法，把“渲染”交给 Kroki。

让 GPT-4 或 Claude 直接画图（生成图片）通常是灾难现场：文字乱码、逻辑错乱。因为 LLM 是概率模型，它懂逻辑，但极其不擅长处理像素坐标 (X,Y)。

最优雅的解法是 Diagram as Code (DaC)。

LLM 生成代码，工具渲染图片。最近我在开发基于 MCP (Model Context Protocol) 的绘图工具链，测试了主流 DaC 方案。本文将从 AI 工程化的角度，聊聊如何搭建一套省 Token、高颜值、易集成的 AI 绘图系统。

一、评测维度：AI 视角的“不可能三角”

区别于人类手写，AI 生成代码主要关注三个指标：

1. Token 密度 (Token Efficiency)：
   • 同样的图，代码越短越好。这不仅省钱，更能防止撑爆 Context Window（上下文窗口）。
2. 算法鲁棒性 (Layout Algorithm)：
   • AI 生成的节点顺序往往是乱的。工具必须具备强大的自动布局能力，能把一堆乱序节点排列得井井有条。
3. 模型对齐 (Alignment)：
   • LLM 对该语言是否“母语级”掌握？冷门语法会导致严重的幻觉。

二、主流选手深度横评

2.1 Mermaid：LLM 的“通用语”

如果你的 AI Agent 需要最大兼容性，Mermaid 是唯一解。

• AI 适配度：👑 Top 1。Github 的海量数据让所有模型都精通它。
• Token 消耗：中等。
• 缺陷：布局算法较弱。节点超过 15 个时，生成的流程图容易变成“蜘蛛网”，难以阅读。
• 适用场景：轻量级对话、简单的时序图/流程图。

2.2 D2 (Declarative Diagramming)：Token 吝啬鬼

这是我最推荐给 AI 使用的“黑马”语言。

• Token 效率：极高。
  • Mermaid: A --> B: Text
  • D2: A -> B: Text (支持嵌套结构，大幅减少重复声明)
• 布局天花板：D2 的 TALA 引擎是目前自动布局的最强王者。即便 AI 生成的逻辑很乱，D2 也能渲染出非常现代、美观的拓扑图。
• 适用场景：复杂系统架构图、ER 图、追求高颜值的输出。

2.3 PlantUML：逻辑重坦

• 地位：严谨场景（如复杂 UML 类图）的守门员。
• 缺点：语法啰嗦，Token 消耗大（大量的 start/end, participant 样板代码）。
• 建议：除非必须遵循严格 UML 标准，否则在 AI 场景下不推荐。

2.4 反面教材：为什么不选 JSON/XML？

• Excalidraw/Draw.io：千万别让 AI 生成这些格式。
  • Token 爆炸：描述一个矩形需要几十行 JSON 坐标属性。
  • 坐标地狱：AI 算不准绝对坐标，会导致严重的元素重叠。

三、渲染架构：Kroki 才是 AI 的最佳伴侣

选好了语言（Mermaid/D2），怎么渲染？

在 AI Agent 或 MCP Server 中安装 Java (PlantUML)、Node.js (Mermaid) 或 Go 二进制 (D2) 是非常愚蠢的架构设计——环境依赖太重，Docker 镜像会巨大无比。

Kroki 是完美的解决方案。

它是一个统一的渲染网关，提供简单的 HTTP API。你只需要把代码丢给它，它返回图片。

3.1 为什么 Kroki 适合 AI？

1. Unified Interface：Agent 只需要知道一个 URL 格式，就能支持 20+ 种绘图语言。
2. Stateless：无状态，极其适合 Serverless 或 MCP 部署。
3. 私有化：一行 Docker 命令即可私有部署，数据不出内网。

# 极简部署 Kroki
docker run -d --name kroki -p 8000:8000 yuzutech/kroki
copy success
copy