Debugg AI MCP Server

O que faz o “Debugg AI” MCP Server?

O Debugg AI MCP Server é um servidor de automação de navegador e testes ponta a ponta (E2E) orientado por IA, construído em torno do Model Context Protocol (MCP). Ele permite que assistentes e agentes de IA automatizem testes de UI, simulem o comportamento do usuário e analisem a saída visual de aplicações web em execução usando comandos de linguagem natural ou ferramentas CLI. Esse servidor elimina a necessidade de configuração manual de frameworks de teste como Playwright ou proxies de navegador, oferecendo uma solução totalmente gerenciada e remota que se integra facilmente a ambientes de desenvolvimento locais ou remotos via túneis seguros. Desenvolvedores podem disparar testes de UI baseados em histórias de usuário, rastrear resultados históricos e incorporar esses fluxos em pipelines CI/CD, aumentando a produtividade e a confiabilidade no desenvolvimento de software.

Lista de Prompts

Nenhuma informação sobre modelos de prompt é fornecida no repositório.

Ready to grow your business?

Start your free trial today and see results within days.

Request demo Log in

Lista de Recursos

Nenhum recurso explícito está listado no repositório.

Lista de Ferramentas

• debugg_ai_test_page_changes
  Permite disparar testes de UI baseados em histórias de usuário ou descrições em linguagem natural. Esta ferramenta automatiza ações no navegador e fluxos de teste E2E, relatando o progresso e os resultados para o usuário.

Join our newsletter

Get latest tips, trends, and deals for free.

Email address

Subscribe

Casos de Uso deste MCP Server

• Testes Automatizados de UI
  Execute instantaneamente testes de UI ponta a ponta em aplicações web utilizando descrições em linguagem natural, reduzindo a necessidade de scripts manuais de teste.
• Integração com Aplicações Web Localhost
  Teste aplicações em desenvolvimento rodando em qualquer porta localhost, simulando interações e fluxos reais de usuário sem configuração adicional.
• Integração Contínua/Entrega Contínua (CI/CD)
  Integre testes E2E automatizados em pipelines CI/CD, garantindo que novas alterações no código sejam validadas antes do deploy.
• Análise de Saída Visual
  Analise automaticamente mudanças visuais e regressões de UI como parte do fluxo de teste.
• Rastreamento Histórico de Testes
  Acesse e revise todos os resultados anteriores de testes no painel Debugg.AI para auditoria e melhoria.

Como configurar

Windsurf

1. Certifique-se de que pré-requisitos como Node.js estão instalados.
2. Abra seu arquivo de configuração do Windsurf.
3. Adicione o servidor Debugg AI MCP à sua lista de servidores MCP usando o seguinte trecho JSON:

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

4. Salve a configuração e reinicie o Windsurf.
5. Verifique se o servidor está rodando e acessível.

Claude

1. Instale o Node.js se ainda não estiver presente.
2. Localize a seção de configuração MCP do Claude.
3. Adicione o servidor Debugg AI MCP:

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

4. Salve as alterações e reinicie o Claude.
5. Confirme a integração verificando as ferramentas MCP disponíveis.

Cursor

1. Configure o Node.js em seu sistema.
2. Edite o arquivo de configuração MCP do Cursor.
3. Insira a entrada do servidor:

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

4. Salve e recarregue o Cursor.
5. Verifique o registro de ferramentas para as ferramentas do servidor Debugg AI.

Cline

1. Certifique-se de que o Node.js está instalado.
2. Abra o arquivo de configuração MCP do Cline.
3. Adicione a seguinte configuração:

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

4. Salve o arquivo e reinicie o Cline.
5. Valide a disponibilidade do servidor.

Protegendo as Chaves de API

Para proteger suas chaves de API, utilize variáveis de ambiente em sua configuração:

{
  "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}"
      }
    }
  }
}

Como usar esse MCP em fluxos

Usando MCP no FlowHunt

Para integrar servidores MCP ao seu fluxo no FlowHunt, comece adicionando o componente MCP ao seu fluxo e conectando-o ao seu agente de IA:

Clique no componente MCP para abrir o painel de configuração. Na seção de configuração do sistema MCP, insira os detalhes do seu servidor MCP usando este formato JSON:

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

Uma vez configurado, o agente de IA poderá utilizar esse MCP como uma ferramenta com acesso a todas as suas funções e capacidades. Lembre-se de alterar “debugg-ai-mcp” para o nome real e substituir a URL pela URL do seu servidor MCP.

Visão Geral

Um servidor MCP sólido para testes E2E orientados por IA, mas a ausência de modelos de prompt documentados e recursos explícitos limita sua extensibilidade para fluxos de trabalho MCP avançados. As ferramentas e a configuração são diretas, e ele cobre os principais casos de automação. Avaliação: 6/10.

Pontuação MCP