项目简介

'mcp-debugger' 是一个基于 Model Context Protocol (MCP) 构建的服务器，旨在为AI代理提供强大的多语言调试能力。它将复杂的调试操作（如设置断点、单步执行、检查变量等）封装为结构化的API工具，允许AI代理通过标准化的JSON-RPC请求进行调用，从而赋予AI代理“调试超能力”。当前主要支持Python语言的调试，并通过Debug Adapter Protocol (DAP) 实现与底层调试器的通信。

主要功能点

多语言调试支持： 通过灵活的适配器模式，可扩展支持多种编程语言的调试（当前已支持Python和Mock测试）。
标准化工具接口： 暴露调试操作为MCP工具，LLM客户端可通过JSON-RPC协议调用，实现断点设置、程序启动、单步执行、变量检查、堆栈追踪等功能。
多种传输协议： 支持STDIO和SSE (Server-Sent Events) 两种传输模式，兼容各类MCP客户端环境。
AI友好设计： 提供结构化的JSON响应，方便AI代理解析和理解调试信息。
会话管理： 允许AI代理创建、管理和关闭多个独立的调试会话，实现并行调试不同代码的能力。
代码上下文感知： 支持智能断点放置和获取代码上下文，帮助AI理解代码逻辑。

安装步骤

'mcp-debugger' 可以通过npm或Docker进行安装和运行。

使用npm安装（推荐）：

安装Node.js： 确保您的系统已安装Node.js (LTS版本)。

全局安装： 打开终端，运行以下命令：

npm install -g @debugmcp/mcp-debugger

验证安装： 运行 'mcp-debugger --help' 查看可用命令和选项。

使用Docker运行：

安装Docker： 确保您的系统已安装Docker。
运行容器： 在终端中，导航到您希望调试代码的目录，然后运行以下命令。这将启动MCP服务器，并将当前目录挂载到容器内的'/workspace'，以便调试器可以访问您的代码。
```
docker run -v $(pwd):/workspace debugmcp/mcp-debugger:latest
```

服务器配置

MCP客户端（如Claude Desktop或其他兼容LLM前端）需要配置启动'mcp-debugger'服务器的命令和参数。以下是JSON格式的配置示例，您需要根据实际安装路径进行调整：

如果通过npm全局安装：

{
  "mcpServers": {
    "mcp-debugger": {
      "command": "mcp-debugger",
      "args": ["stdio", "--log-level", "info", "--log-file", "/path/to/your/logs/debug-mcp-server.log"],
      "disabled": false,
      "autoApprove": ["create_debug_session", "set_breakpoint", "get_variables"]
    }
  }
}

'command': 'mcp-debugger' (因为是全局安装，可以直接执行)
'args':
- 'stdio': 指定使用Stdio传输协议。
- '--log-level info': 设置日志级别为信息。可选值：'error', 'warn', 'info', 'debug'。
- '--log-file /path/to/your/logs/debug-mcp-server.log': 指定日志文件的路径，请替换为您的实际路径。
'autoApprove': （可选）配置自动批准的工具调用，方便AI代理使用。

如果通过Docker运行：

{
  "mcpServers": {
    "mcp-debugger": {
      "command": "docker",
      "args": ["run", "--rm", "-i", "-v", "${workspace_folder}:/workspace", "debugmcp/mcp-debugger:latest", "stdio", "--log-level", "info"],
      "disabled": false,
      "autoApprove": ["create_debug_session", "set_breakpoint", "get_variables"]
    }
  }
}

'command': 'docker'
'args':
- 'run --rm -i': 运行一个临时容器，并保持标准输入/输出流打开。
- '-v "${workspace_folder}:/workspace"': 将MCP客户端的当前工作目录挂载到容器的'/workspace'目录，'"${workspace_folder}"'通常由MCP客户端自动替换为实际路径。
- 'debugmcp/mcp-debugger:latest': 指定要运行的Docker镜像。
- 'stdio': 告诉容器内的MCP服务器使用Stdio传输协议。
- '--log-level info': 设置日志级别。

如果MCP客户端需要SSE传输（通常用于浏览器或桌面应用）：

{
  "mcpServers": {
    "mcp-debugger": {
      "command": "mcp-debugger",
      "args": ["sse", "--port", "3001", "--log-level", "info", "--log-file", "/path/to/your/logs/debug-mcp-server-sse.log"],
      "disabled": false,
      "autoApprove": ["create_debug_session", "set_breakpoint", "get_variables"]
    }
  }
}

'command': 'mcp-debugger'
'args':
- 'sse': 指定使用SSE传输协议。
- '--port 3001': 服务器监听的端口号。
- '--log-level info': 设置日志级别。
- '--log-file /path/to/your/logs/debug-mcp-server-sse.log': 指定日志文件路径。

基本使用方法

AI代理通过向MCP服务器发送JSON-RPC请求来调用调试工具。以下是一些关键工具的用途：

'create_debug_session'： 创建一个新的调试会话。您需要指定编程语言（例如'python'）和会话名称。
- 示例请求参数：'{"language": "python", "name": "My Python Debug Session"}'
'set_breakpoint'： 在指定文件的特定行设置断点。
- 示例请求参数：'{"sessionId": "your-session-id", "file": "your_script.py", "line": 15, "condition": "x > 10"}'
'start_debugging'： 启动一个脚本的调试。
- 示例请求参数：'{"sessionId": "your-session-id", "scriptPath": "your_script.py", "args": ["--verbose"]}'
'get_variables'： 获取当前作用域的变量信息。
- 示例请求参数：'{"sessionId": "your-session-id", "scope": 5}' (其中'scope'值通过'get_scopes'获取)
'step_over' / 'step_into' / 'step_out'： 执行单步操作。
- 示例请求参数：'{"sessionId": "your-session-id"}'
'continue_execution'： 让程序继续运行，直到下一个断点或结束。
- 示例请求参数：'{"sessionId": "your-session-id"}'
'close_debug_session'： 关闭一个调试会话并清理资源。
- 示例请求参数：'{"sessionId": "your-session-id"}'

AI代理将解析这些工具的JSON响应来获取调试状态、变量值、错误信息等，并据此做出进一步的调试决策。

关键词

项目简介

主要功能点

安装步骤

服务器配置

基本使用方法

信息