🚀 🧪 Debugg AI官方MCP服务器
AI驱动的浏览器自动化和端到端测试服务器，实现了模型上下文协议（MCP）。旨在帮助AI代理测试UI更改、模拟用户行为以及分析正在运行的Web应用程序的视觉输出 —— 所有这些都可以通过自然语言和CLI工具完成。
端到端测试曾经是一场噩梦。不仅设置起来困难，而且随着应用程序的更改，长期管理也很麻烦。
Debugg AI的MCP服务器提供了一种全新的测试方式，你再也不必担心设置playwright、本地浏览器或代理。它采用完全远程管理的浏览器，只需通过安全的tunnel连接到本地或远程运行的服务器即可。
这意味着在运行测试时不会有烦人的Chrome弹窗，无需管理Chrome或playwright版本，最重要的是 —— 零配置。只需获取一个API密钥，将我们添加到你的MCP服务器列表中即可。
如果你之后想重新运行这些测试，或者创建一套测试用例在CI / CD管道中运行，可以在你的仪表盘 —— Debugg.AI应用中查看所有历史测试结果。
🚀 快速开始
确保你已经创建了一个免费账户并生成了API密钥 - DebuggAI
选项1：NPX（本地开发）
npx -y @debugg-ai/debugg-ai-mcp
在测试或将其集成到Claude Desktop或你自己的AI代理等工具时使用此方法。
选项2：Docker
docker run -i --rm --init \
-e DEBUGGAI_API_KEY=your_api_key \
-e TEST_USERNAME_EMAIL=your_test_email \
-e TEST_USER_PASSWORD=your_password \
-e DEBUGGAI_LOCAL_PORT=3000 \
-e DEBUGGAI_LOCAL_REPO_NAME=your-org/your-repo \
-e DEBUGGAI_LOCAL_BRANCH_NAME=main \
-e DEBUGGAI_LOCAL_REPO_PATH=/app \
-e DEBUGGAI_LOCAL_FILE_PATH=/app/index.ts \
quinnosha/debugg-ai-mcp
✨ 主要特性
-
🧠 MCP协议支持 完整的MCP服务器实现，支持CLI和工具注册表。
-
🧪 端到端测试自动化 通过
debugg_ai_test_page_changes工具，根据用户故事或自然语言描述触发UI测试。 -
🌐 本地主机Web应用集成 使用模拟用户流程，在任何
localhost端口上测试你正在运行的开发应用程序。 -
🧾 MCP工具通知 将实时进度更新发送回客户端，并附带步骤描述和UI状态目标。
-
🧷 截图支持 为支持图像渲染的大语言模型捕获页面的最终视觉状态。
-
🧱 标准输入输出服务器兼容 通过标准输入/输出连接到任何与MCP兼容的客户端（如Claude Desktop、LangChain代理等）。
💻 使用示例
输入提示："测试创建账户和登录的能力"
结果：
**任务完成**
- 持续时间：86.80秒
- 最终结果：成功完成使用电子邮件 'alice.wonderland1234@example.com' 注册并登录账户的任务。
- 状态：成功
完整演示：
观看更深入的完整用例演示
📚 详细文档
🧰 MCP工具：debugg_ai_test_page_changes
描述
对正在运行的Web应用程序进行端到端测试，测试以自然语言描述的UI功能或流程。允许任何代码生成平台中的AI代理快速评估提议的更改，并确保新功能按预期工作。
输入参数
| 属性 | 详情 |
|---|---|
description |
字符串，必填。要测试的功能或页面（例如 "注册页面表单"） |
localPort |
数字，可选。应用程序运行的端口（默认：3000） |
repoName |
字符串，可选。GitHub仓库名称 |
branchName |
字符串，可选。当前分支 |
repoPath |
字符串，可选。仓库的绝对路径 |
filePath |
字符串，可选。要测试的文件 |
🧪 示例Claude Desktop配置
{
"mcpServers": {
"debugg-ai-mcp": {
"command": "npx",
"args": ["-y", "@debugg-ai/debugg-ai-mcp"],
"env": {
"DEBUGGAI_API_KEY": "YOUR_API_KEY",
"TEST_USERNAME_EMAIL": "test@example.com",
"TEST_USER_PASSWORD": "supersecure",
"DEBUGGAI_LOCAL_PORT": 3000,
"DEBUGGAI_LOCAL_REPO_NAME": "org/project",
"DEBUGGAI_LOCAL_BRANCH_NAME": "main",
"DEBUGGAI_LOCAL_REPO_PATH": "/Users/you/project",
"DEBUGGAI_LOCAL_FILE_PATH": "/Users/you/project/index.ts"
}
}
}
}
🔐 环境变量
| 属性 | 详情 | 必需 |
|---|---|---|
DEBUGGAI_API_KEY |
调用DebuggAI后端的API密钥 | 是 |
TEST_USERNAME_EMAIL |
测试用户账户的电子邮件 | 否 |
TEST_USER_PASSWORD |
测试用户账户的密码 | 否 |
DEBUGGAI_LOCAL_PORT |
应用程序运行的本地端口 | 是 |
DEBUGGAI_LOCAL_REPO_NAME |
GitHub仓库名称 | 否 |
DEBUGGAI_LOCAL_BRANCH_NAME |
分支名称 | 否 |
DEBUGGAI_LOCAL_REPO_PATH |
仓库根目录的本地路径 | 否 |
DEBUGGAI_LOCAL_FILE_PATH |
要测试的文件 | 否 |
🧑💻 本地开发
# 克隆仓库并安装依赖
npm install
# 复制测试配置并插入你的凭证
cp test-config-example.json test-config.json
# 在本地运行MCP服务器
npx @modelcontextprotocol/inspector --config debugg-ai-mcp/test-config.json --server debugg-ai-mcp
📁 仓库结构
.
├── e2e-agents/ # 端到端浏览器测试运行器
├── services/ # DebuggAI API客户端
├── tunnels / # 与远程Web浏览器的安全连接
├── index.ts # 主MCP服务器入口
├── Dockerfile # Docker构建配置
└── README.md
🧱 构建工具
💬 反馈与问题
如果你遇到了bug、有新的想法或需要集成帮助，请提交一个问题或直接联系DebuggAI团队。
📄 许可证
本项目采用MIT许可证，版权所有 © 2025 DebuggAI
在旧金山，用🩸、💦和😭打造