🧠 AI開発ナレッジ2026年3月4日6分で読める

Spotifyがデザインシステム「Encore」をAI対応に — MCPサーバー構築とレイヤードアーキテクチャの実践

Spotifyがデザインシステム「Encore」をAI時代に対応させるため、MCPサーバーの構築とレイヤードアーキテクチャへの移行を実施。5つの移転可能なパターンを個人開発者向けに解説。

概要

Spotifyがデザインシステム「Encore」をAI対応(AI-Ready)にするための取り組みを公開した。MCPサーバーの構築、機械可読なドキュメント整備、レイヤードアーキテクチャへの移行など、AIエージェントとの協調を前提とした設計変更を実施している。

出典: How Spotify is Making Their Design System AI-Ready — Into Design Systems


背景: なぜAI対応が必要か

AI採用が進むにつれ、開発チームはデザインドキュメントを参照する前にAIエージェントに相談するようになっている。これにより以下のリスクが生じる:

  • 一貫性のないUI実装
  • 非準拠のカスタムコード
  • デザインシステムの採用率低下
  • システムの存在意義の喪失

SpotifyのVictoria Tholerus(Webエンジニア)とAleksander Djordjevic(シニアプロダクトデザイナー)は、「AIがチームメイトより先に相談される存在になったとき、何が起きるか?」という問いを立てた。


Spotifyの戦略的転換

Spotifyはデザインシステムの目的を再定義した。

「人間だけでなく、機械にも良いシステムであるには?」

この問いから、2つの並行イニシアチブが生まれた:

  1. 機械可読なドキュメント — MCPを通じてAIエージェントがデザインルールにアクセス可能に
  2. コンポーネントアーキテクチャ再設計 — 固定的なバンドルから柔軟なレイヤード構造へ

MCPサーバーの構築

SpotifyはEncore用のMCP(Model Context Protocol)サーバーを構築した。

実現したこと:

  • ドキュメントをAIエージェントに直接公開
  • Cursorなどのツールが、Spotify標準に沿ったコードを即座に生成可能に

テストフレームワークも構築:

  • 生成されたコンポーネント vs 公式Encoreコンポーネント
  • Lintエラー検出
  • 類似度スコア
  • ビジュアル出力の評価(Spotifyではプロトタイプもコードと同様に重視)

異なるMCPツール同士を比較し、どれがユーザーに最も価値を提供するかも評価している。


レイヤードアーキテクチャ

Encoreは3つのアーキテクチャパターンを採用:

1. レイヤー分離

レイヤー 役割
基盤層(Foundational) トークン、タイポグラフィ、カラー
コンポーネントスタイル層 ブランド表現、ビジュアル
コンポーネント振る舞い層 インタラクション、状態管理

2. ヘッドレスコンポーネント

React ARIAやBase UIなどのシステムを基盤に構築。これらがインタラクションロジックを提供し、Encoreはブランド・アクセシビリティ・一貫性に集中。

3. 摩擦の低減

人間向け: イノベーションのスピードで作業できる

機械向け: コンテキストのスコープが小さくなる。AIは基盤、ボタンのコンテキスト、ヘッドレスシステム(すでにトレーニングセットに含まれている)を個別に理解できる。


5つの移転可能なパターン

個人開発者が自分のプロジェクトに適用できるパターン:

パターン 説明
Presence(存在) デザインシステムはAIが動作する場所に存在しなければバイパスされる
Structure Over Generation(生成より構造) 制約が一貫性を生む。生成機能より構造が重要
Flexible Over Rigid(柔軟 > 固定) レイヤードアーキテクチャは固定的なバンドルよりスケールする
Test Real Output(実出力のテスト) AI生成コードを自分の基準でテストするフレームワークを構築
Infrastructure Mindset(インフラ思考) 人間、機械、開発速度すべてをサポート

個人開発者への示唆

Spotifyの取り組みから、ソロ開発者が学べるポイント:

  1. ドキュメントを機械可読に — READMEやコンポーネントの説明を、AIが解釈しやすい形式で書く
  2. MCPサーバーの検討 — 自分のプロジェクト用MCPサーバーを構築することで、CursorやClaude Codeとの連携が劇的に改善
  3. レイヤー分離の恩恵 — 小さなコンテキストはAIの理解を助ける。モノリシックなコンポーネントより、責務分離されたコードが好まれる
  4. AI出力のテスト — 生成されたコードを自分の基準で評価する仕組みを持つ

自分のデザインシステムをAI対応にする第一歩は、機械可読なドキュメントから。


関連イベント

Into Design Systemsは2026年3月19-20日にAIオンラインカンファレンスを開催予定。MCPとデザインシステムに関するセッションが多数。


元記事: Victoria Tholerus(Webエンジニア)とAleksander Djordjevic(シニアプロダクトデザイナー)のStockholmミートアップでの発表より