Debugg AI MCP Server

Cosa fa il server “Debugg AI” MCP?

Il Debugg AI MCP Server è un server di automazione browser e testing end-to-end (E2E) guidato dall’intelligenza artificiale, basato sul Model Context Protocol (MCP). Permette ad assistenti e agenti IA di automatizzare i test UI, simulare il comportamento degli utenti e analizzare l’output visivo delle applicazioni web in esecuzione tramite comandi in linguaggio naturale o strumenti CLI. Questo server elimina la necessità di configurare manualmente framework di testing come Playwright o proxy browser, offrendo una soluzione completamente remota e gestita che si integra senza problemi con ambienti di sviluppo locali o remoti tramite tunnel sicuri. Gli sviluppatori possono avviare test UI basati su user story, tracciare i risultati storici e integrare questi workflow nelle pipeline CI/CD, migliorando produttività e affidabilità nello sviluppo software.

Elenco dei Prompt

Nessuna informazione sui template di prompt è fornita nel repository.

Elenco delle Risorse

Nessuna risorsa esplicita è presente nel repository.

Elenco degli Strumenti

• debugg_ai_test_page_changes
  Permette di avviare test UI basati su user story o descrizioni in linguaggio naturale. Questo strumento automatizza le azioni del browser e i flussi di test E2E, riportando all’utente l’avanzamento e i risultati.

Casi d’uso di questo server MCP

• Test UI automatizzati
  Avvia immediatamente test UI end-to-end su applicazioni web utilizzando descrizioni in linguaggio naturale, riducendo la necessità di scripting manuale dei test.
• Integrazione con app web in localhost
  Testa applicazioni in sviluppo in esecuzione su qualsiasi porta localhost, simulando interazioni e flussi reali senza configurazioni aggiuntive.
• Continuous Integration/Continuous Deployment (CI/CD)
  Integra i test E2E automatizzati nelle pipeline CI/CD, assicurando che le nuove modifiche al codice vengano validate prima del rilascio.
• Analisi dell’output visivo
  Analizza automaticamente le variazioni visive e le regressioni UI come parte del workflow di testing.
• Tracciamento storico dei test
  Accedi e consulta tutti i risultati dei test precedenti nella dashboard di Debugg.AI per audit e miglioramenti.

Come configurarlo

Windsurf

1. Assicurati che i prerequisiti come Node.js siano installati.
2. Apri il file di configurazione di Windsurf.
3. Aggiungi il server Debugg AI MCP al tuo elenco di server MCP utilizzando il seguente snippet JSON:

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

4. Salva la configurazione e riavvia Windsurf.
5. Verifica che il server sia attivo e accessibile.

Claude

1. Installa Node.js se non è già presente.
2. Individua la sezione di configurazione MCP di Claude.
3. Aggiungi il server Debugg AI MCP:

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

4. Salva le modifiche e riavvia Claude.
5. Conferma l’integrazione del server controllando la disponibilità degli strumenti MCP.

Cursor

1. Installa Node.js sul tuo sistema.
2. Modifica il file di configurazione MCP di Cursor.
3. Inserisci la voce del server:

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

4. Salva e ricarica Cursor.
5. Controlla il registro degli strumenti per gli strumenti del server Debugg AI.

Cline

1. Assicurati che Node.js sia installato.
2. Apri il file di configurazione MCP di Cline.
3. Aggiungi la seguente configurazione:

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

4. Salva il file e riavvia Cline.
5. Valida la disponibilità del server.

Protezione delle API Key

Per proteggere le tue API key, utilizza variabili d’ambiente nella configurazione:

{
  "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}"
      }
    }
  }
}

Come utilizzare questo MCP nei flow

Utilizzo di MCP in FlowHunt

Per integrare server MCP nel tuo workflow FlowHunt, inizia aggiungendo il componente MCP al flow e collegandolo al tuo agente IA:

Clicca sul componente MCP per aprire il pannello di configurazione. Nella sezione di configurazione MCP di sistema, inserisci i dettagli del tuo server MCP utilizzando questo formato JSON:

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

Una volta configurato, l’agente IA potrà utilizzare questo MCP come strumento con accesso a tutte le sue funzioni e capacità. Ricorda di cambiare “debugg-ai-mcp” con il nome reale e sostituire l’URL con quello del tuo server MCP.

Panoramica

Un solido server MCP per testing E2E guidato da IA, ma la mancanza di template di prompt documentati e risorse esplicite ne limita l’estendibilità per workflow MCP avanzati. Strumenti e setup sono semplici e coprono i casi base di automazione. Valutazione: 6/10.

MCP Score