Token导航 LogoToken导航

MCP Server · 浏览器工具

Debugg AI MCP

通过AI代理自动浏览和测试网页应用,返回测试结果及截图,适用于本地开发和CI测试。

stdio官方级别未说明来源级核验工具 12
浏览器自动化TypeScriptClaude

快速开始

作者 / 组织
debugg-ai
提供方
debugg-ai
运行时
Docker

工具数量

12

来源目录标注

资源数量

0

来源目录标注

提示词数量

0

来源目录标注

GitHub Star

69

仓库热度

收录来源

2 个

MCP World

选型结论

Debugg AI MCP 属于浏览器工具类 MCP Server,公开资料标注 12 个工具,通过stdio 本地进程接入,适配 Claude,有可以直接复制的安装命令;接入前要先准备 访问 Token。

分类

浏览器工具

传输方式

stdio

认证方式

访问 Token

部署方式

公开资料未说明

安装与配置

安装命令

docker run -i --rm --init -e DEBUGGAI_API_KEY=your_api_key quinnosha/debugg-ai-mcp

客户端配置示例

{
  "mcpServers": {
    "debugg-ai-mcp": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "--init",
        "-e",
        "DEBUGGAI_API_KEY=your_api_key",
        "quinnosha/debugg-ai-mcp"
      ]
    }
  }
}

按公开安装命令拼出来的示例,字段名和参数以仓库 README 为准;带 YOUR_API_KEY 这类占位符的位置记得换成自己的值。

上手步骤

  1. 1

    准备运行环境

    stdio 服务在本地起进程,需要先装好 Docker,再按安装命令拉取依赖。

  2. 2

    安装服务

    复制下面的安装命令执行;命令里带占位符的位置换成自己的密钥或路径。

  3. 3

    写入客户端配置

    在客户端的 MCP 配置里填启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4

    验证是否可用

    连接成功后客户端会列出 12 个工具,随便调一个只读工具确认能返回结果。

接入前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

详细介绍

调试AI——MCP服务器

通过AI驱动的浏览器测试 模型上下文协议。将其指向任何URL(或localhost)并描述要测试的内容——AI代理浏览您的应用程序并返回通过/失败的屏幕截图。

设置

需要Node.js 20.20.0或更高版本 (传递要求来自 posthog-node@^5.26.0).

在获取API密钥 调试.ai,然后添加到MCP客户端配置中:

{
  "mcpServers": {
    "debugg-ai": {
      "command": "npx",
      "args": ["-y", "@debugg-ai/debugg-ai-mcp"],
      "env": {
        "DEBUGGAI_API_KEY": "your_api_key_here"
      }
    }
  }
}

或者使用Docker:

docker run -i --rm --init -e DEBUGGAI_API_KEY=your_api_key quinnosha/debugg-ai-mcp

工具

服务器暴露 12 工具分为浏览器(3)、搜索(3),项目(3)和环境(3)。标题工具是 check_app_in_browser (完全AI代理)和 probe_page (轻量级无LLM页面探测器);其余的则通过统一的方式管理项目、环境及其凭据和执行历史 search_* +CRUD模式。

浏览器

check_app_in_browser

对您的应用程序运行AI浏览器代理。代理通过屏幕截图进行导航、交互和报告。本地主机URL通过ngrok自动隧道传输。

参数类型说明
description字符串 必需的测试内容(自然语言)
url字符串 必需的目标URL-- http://localhost:3000 自动隧道
environmentIdstring特定环境的UUID
credentialIdstring特定凭据的UUID
credentialRolestring按角色选择凭据(例如。 admin, guest)
usernamestring登录用户名(临时-不持久)
passwordstring登录密码(临时-不持久)
repoNamestring覆盖自动检测到的git仓库名称(例如。 my-org/my-repo)

每次通话进行一次重点检查。代理人的内部预算约为25步;将更宽的套房拆分为多个通话。

每次成功运行都会返回一个 browserSession 屏幕截图旁边的块——为捕获的内容预处理S3 URL HTTP存档(HAR) (完整网络跟踪)和 控制台日志 (每条JS控制台消息)。使用它们来检测通过类型检查和单元测试的重蚀刻循环、水合错误和其他运行时问题:

"browserSession": {
  "harUrl": "https://...session_18139.har?X-Amz-...",
  "consoleLogUrl": "https://...session_18139_console.json?X-Amz-...",
  "recordingUrl": "https://...session_18139_recording.webm?X-Amz-...",
  "harStatus": "downloaded",
  "consoleLogStatus": "downloaded",
  "harRedactionStatus": "redacted",
  "consoleLogRedactionStatus": "redacted"
}

