Debugg AI MCP Server

Ce face serverul MCP „Debugg AI”?

Debugg AI MCP Server este un server de automatizare a browserului și testare end-to-end (E2E) bazat pe inteligență artificială, construit în jurul Model Context Protocol (MCP). Permite asistenților și agenților AI să automatizeze testarea UI, să simuleze comportamentul utilizatorului și să analizeze ieșirea vizuală a aplicațiilor web rulate, folosind comenzi în limbaj natural sau instrumente CLI. Acest server elimină nevoia de configurare manuală a framework-urilor de testare precum Playwright sau proxy-uri de browser, oferind o soluție complet gestionată, integrabilă fără probleme cu mediile de dezvoltare locale sau la distanță prin tuneluri securizate. Dezvoltatorii pot declanșa teste UI bazate pe user stories, urmări rezultatele istorice și încorpora aceste fluxuri de lucru în pipeline-urile CI/CD, sporind productivitatea și fiabilitatea dezvoltării software.

Listă de Prompts

Nu există informații despre șabloane de prompt în depozit.

Listă de Resurse

Nu există resurse explicite listate în depozit.

Listă de Unelte

• debugg_ai_test_page_changes
  Permite declanșarea testelor UI pe baza user stories sau a unor descrieri în limbaj natural. Această unealtă automatizează acțiunile în browser și fluxurile de test E2E, raportând progresul și rezultatele către utilizator.

Cazuri de utilizare ale acestui server MCP

• Testare UI automatizată
  Rulează instant teste UI end-to-end pe aplicații web folosind descrieri în limbaj natural, reducând nevoia de scripturi de testare manuală.
• Integrare aplicație web pe localhost
  Testează aplicații în dezvoltare care rulează pe orice port localhost, simulând interacțiuni și fluxuri reale de utilizator, fără configurări suplimentare.
• Continuous Integration/Continuous Deployment (CI/CD)
  Integrează testarea E2E automatizată în pipeline-urile CI/CD, asigurând validarea modificărilor de cod înainte de deployment.
• Analiză a ieșirii vizuale
  Analizează automat modificările vizuale și regresiile UI ca parte a fluxului de testare.
• Urmărire istorică a testelor
  Accesează și revizuiește toate rezultatele anterioare ale testelor în dashboard-ul Debugg.AI pentru audit și îmbunătățire.

Cum se configurează

Windsurf

1. Asigură-te că ai instalat Node.js.
2. Deschide fișierul de configurare Windsurf.
3. Adaugă serverul Debugg AI MCP la lista de servere MCP folosind acest snippet JSON:

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

4. Salvează configurația și repornește Windsurf.
5. Verifică dacă serverul rulează și este accesibil.

Claude

1. Instalează Node.js dacă nu este deja instalat.
2. Găsește secțiunea de configurare MCP a lui Claude.
3. Adaugă serverul Debugg AI MCP:

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

4. Salvează modificările și repornește Claude.
5. Confirmă integrarea serverului verificând dacă sunt disponibile uneltele MCP.

Cursor

1. Instalează Node.js pe sistemul tău.
2. Editează fișierul de configurare MCP al Cursor.
3. Inserează intrarea serverului:

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

4. Salvează și reîncarcă Cursor.
5. Verifică registrul de unelte pentru uneltele Debugg AI server.

Cline

1. Asigură-te că Node.js este instalat.
2. Deschide fișierul de configurare MCP al Cline.
3. Adaugă următoarea configurație:

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

4. Salvează fișierul și repornește Cline.
5. Validează disponibilitatea serverului.

Securizarea cheilor API

Pentru a-ți securiza cheile API, folosește variabile de mediu în configurație:

{
  "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}"
      }
    }
  }
}

Cum se folosește acest MCP în fluxuri

Utilizarea MCP în FlowHunt

Pentru a integra servere MCP în workflow-ul tău FlowHunt, începe prin a adăuga componenta MCP în flow și conecteaz-o la agentul tău AI:

Dă click pe componenta MCP pentru a deschide panoul de configurare. În secțiunea de configurare MCP de sistem, inserează detaliile serverului MCP folosind acest format JSON:

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

După configurare, agentul AI va putea folosi acest MCP ca unealtă cu acces la toate funcțiile și capabilitățile sale. Nu uita să modifici “debugg-ai-mcp” cu numele real și să înlocuiești URL-ul cu cel al serverului tău MCP.

Prezentare generală

Un server MCP solid pentru testare E2E bazată pe AI, însă lipsa șabloanelor de prompt documentate și a resurselor explicite îi limitează extensibilitatea pentru workflow-uri MCP avansate. Instrumentarea și configurarea sunt simple și acoperă cazurile de utilizare esențiale de automatizare. Rating: 6/10.

Scor MCP