Debugg AI MCP Server

Debugg AI MCP Server làm gì?

Debugg AI MCP Server là một server tự động hóa trình duyệt và kiểm thử end-to-end (E2E) dựa trên AI được xây dựng theo Model Context Protocol (MCP). Nó cho phép các trợ lý và agent AI tự động kiểm thử UI, mô phỏng hành vi người dùng, và phân tích giao diện của các ứng dụng web đang chạy thông qua lệnh ngôn ngữ tự nhiên hoặc công cụ CLI. Server này loại bỏ nhu cầu thiết lập thủ công các framework kiểm thử như Playwright hay proxy trình duyệt, mang đến giải pháp quản lý từ xa hoàn toàn, tích hợp liền mạch với môi trường phát triển cục bộ hoặc từ xa thông qua các tunnel bảo mật. Lập trình viên có thể kích hoạt kiểm thử UI dựa trên user story, theo dõi kết quả lịch sử và tích hợp quy trình này vào pipeline CI/CD, tăng năng suất và độ tin cậy trong phát triển phần mềm.

Danh sách Prompt

Không có thông tin về template prompt trong repository.

Danh sách tài nguyên

Không có tài nguyên cụ thể nào được liệt kê trong repository.

Danh sách công cụ

• debugg_ai_test_page_changes
  Cho phép chạy kiểm thử UI dựa trên user story hoặc mô tả ngôn ngữ tự nhiên. Công cụ này tự động hóa thao tác trình duyệt và luồng kiểm thử E2E, báo cáo tiến trình và kết quả về cho người dùng.

Các trường hợp sử dụng của MCP Server này

• Kiểm thử UI tự động
  Chạy kiểm thử UI end-to-end cho ứng dụng web ngay lập tức với mô tả bằng ngôn ngữ tự nhiên, giảm thiểu việc viết script kiểm thử thủ công.
• Tích hợp ứng dụng web localhost
  Kiểm thử các ứng dụng đang phát triển trên bất kỳ cổng localhost nào, mô phỏng thao tác và luồng người dùng thực mà không cần cấu hình bổ sung.
• Tích hợp liên tục/triển khai liên tục (CI/CD)
  Tích hợp kiểm thử E2E tự động vào pipeline CI/CD, đảm bảo các thay đổi code mới được xác thực trước khi triển khai.
• Phân tích giao diện tự động
  Tự động phân tích thay đổi giao diện và phát hiện hồi quy UI trong quy trình kiểm thử.
• Theo dõi kết quả kiểm thử lịch sử
  Truy cập và xem lại toàn bộ kết quả kiểm thử trước đó trên dashboard của Debugg.AI để kiểm toán và cải tiến.

Hướng dẫn thiết lập

Windsurf

1. Đảm bảo các điều kiện tiên quyết như Node.js đã được cài đặt.
2. Mở file cấu hình của Windsurf.
3. Thêm Debugg AI MCP server vào danh sách MCP server bằng đoạn JSON sau:

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

4. Lưu cấu hình và khởi động lại Windsurf.
5. Kiểm tra server đã chạy và truy cập được chưa.

Claude

1. Cài đặt Node.js nếu chưa có.
2. Tìm đến phần cấu hình MCP của Claude.
3. Thêm Debugg AI MCP server:

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

4. Lưu thay đổi và khởi động lại Claude.
5. Xác nhận tích hợp server bằng cách kiểm tra các công cụ MCP có sẵn.

Cursor

1. Thiết lập Node.js trên hệ thống của bạn.
2. Chỉnh sửa file cấu hình MCP của Cursor.
3. Thêm mục server:

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

4. Lưu và khởi động lại Cursor.
5. Kiểm tra danh sách công cụ để xem các tool của Debugg AI server.

Cline

1. Đảm bảo Node.js đã được cài đặt.
2. Mở file cấu hình MCP của Cline.
3. Thêm cấu hình sau:

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

4. Lưu file và khởi động lại Cline.
5. Kiểm tra tính sẵn sàng của server.

Bảo mật API Key

Để bảo mật API key, sử dụng biến môi trường trong cấu hình:

{
  "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}"
      }
    }
  }
}

Cách sử dụng MCP này trong luồng

Sử dụng MCP trong FlowHunt

Để tích hợp MCP server vào luồng FlowHunt, bắt đầu bằng việc thêm thành phần MCP vào luồng và kết nối với agent AI của bạn:

Nhấp vào thành phần MCP để mở bảng cấu hình. Trong phần cấu hình hệ thống MCP, nhập thông tin server MCP của bạn theo định dạng JSON dưới đây:

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

Sau khi cấu hình, agent AI sẽ có thể sử dụng MCP này như một công cụ với đầy đủ chức năng và khả năng của nó. Hãy nhớ đổi “debugg-ai-mcp” thành tên thực tế và thay URL bằng URL server MCP của bạn.

Tổng quan

Một MCP server ổn định cho kiểm thử E2E dựa trên AI, tuy nhiên việc thiếu template prompt và tài nguyên cụ thể giới hạn khả năng mở rộng cho các workflow MCP nâng cao. Bộ công cụ và thiết lập đơn giản, đáp ứng tốt các trường hợp tự động hóa cơ bản. Đánh giá: 6/10.

MCP Score