URL是短暂的预签名S3——通过以下方式重新调用父执行 search_executions 更新。 harStatus / consoleLogStatus 消除歧义 'downloaded' (URL可获取), 'not_available' (页面未显示任何内容), 'failed' (捕获中断)。在新运行时,URL通常是 null 因为capture在代理完成后异步上传——poll search_executions 与返回 executionId 直到状态达到 'downloaded'.授权/Cookie/ token/secret/api_key 在持久化工件之前,服务器端会清除标头。

trigger_crawl

启动服务器端浏览器代理爬网以填充项目的知识图。本地主机URL自动隧道。退货 {executionId, status, targetUrl, durationMs, outcome?, crawlSummary?, knowledgeGraph?, browserSession?} 和 knowledgeGraph.imported === true 成功摄入。这 browserSession 块(HAR+控制台日志URL,与上述形状相同)也存在于已完成的爬网中。

probe_page

轻量级的无LLM批处理页面探测。 传递1-20个网址;每个导航、等待加载并返回渲染状态——屏幕截图+页面元数据+结构化控制台错误+网络摘要。没有代理循环,没有LLM成本,没有场景断言。将其用于“我刚刚中断/设置了吗?”、重构后的多路径冒烟、每个PR的CI扫描以及快速检查 check_app_in_browser60-150年代的特工循环太过分了。

参数类型说明
targets阵列 必需的1-20个条目: [{url, waitForSelector?, waitForLoadState?, timeoutMs?}]
targets[].url字符串 必需的公共URL或本地主机(自动隧道)
targets[].waitForLoadStateenum'load' (默认)/ 'domcontentloaded' / 'networkidle'
targets[].waitForSelectorstring导航后等待的可选CSS选择器
targets[].timeoutMsnumber每个URL超时,1000-30000(默认10000)
includeHtmlboolean在每个结果中返回原始HTML(默认为false)
captureScreenshotsboolean每个目标返回一个PNG(默认为true)

整个批处理共享一个后端执行+浏览器会话+隧道——一次调用中的5个URL比5个并行的单个URL调用快得多。每个URL error 字段保留了批处理弹性:单个失败的目标不会让其他目标失败。

networkSummary 聚合密钥为 origin + pathname --重蚀刻环路(?n=0..4 重复击中同一端点)合并为一个带有计数的条目,因此 /api/poll 出现与 count: 47 是用户最初要求的可操作的“无限重蚀刻循环”信号。

性能预算:1个URL\": [ ... ] }


通行证可选 `page` (1-索引,默认1)和 `pageSize` (默认值为20,最大值为200;过大的值会被限制)。任何回应都不会被默默地截断。

### 安全不变量

- 密码只能写入。它们从未出现在任何工具的任何响应体中。
- 隧道URL(`*.ngrok.debugg.ai`)从所有浏览器代理响应中删除,包括代理编写的文本。
- 距离后端表面404秒 `isError: true` 和 `{error: 'NotFound', ...}`,从不作为抛出的异常。
- 缺失 `DEBUGGAI_API_KEY` 第一次调用时出现结构化工具错误——服务器仍然正常注册和列出工具。

## 从v1.x迁移(破坏v2.0.0中的更改)

v2将22刀具表面压缩到11。旧工具→ 新工具映射:

|已删除|替换|
|---------|-------------|
| `list_projects`, `get_project` | `search_projects` (uuid模式vs过滤模式)|
| `list_environments`, `get_environment` | `search_environments` |
| `list_credentials`, `get_credential` | `search_environments` --在每个环境中内联凭据|
| `create_credential` | `create_environment({credentials: [...]})` 种子,或 `update_environment({addCredentials: [...]})` |
| `update_credential` | `update_environment({updateCredentials: [{uuid, ...patch}]})` |
| `delete_credential` | `update_environment({removeCredentialIds: [uuid]})` |
| `list_teams`, `list_repos` | `create_project({teamName, repoName})` --带有歧义处理的名称解析|
| `list_executions`, `get_execution` | `search_executions` |
| `cancel_execution` | **掉落** --后端降速是自动的|

响应形状变化:裸露 `count` 列表响应中的字段已消失--使用 `pageInfo.totalCount`.

## 配置

|环境变量|必需|目的|
|---|---|---|
| `DEBUGGAI_API_KEY` |yes|后端API密钥。别名: `DEBUGGAI_API_TOKEN`, `DEBUGGAI_JWT_TOKEN`. |
| `DEBUGGAI_API_URL` |no |后端基本URL。默认为 `https://api.debugg.ai`. |
| `DEBUGGAI_TOKEN_TYPE` |没有| `token` (默认)或 `bearer`. |
| `LOG_LEVEL` |没有| `error` / `warn` / `info` (默认)/ `debug`. |
| `POSTHOG_API_KEY` |否|覆盖嵌入式遥测项目密钥(例如私有分叉)。 |
| `DEBUGGAI_TELEMETRY_DISABLED` |否|设置为 `1` / `true` / `yes` / `on` 完全禁用遥测。 |

