Debugg AI MCP 서버

“Debugg AI” MCP 서버는 무엇을 하나요?

Debugg AI MCP 서버는 Model Context Protocol(MCP)을 기반으로 한 AI 구동 브라우저 자동화 및 엔드 투 엔드(E2E) 테스트 서버입니다. 이 서버를 통해 AI 어시스턴트와 에이전트가 자연어 명령이나 CLI 도구를 사용하여 UI 테스트를 자동화하고, 사용자 행동을 시뮬레이션하며, 실행 중인 웹 애플리케이션의 시각적 출력을 분석할 수 있습니다. Playwright와 같은 테스트 프레임워크나 브라우저 프록시의 수동 설정이 필요 없으며, 완전 원격 및 관리형 솔루션으로서 보안 터널을 통해 로컬 또는 원격 개발 환경과 매끄럽게 통합됩니다. 개발자는 사용자 스토리 기반의 UI 테스트를 트리거하고, 이력 결과를 추적하며, 이 워크플로우를 CI/CD 파이프라인에 녹여 소프트웨어 개발의 생산성과 신뢰성을 높일 수 있습니다.

프롬프트 목록

저장소에는 프롬프트 템플릿 관련 정보가 제공되지 않습니다.

비즈니스 성장 준비가 되셨나요?

오늘 무료 평가판을 시작하고 며칠 내로 결과를 확인하세요.

데모 요청 로그인

리소스 목록

저장소에 명시적인 리소스가 나열되어 있지 않습니다.

도구 목록

• debugg_ai_test_page_changes
  사용자 스토리 또는 자연어 설명을 기반으로 UI 테스트를 트리거할 수 있습니다. 이 도구는 브라우저 동작 및 E2E 테스트 플로우를 자동화하며, 진행 상황과 결과를 사용자에게 리포팅합니다.

뉴스레터 가입

최신 팁, 트렌드 및 특가 정보를 무료로 받아보세요.

이메일 주소

구독

MCP 서버의 활용 사례

• 자동화된 UI 테스트
  자연어 설명만으로 웹 애플리케이션의 엔드 투 엔드 UI 테스트를 즉시 실행하여, 수동 테스트 스크립트 작성의 필요성을 줄입니다.
• 로컬호스트 웹앱 통합
  추가 설정 없이 어떤 로컬호스트 포트에서든 개발 앱을 테스트하고, 실제 사용자 인터랙션과 플로우를 시뮬레이션합니다.
• 지속적 통합/지속적 배포(CI/CD)
  자동화된 E2E 테스트를 CI/CD 파이프라인에 통합하여, 배포 전 코드 변경 사항을 검증합니다.
• 시각적 출력 분석
  테스트 워크플로우의 일부로 시각적 변화와 UI 회귀를 자동 분석합니다.
• 테스트 이력 추적
  Debugg.AI 대시보드에서 모든 이전 테스트 결과를 열람 및 검토하여 감시 및 개선에 활용할 수 있습니다.

설치 방법

Windsurf

1. Node.js 등 필수 프로그램이 설치되어 있는지 확인하세요.
2. Windsurf 설정 파일을 엽니다.
3. MCP 서버 목록에 Debugg AI MCP 서버를 다음 JSON으로 추가하세요:

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

4. 설정을 저장하고 Windsurf를 재시작하세요.
5. 서버가 정상적으로 구동되고 접근 가능한지 확인하세요.

Claude

1. Node.js가 설치되어 있지 않다면 설치하세요.
2. Claude의 MCP 설정 섹션을 찾으세요.
3. Debugg AI MCP 서버를 추가하세요:

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

4. 변경 사항을 저장하고 Claude를 재시작하세요.
5. 사용 가능한 MCP 도구가 표시되는지 확인하여 서버 통합을 점검하세요.

Cursor

1. 시스템에 Node.js를 설치하세요.
2. Cursor MCP 설정 파일을 편집하세요.
3. 서버 항목을 다음과 같이 추가하세요:

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

4. 저장하고 Cursor를 다시 불러오세요.
5. Debugg AI 서버 도구가 툴 레지스트리에 등록되었는지 확인하세요.

Cline

1. Node.js가 설치되어 있는지 확인하세요.
2. Cline의 MCP 설정 파일을 엽니다.
3. 다음 설정을 추가하세요:

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

4. 파일을 저장하고 Cline을 재시작하세요.
5. 서버가 정상적으로 연결되었는지 확인하세요.

API 키 보안 적용

API 키를 안전하게 보호하려면, 설정에서 환경 변수를 사용하세요:

{
  "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}"
      }
    }
  }
}

이 MCP를 플로우에서 사용하는 방법

FlowHunt에서 MCP 사용하기

FlowHunt 워크플로우에 MCP 서버를 통합하려면, 플로우에 MCP 컴포넌트를 추가하고 AI 에이전트에 연결하세요:

MCP 컴포넌트를 클릭하여 설정 패널을 엽니다. 시스템 MCP 설정 섹션에 아래와 같이 MCP 서버 정보를 입력하세요:

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

설정을 마치면 AI 에이전트가 해당 MCP를 도구로 활용하여 모든 기능과 역량에 접근할 수 있습니다. “debugg-ai-mcp"는 실제 서버 이름으로, URL은 본인의 MCP 서버 주소로 변경하세요.

개요

AI 기반 E2E 테스트에 적합한 탄탄한 MCP 서버지만, 문서화된 프롬프트 템플릿과 명시적 리소스가 없어 고급 MCP 워크플로우 확장성은 제한적입니다. 도구와 설치 과정은 직관적이며, 필수 자동화 사용 사례는 모두 지원합니다. 평점: 6/10

MCP 점수