เชื่อม Codex กับ Figma MCP
หลายคนที่เคยลองให้ AI ช่วยเขียนหน้าเว็บไซต์น่าจะเจอปัญหาเดียวกัน คือโค้ดที่ได้มัน “คล้าย” แต่ไม่เคย “เหมือน” ดีไซน์ใน Figma
ยิ่งโปรเจ็กต์ไหนต้องการความ pixel-perfect, spacing เป๊ะ, หรือยึดตาม design system ที่ซับซ้อน หน่อย AI ก็จะเริ่มเพี้ยน เช่น สีผิดนิดๆ, space ไม่ตรง, หรือ component ใช้ไม่ถูกตัว
ปกติเราก็แก้กันด้วยการ
- พยายามอธิบายดีไซน์ใน prompt
- หรือแคปหน้าจอส่งให้ AI เดา layout เอง
จะดีกว่าไหมถ้า AI สามารถอ่าน Figma ได้โดยตรง เข้าใจ component, constraints, spacing, typography ทั้งหมดเหมือนมีนักออกแบบนั่งอธิบายให้ฟัง
ข้อกำหนดเบื้องต้น (Prerequisites)
ก่อนที่เราจะให้ AI ช่วยเขียน UI จาก Figma ได้แบบแม่นๆ มีสิ่งที่ต้องเตรียมก่อนดังนี้:
- ChatGPT Plus หรือสูงกว่า เพราะในแผน plus จะสามารถใช้ codex ได้
- Figma Professional หรือสูงกว่า เพราะในแผน professional จะสามารถใช้ dev mode ได้ ซึ่งเป็นฟีเจอร์ที่มี mcp server อยู่ในโหมดนี้ด้วย
- Figma Desktop เพราะในบทความนี้เราจะใช้ Figma desktop ในการรัน mcp server
เริ่มเชื่อมต่อ Figma MCP กับ Codex
ในขั้นตอนนี้เราจะลองใช้งาน Codex ร่วมกับ Figma MCP กัน ก่อนเริ่มใช้งาน มาตั้งค่ากันให้เรียบร้อยก่อน
เปิด Server mcp ใน figma
เปิดโปรแกรม Figma desktop จากนั้นเปิดโปรเจกต์อะไรก็ได้
สังเกตุ menu ด้านล่าง คลิกที่ icon </> เพื่อเปิด dev mode

สังเกตุ side bar ด้านขวามือจะมี section MCP server ให้คลิกปุ่ม Enable desktop MCP server

จะขึ้นข้อความแจ้งเตือนดังภาพ ให้คลิกปุ่ม Copy URL เป็นอันเสร็จขั้นตอนการ เปิด server mcp
![]()
ตั้งค่าการเชื่อมต่อ mcp ใน codex
เปิดไฟล์ ~/.codex/config.toml จากนั้นเพิ่มข้อมูลการตั้งค่าการเชื่อมต่อ figma mcp ไว้บรรทัดล่างสุดของไฟล์
[mcp_servers.figma-desktop]
url = "http://127.0.0.1:3845/mcp"
ทำการตรวจสอบการเชื่อมต่อด้วยการเรียกใช้งาน codex และ พิมพ์คำสั่ง /mcp

ถ้าขึ้น figma-desktop status เป็น enabled แปลว่า codex ของเราสามารถเชื่อมต่อกับ figma ได้แล้ว
ทดลองสร้าง Landing page
โดยในการทดสอบนี้เราจะลอง ให้ codex สร้าง landing page ง่ายๆ ตาม design นี้ Apple landing page - WDC24 (Community

เลือก frame ที่ต้องการ reference จากนั้นคลิกขวา เลือก Copy link to selection

สั่งให้ codex สร้าง landing page ด้วย prompt ดังต่อไปนี้
Implement this design from Figma.
// link to selection figma

จากรูปจะสังเกตุได้ว่า codex มีการไปเรียกใช้งาน mcp tool ที่ figma-desktop
และนี้คือผลลัพธ์ที่ได้จาก codex~

เหมือนไหมนะ… ก็เหมือนอยู่นะ 5555
จากที่เห็นทั้งโครงสร้าง layout และการวาง element ต่าง ๆ ถือว่าใกล้เคียงกับใน Figma พอสมควร แถม Codex ยังดึงภาพ asset จาก Figma มาใช้ได้ตรง ๆ อีกด้วย
แต่ถ้าสังเกตดีๆ จะเห็นว่า asset ที่ Codex ดึงมานั้น ถูกอ้างอิงตาม path ของ MCP server บนเครื่องเรา เช่น http://localhost:3845/ ซึ่งเป็น URL ชั่วคราวที่ใช้เฉพาะตอน Dev เท่านั้น
เพราะฉะนั้นเวลารันโปรเจกต์ใน local หรือเอาไป deploy จริง เราต้อง copy ไฟล์ asset จาก Figma MCP มาเก็บไว้ในโฟลเดอร์ asset ของโปรเจกต์เอง ไม่งั้น path ที่ถูก generate จะลิงก์ไม่เจอ และรูปทั้งหมดจะโหลดไม่ขึ้นทันที
ทดลองสร้าง Component
คราวนี้มาลองทดสอบอีกแบบ โดยให้ codex สร้าง component ดูบ้างว่าจะทำได้ดีแค่ไหน
ในการทดสอบนี้เราจะให้ codex สร้าง component ปุ่มง่ายๆ ตาม design นี้ Apple Pay & Google Pay Buttons

เลือก component set ที่ต้องการ reference จากนั้นคลิกขวา เลือก Copy link to selection

สั่งให้ codex สร้าง component ปุ่ม ด้วย prompt ดังต่อไปนี้
Implement this design from Figma.
// link to selection figma
และนี้คือผลลัพธ์ที่ได้จาก codex~

จากที่ลองทดสอบ พอเรา scope งานให้เล็กลง ผลลัพธ์ดีขึ้นอย่างเห็นได้ชัด ทั้งดีไซน์และสเปกของ component ออกมาเกือบเหมือนใน Figma เลย
ถ้าอยากดูตัวอย่างโค้ดที่ Codex สร้างให้แบบเต็ม ๆ ลองเข้าไปดูได้ที่ repo นี้ได้เลย: https://github.com/larb26656/figma-mcp-poc
สรุป
หลังจากการทดสอบ พบว่า:
- ถ้าเป็นงาน layout ใหญ่ๆ — Codex แม่นกว่าเดาเองเยอะ
- ถ้าเป็น component เล็กๆ — แทบจะ pixel-perfect
- การที่ MCP ดึง asset จาก Figma ทำให้ ไม่ต้อง export อะไรเองเลย แต่สุดท้ายเรายังต้อง copy asset ลงมาเก็บในโปรเจกต์ อยู่ดี ซึ่งอาจจะแก้ไขได้ด้วยการปรับ prompt ให้ละเอียดมากขึ้นด้วยการบอกให้ AI ดาวน์โหลดรูป asset ก่อนนำมาใช้งาน
- ความผิดเพี้ยนลดลงเพราะ AI มองเห็นข้อมูลจริงจาก Figma เช่น spacing, constraints, token
โดยรวมถือว่าช่วยลดเวลาในการขึ้นโครง layout หรือ component ไปได้เยอะมาก เหลือเพียงงานปรับแต่งให้ใช้งานได้จริงเท่านั้น
หวังว่าบทความนี้จะช่วยให้การเขียน UI จาก Figma ด้วย AI ของคุณลื่นไหลขึ้นนะครับ ไว้เจอกันใหม่ในบทความหน้า สวัสดีครับ
Ref: