Debugg AI MCP 服务器

“Debugg AI” MCP 服务器的作用是什么？

Debugg AI MCP 服务器是一款围绕模型上下文协议（MCP）构建的 AI 驱动浏览器自动化与端到端（E2E）测试服务器。它让 AI 助手和代理能够通过自然语言指令或 CLI 工具自动化 UI 测试、模拟用户行为并分析正在运行的 Web 应用的视觉输出。该服务器无需手动配置如 Playwright 之类的测试框架或浏览器代理，提供了一个完全远程、托管的方案，并可通过安全隧道与本地或远程开发环境无缝集成。开发者可基于用户故事触发 UI 测试、跟踪历史结果，并将这些工作流纳入 CI/CD 流水线，从而提升软件开发的效率与可靠性。

提示模板列表

仓库中未提供提示模板相关信息。

资源列表

仓库中未列出任何显式资源。

工具列表

• debugg_ai_test_page_changes
  可根据用户故事或自然语言描述触发 UI 测试。该工具自动化浏览器动作和端到端测试流程，并将进度与结果反馈给用户。

本 MCP 服务器的应用场景

• 自动化 UI 测试
  通过自然语言描述即时对 Web 应用进行端到端 UI 测试，减少手动编写测试脚本的需求。
• 本地 Web 应用集成
  测试运行在任意 localhost 端口的开发应用，无需额外配置即可模拟真实用户交互和流程。
• 持续集成/持续部署（CI/CD）
  将自动化端到端测试集成到 CI/CD 流水线，确保新代码变更在发布前得到验证。
• 视觉输出分析
  测试流程中自动分析视觉变更和 UI 回归。
• 历史测试追踪
  可在 Debugg.AI 控制台访问和回顾所有历史测试结果，便于审计和改进。

设置方法

Windsurf

1. 确保已安装 Node.js 等前置条件。
2. 打开您的 Windsurf 配置文件。
3. 在 MCP 服务器列表中添加 Debugg AI MCP 服务器，示例 JSON 如下：

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

4. 保存配置并重启 Windsurf。
5. 验证服务器是否已启动并可访问。

Claude

1. 如未安装 Node.js，请先进行安装。
2. 定位到 Claude 的 MCP 配置部分。
3. 添加 Debugg AI MCP 服务器：

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

4. 保存更改并重启 Claude。
5. 检查是否已集成服务器，可通过 MCP 工具列表确认。

Cursor

1. 在系统上安装 Node.js。
2. 编辑 Cursor MCP 配置文件。
3. 插入服务器条目：

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

4. 保存并重新加载 Cursor。
5. 检查工具注册表中是否有 Debugg AI 服务器工具。

Cline

1. 确认已安装 Node.js。
2. 打开 Cline 的 MCP 配置文件。
3. 添加如下配置：

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

4. 保存文件并重启 Cline。
5. 验证服务器的可用性。

API 密钥安全配置

为保护您的 API 密钥，请在配置中使用环境变量：

{
  "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}"
      }
    }
  }
}

如何在流程中使用 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成到 FlowHunt 流程中，首先在流程中添加 MCP 组件，并将其连接至您的 AI 代理：

点击 MCP 组件以打开配置面板。在系统 MCP 配置部分，使用如下 JSON 格式插入您的 MCP 服务器信息：

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

配置完成后，AI 代理即可作为工具使用该 MCP，拥有其全部功能。请记得将 “debugg-ai-mcp” 替换为实际名称，并将 URL 换为您自己的 MCP 服务器地址。

概览

一款适用于 AI 驱动端到端测试的优秀 MCP 服务器，但缺乏文档化的提示模板和显式资源，限制了其在高级 MCP 工作流中的扩展性。工具与安装流程十分直观，涵盖了主要自动化应用场景。评分：6/10。

MCP 评分