Debugg AI MCP Serveri

Mitä “Debugg AI” MCP Server tekee?

Debugg AI MCP Server on tekoälypohjainen selainautomaation ja päätepisteen (E2E) testauksen serveri, joka perustuu Model Context Protocoliin (MCP). Se mahdollistaa tekoälyavustajien ja -agenttien UI-testien automatisoinnin, käyttäjäkäyttäytymisen simuloinnin sekä käynnissä olevien verkkosovellusten visuaalisen lopputuloksen analysoinnin luonnollisen kielen komennoilla tai CLI-työkaluilla. Serveri poistaa tarpeen manuaaliselle testauskehysten, kuten Playwrightin tai selainproksien, asennukselle tarjoten täysin etähallittavan ja hallinnoidun ratkaisun, joka integroituu vaivatta paikallisiin tai etäkehitysympäristöihin turvallisten tunnelien kautta. Kehittäjät voivat käynnistää UI-testit käyttäjätarinoiden perusteella, seurata historiallisia tuloksia ja liittää nämä työnkulut CI/CD-putkistoihin, parantaen ohjelmistokehityksen tuottavuutta ja luotettavuutta.

Prompt-listaus

Repositoriossa ei ole annettu tietoa prompt-malleista.

Valmis kasvattamaan liiketoimintaasi?

Aloita ilmainen kokeilujakso tänään ja näe tulokset muutamassa päivässä.

Pyydä demo Kirjaudu sisään

Listaus resursseista

Repositoriossa ei ole lueteltu erillisiä resursseja.

Työkalut

• debugg_ai_test_page_changes
  Mahdollistaa UI-testien käynnistämisen käyttäjätarinoiden tai luonnollisen kielen kuvausten perusteella. Tämä työkalu automatisoi selainkäytön ja E2E-testien kulun sekä raportoi etenemisen ja tulokset käyttäjälle.

Liity uutiskirjeellemme

Saa uusimmat vinkit, trendit ja tarjoukset ilmaiseksi.

Sähköpostiosoite

Tilaa

Tämän MCP-serverin käyttötapaukset

• Automaattinen UI-testaus
  Käynnistä päätepisteen UI-testit verkkosovelluksille välittömästi luonnollisen kielen kuvauksilla ilman manuaalista testiskriptiä.
• Localhost-web-sovellusten integrointi
  Testaa kehityssovelluksia kaikilla localhost-porteilla simuloiden oikeita käyttäjäpolkuja ilman lisäasetuksia.
• Jatkuva integraatio/jatkuva toimitus (CI/CD)
  Liitä automatisoidut E2E-testit CI/CD-putkistoihin varmistaaksesi, että uudet koodimuutokset validoidaan ennen käyttöönottoa.
• Visuaalisen lopputuloksen analyysi
  Analysoi visuaaliset muutokset ja UI-regressiot automaattisesti testausprosessin osana.
• Historiallinen testinseuranta
  Pääset kaikkiin aiempiin testituloksiin Debugg.AI-hallintapaneelissa auditointia ja kehitystä varten.

Näin otat käyttöön

Windsurf

1. Varmista, että vaadittavat komponentit, kuten Node.js, ovat asennettuina.
2. Avaa Windsurfin konfiguraatiotiedosto.
3. Lisää Debugg AI MCP server MCP-server-listaasi seuraavalla JSON-pätkällä:

   {
     "mcpServers": {
       "debugg-ai-mcp": {
         "command": "npx",
         "args": ["@debugg-ai/mcp-server@latest"]
       }
     }
   }
   

4. Tallenna konfiguraatio ja käynnistä Windsurf uudelleen.
5. Tarkista, että serveri toimii ja on saavutettavissa.

Claude

1. Asenna Node.js, jos sitä ei ole jo asennettu.
2. Etsi Clauden MCP-konfiguraatio-osio.
3. Lisää Debugg AI MCP serveri:

   {
     "mcpServers": {
       "debugg-ai-mcp": {
         "command": "npx",
         "args": ["@debugg-ai/mcp-server@latest"]
       }
     }
   }
   

4. Tallenna muutokset ja käynnistä Claude uudelleen.
5. Vahvista serverin integrointi tarkistamalla MCP-työkalujen saatavuus.

Cursor

1. Asenna Node.js järjestelmääsi.
2. Muokkaa Cursorin MCP-konfiguraatiotiedostoa.
3. Lisää serverimerkintä:

   {
     "mcpServers": {
       "debugg-ai-mcp": {
         "command": "npx",
         "args": ["@debugg-ai/mcp-server@latest"]
       }
     }
   }
   

4. Tallenna ja lataa Cursor uudelleen.
5. Tarkista Debugg AI -serverin työkalut työkalurekisteristä.

Cline

1. Varmista, että Node.js on asennettu.
2. Avaa Clinen MCP-konfiguraatiotiedosto.
3. Lisää seuraava konfiguraatio:

   {
     "mcpServers": {
       "debugg-ai-mcp": {
         "command": "npx",
         "args": ["@debugg-ai/mcp-server@latest"]
       }
     }
   }
   

4. Tallenna tiedosto ja käynnistä Cline uudelleen.
5. Varmista serverin saatavuus.

API-avainten suojaaminen

Suojaa API-avaimesi käyttämällä ympäristömuuttujia konfiguraatiossa:

{
  "mcpServers": {
    "debugg-ai-mcp": {
      "command": "npx",
      "args": ["@debugg-ai/mcp-server@latest"],
      "env": {
        "DEBUGG_AI_API_KEY": "${DEBUGG_AI_API_KEY}"
      },
      "inputs": {
        "apiKey": "${DEBUGG_AI_API_KEY}"
      }
    }
  }
}

Näin käytät tätä MCP:tä flow’ssa

MCP:n käyttö FlowHuntissa

Ota MCP-serverit käyttöön FlowHunt-työnkulussasi lisäämällä MCP-komponentti flow’hun ja yhdistämällä se tekoälyagenttiisi:

Napsauta MCP-komponenttia avataksesi konfiguraatiopaneelin. Lisää järjestelmän MCP-konfiguraatioon serverisi tiedot tässä JSON-muodossa:

{
  "debugg-ai-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Kun olet määrittänyt asetukset, tekoälyagentti voi hyödyntää tätä MCP:tä työkaluna ja käyttää kaikkia sen toimintoja. Muista muuttaa “debugg-ai-mcp” todelliseen nimeen ja korvata url omalla MCP-serverisi osoitteella.

Yhteenveto

Vankka MCP-serveri tekoälypohjaiseen päätepisteen testaukseen, mutta dokumentoitujen prompt-mallien ja eksplisiittisten resurssien puute rajoittaa laajennettavuutta kehittyneempiin MCP-pohjaisiin työnkulkuihin. Työkalut ja käyttöönotto ovat selkeitä ja kattavat olennaiset automaatiotapaukset. Arvosana: 6/10.

MCP-pisteet