Debugg AI MCP Server

Čo robí “Debugg AI” MCP Server?

Debugg AI MCP Server je AI-riadený server na automatizáciu prehliadača a end-to-end (E2E) testovanie postavený na Model Context Protocol (MCP). Umožňuje AI asistentom a agentom automatizovať UI testovanie, simulovať správanie používateľov a analyzovať vizuálny výstup bežiacich webových aplikácií pomocou príkazov v prirodzenom jazyku alebo nástrojov CLI. Tento server eliminuje potrebu manuálneho nastavovania testovacích frameworkov ako Playwright alebo proxy prehliadača, ponúkajúc plne vzdialené, spravované riešenie, ktoré sa bezproblémovo integruje s lokálnym alebo vzdialeným vývojovým prostredím cez zabezpečené tunely. Vývojári môžu spúšťať UI testy na základe používateľských príbehov, sledovať históriu výsledkov a začleniť tieto workflowy do CI/CD pipeline, čo zvyšuje produktivitu a spoľahlivosť v softvérovom vývoji.

Zoznam promptov

V repozitári nie sú poskytnuté žiadne informácie o šablónach promptov.

Pripravení rozšíriť svoje podnikanie?

Začnite svoju 30-dňovú skúšobnú verziu ešte dnes a vidzte výsledky behom pár dní.

Požiadať o demo Prihlásiť sa

Zoznam zdrojov

V repozitári nie sú uvedené žiadne explicitné zdroje.

Zoznam nástrojov

• debugg_ai_test_page_changes
  Umožňuje spúšťať UI testy na základe používateľských príbehov alebo popisov v prirodzenom jazyku. Tento nástroj automatizuje akcie v prehliadači a E2E testovacie toky, reportuje priebeh a výsledky späť používateľovi.

Prihláste sa na newsletter

Získajte najnovšie tipy, trendy a ponuky zadarmo.

Emailová adresa

Prihlásiť sa

Prípady použitia tohto MCP servera

• Automatizované UI testovanie
  Okamžite spúšťajte end-to-end UI testy na webových aplikáciách pomocou popisov v prirodzenom jazyku, čím znižujete potrebu manuálneho skriptovania testov.
• Integrácia s localhost web aplikáciou
  Testujte vývojové aplikácie bežiace na akomkoľvek porte localhost, simulujte skutočné používateľské interakcie a toky bez ďalšej konfigurácie.
• Continuous Integration/Continuous Deployment (CI/CD)
  Integrujte automatizované E2E testovanie do CI/CD pipeline, aby ste zabezpečili validáciu nových zmien kódu ešte pred nasadením.
• Analýza vizuálneho výstupu
  Automaticky analyzujte vizuálne zmeny a UI regresie ako súčasť testovacieho workflowu.
• Sledovanie histórie testov
  Prístup a revízia všetkých predchádzajúcich výsledkov testov v dashboarde Debugg.AI pre audit a zlepšovanie.

Ako ho nastaviť

Windsurf

1. Uistite sa, že sú nainštalované všetky požiadavky, ako je Node.js.
2. Otvorte svoj konfiguračný súbor Windsurf.
3. Pridajte Debugg AI MCP server do zoznamu MCP serverov pomocou tohto JSON kódu:

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

4. Uložte konfiguráciu a reštartujte Windsurf.
5. Overte, že server beží a je dostupný.

Claude

1. Nainštalujte Node.js, ak ešte nie je prítomný.
2. Nájdite sekciu MCP konfigurácie v Claude.
3. Pridajte Debugg AI MCP server:

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

4. Uložte zmeny a reštartujte Claude.
5. Potvrďte integráciu servera kontrolou dostupných MCP nástrojov.

Cursor

1. Nastavte Node.js vo vašom systéme.
2. Upravte konfiguračný súbor Cursor MCP.
3. Vložte záznam servera:

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

4. Uložte a znovu načítajte Cursor.
5. Skontrolujte registráciu nástrojov pre Debugg AI server.

Cline

1. Uistite sa, že je nainštalovaný Node.js.
2. Otvorte konfiguračný súbor Cline MCP.
3. Pridajte nasledujúcu konfiguráciu:

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

4. Uložte súbor a reštartujte Cline.
5. Overte dostupnosť servera.

Zabezpečenie API kľúčov

Na zabezpečenie vašich API kľúčov použite environmentálne premenné v konfigurácii:

{
  "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}"
      }
    }
  }
}

Ako používať tento MCP vo flowoch

Použitie MCP vo FlowHunt

Na integráciu MCP serverov do workflowu FlowHunt začnite pridaním MCP komponentu do vášho flowu a jeho prepojením s AI agentom:

Kliknite na MCP komponent na otvorenie konfiguračného panela. V sekcii systémovej MCP konfigurácie vložte detaily MCP servera v tomto JSON formáte:

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

Po nakonfigurovaní môže AI agent používať tento MCP ako nástroj so všetkými jeho funkciami a schopnosťami. Nezabudnite zmeniť “debugg-ai-mcp” na skutočný názov a nahradiť URL vašou vlastnou MCP server URL adresou.

Prehľad

Solídny MCP server pre AI-riadené E2E testovanie, ale absencia zdokumentovaných šablón promptov a explicitných zdrojov obmedzuje jeho rozšíriteľnosť pre pokročilé MCP workflowy. Nástroje a nastavenie sú priamočiare a pokrývajú podstatné prípady automatizácie. Hodnotenie: 6/10.

MCP skóre