Debugg AI MCP Server

Wat doet de “Debugg AI” MCP Server?

De Debugg AI MCP Server is een AI-gedreven browserautomatiserings- en end-to-end (E2E) testserver gebouwd rond het Model Context Protocol (MCP). Het stelt AI-assistenten en agenten in staat om UI-tests te automatiseren, gebruikersgedrag te simuleren en de visuele output van draaiende webapplicaties te analyseren met behulp van natuurlijke taalcommando’s of CLI-tools. Deze server elimineert de noodzaak voor handmatige setup van testframeworks zoals Playwright of browserproxies en biedt een volledig remote, beheerde oplossing die naadloos integreert met lokale of externe ontwikkelomgevingen via beveiligde tunnels. Ontwikkelaars kunnen UI-tests starten op basis van user stories, historische resultaten bijhouden en deze workflows opnemen in CI/CD-pijplijnen, wat de productiviteit en betrouwbaarheid in softwareontwikkeling verhoogt.

Lijst van prompts

Er wordt geen informatie over prompt-sjablonen verstrekt in de repository.

Lijst van bronnen

Er worden geen expliciete bronnen vermeld in de repository.

Lijst van tools

• debugg_ai_test_page_changes
  Maakt het mogelijk om UI-tests te starten op basis van user stories of natuurlijke taalbeschrijvingen. Deze tool automatiseert browseracties en E2E-testflows, en rapporteert voortgang en resultaten terug aan de gebruiker.

Gebruikstoepassingen van deze MCP Server

• Geautomatiseerd UI-testen
  Voer direct end-to-end UI-tests uit op webapplicaties met behulp van natuurlijke taalbeschrijvingen, waardoor handmatig testscriptwerk overbodig wordt.
• Integratie met localhost-webapplicaties
  Test ontwikkelapplicaties die op elke localhost-poort draaien en simuleer echte gebruikersinteracties en -flows zonder extra configuratie.
• Continuous Integration/Continuous Deployment (CI/CD)
  Integreer geautomatiseerd E2E-testen in CI/CD-pijplijnen om te zorgen dat nieuwe codewijzigingen worden gevalideerd vóór implementatie.
• Visuele outputanalyse
  Analyseer visuele veranderingen en UI-regressies automatisch als onderdeel van de testworkflow.
• Historische testtracking
  Toegang tot en review van alle eerdere testresultaten in het Debugg.AI-dashboard voor audit en verbetering.

Hoe zet je het op

Windsurf

1. Zorg dat vereisten zoals Node.js zijn geïnstalleerd.
2. Open je Windsurf-configuratiebestand.
3. Voeg de Debugg AI MCP-server toe aan je lijst met MCP-servers met de volgende JSON-snippet:

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

4. Sla de configuratie op en herstart Windsurf.
5. Controleer of de server draait en bereikbaar is.

Claude

1. Installeer Node.js als dit nog niet aanwezig is.
2. Zoek het MCP-configuratiegedeelte van Claude.
3. Voeg de Debugg AI MCP-server toe:

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

4. Sla wijzigingen op en herstart Claude.
5. Bevestig serverintegratie door te controleren op beschikbare MCP-tools.

Cursor

1. Installeer Node.js op je systeem.
2. Bewerk het MCP-configuratiebestand van Cursor.
3. Voeg de serverregel toe:

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

4. Sla op en herlaad Cursor.
5. Controleer het toolregister op de Debugg AI-servertools.

Cline

1. Zorg dat Node.js is geïnstalleerd.
2. Open het MCP-configuratiebestand van Cline.
3. Voeg de volgende configuratie toe:

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

4. Sla het bestand op en herstart Cline.
5. Valideer de beschikbaarheid van de server.

API-sleutels beveiligen

Om je API-sleutels te beveiligen, gebruik je omgevingsvariabelen in je configuratie:

{
  "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}"
      }
    }
  }
}

Hoe gebruik je deze MCP binnen flows

Gebruik MCP in FlowHunt

Om MCP-servers te integreren in je FlowHunt-werkstroom, begin je met het toevoegen van het MCP-component aan je flow en verbind je deze met je AI-agent:

Klik op het MCP-component om het configuratiepaneel te openen. Voeg in de systeem-MCP-configuratiesectie je MCP-serverdetails toe met dit JSON-formaat:

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

Na configuratie kan de AI-agent deze MCP nu gebruiken als tool met toegang tot alle functies en mogelijkheden. Vergeet niet “debugg-ai-mcp” te vervangen door de daadwerkelijke naam en de URL aan te passen naar jouw MCP-server URL.

Overzicht

Een degelijke MCP-server voor AI-gedreven E2E-testen, maar het ontbreken van gedocumenteerde prompt-sjablonen en expliciete bronnen beperkt de uitbreidbaarheid voor geavanceerde MCP-workflows. Tooling en setup zijn eenvoudig, en het dekt de essentiële automatiseringstoepassingen. Beoordeling: 6/10.

MCP-score