DEBUGGAI_API_KEY=your_api_key


## 遥测

MCP服务器默认启用遥测功能,这是一个嵌入式的只写PostHog项目密钥(`phc_*`)因此,团队可以观察整个安装库的缓存命中率、轮询节奏、隧道可靠性和其他操作指标。捕获的事件:

|事件|时间|
|---|---|
| `tool.executed` / `tool.failed` |每次工具调用|
| `workflow.executed` |每次浏览器代理执行(携带 `pollCount`, `durationMs`, `finalIntervalMs`) |
| `tunnel.provisioned` / `tunnel.provision_retry` / `tunnel.stopped` |每个隧道生命周期事件|
| `template.lookup` / `project.lookup` |缓存命中率/未命中率 `durationMs` 冷电话|

隐私姿态:

- 唯一ID是 `SHA-256(api_key).slice(0, 16)` --没有原始密钥,没有个人身份信息。
- `phc_*` 密钥仅按照PostHog惯例编写;可以安全地嵌入源代码中。
- 集 `DEBUGGAI_TELEMETRY_DISABLED=1` 完全退出(解析为无操作提供者;没有事件离开流程)。

启动时记录活动模式:

Telemetry enabled (PostHog, DebuggAI default project). Set DEBUGGAI_TELEMETRY_DISABLED=1 to opt out. Telemetry enabled (PostHog, custom POSTHOG_API_KEY) Telemetry disabled (DEBUGGAI_TELEMETRY_DISABLED is set)


## 本地开发

npm install npm run build npm run test:e2e # real end-to-end evals against the backend


eval套件将构建的MCP服务器作为子流程生成,在真实的后端上使用每个工具,并将每个流的工件写入 `scripts/evals/artifacts//`。参见 `scripts/evals/flows/` 对于各个场景。

### MCP注册: `debugg-ai-local` 对比 `debugg-ai`

该回购提供 `.mcp.json` 注册a **项目范围** 服务器名称 `debugg-ai-local` 指着 `node dist/index.js` --新制定的地方法规。只有当Claude Code的工作目录是此仓库时,它才会激活。

你的其他项目应该使用 **用户范围** `debugg-ai` 从已发布的npm包中提取的注册:

npm run mcp:global # registers debugg-ai in ~/.claude.json to npx -y @debugg-ai/debugg-ai-mcp


在此处编辑代码后,运行 `npm run mcp:local` (它只是重建)所以下一次调用 `debugg-ai-local` 接收您的更改。

## 链接

______________________________________________________________________

Apache-2.0许可证©2025 DebuggAI

工具与能力

工具数量

12

资源数量

0

提示词数量

0

能力标签

AI测试TypeScript本地部署浏览器自动化网页测试CI/CD

支持客户端

Claude

数量来自来源目录的标注,具体工具清单以官方文档为准。

典型使用场景

自动操作网页

打开页面、点击、填表,把浏览器动作交给模型执行。

抓结构化数据

把页面内容整理成表格或 JSON,省掉手工复制粘贴。

走一遍关键流程

按步骤检查页面是否正常,回归时少漏环节。

选择建议

值得选的地方

  • 工具数量 12 个,一次接入能覆盖的操作比单点工具更全。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 公开说明写得比较完整,接入前能看清能力边界。

先想清楚的地方

  • stdio 方式要求本地装好 Docker,换机器要重新装一遍。
  • 需要自备访问 Token,没有凭据没法直接试。
  • 公开摘要偏短,具体能力和限制要回到仓库确认。

更适合

  • 需要在浏览器工具场景里让模型直接调用外部能力的人。
  • 已经在用 Claude 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 暂时拿不到访问 Token的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

5 个同类
MCP Server工具数传输方式安装命令收录来源最后核验
Debugg AI MCP

MCP World · 本页

12stdio有2 个2026-05-17
Fetch 9a2682de

MCP.so

1SSE有3 个2026-05-17
Browser 738d52bc

MCP World

0stdio有1 个2026-05-17
Playwright MCP Server

MCP.so

21stdio有4 个2026-05-17
Skyvern MCP

MCP World

0stdio有2 个2026-05-17

按同分类和工具数量挑出最接近的几条,字段以各自详情页为准。

常见问题

5 条

Debugg AI MCP 怎么安装?

公开资料给出的安装命令是 docker run -i --rm --init -e DEBUGGAI_API_KEY=your_api_key quinnosha/debugg-ai-mcp,运行环境为 Docker。装完后按客户端要求写进 MCP 配置,重启客户端生效。

Debugg AI MCP 怎么在 Claude Desktop、Cursor 里配置?

它是stdio 本地进程,客户端配置里要写启动命令和参数,运行环境是 Docker;保存后完全退出客户端再打开,配置才会生效。

Debugg AI MCP 收费吗?

本站只整理公开资料,不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Debugg AI MCP 需要 API Key 吗?

公开资料标注的认证方式是访问 Token,也就是要先拿到凭据才能连上;凭据只填在自己本地的配置里,不要写进公开仓库。

Debugg AI MCP 支持哪些客户端?

公开资料标注支持 Claude;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

来源信息

继续浏览同类 MCP