Debug MCP - 智能调试 Agent

一个会"记住错误"的智能调试工具，自动排查问题并积累解决方案。

特点

• 🔍 自动排查 - 智能分析错误，定位根因
• 📚 错误记忆 - 自动保存排查记录，下次类似问题秒解
• 🛡️ 主动预防 - 代码预检，提前发现风险
• 📊 趋势分析 - 了解错误模式针对性学习
• ⭐ 质量评分 - 高评价方案优先推荐
• 🧠 ReAct 推理 - 思考 → 行动 → 观察 → 反思
• 🔌 MCP 协议 - 支持 Claude Desktop、Cursor
• 🌐 多 LLM - DeepSeek / OpenAI / Anthropic
• 📁 无需数据库 - 纯 JSON 文件存储案例

新人使用步骤

1. 安装

git clone https://github.com/你的用户名/debug-mcp.git
cd debug-mcp
pip install -e .

2. 配置 API Key（二选一）

方式一：创建 .env 文件

cp .env.example .env
# 编辑 .env，填入你的 DEEPSEEK_API_KEY

方式二：直接传入

agent = DebugAgent(api_key="sk-your-key")

3. 使用（两种方式）

方式 A：Python 直接调用（推荐）

from src.agent import DebugAgent

agent = DebugAgent()

# 排查问题
result = agent.debug("TypeError: Cannot read property 'id' of undefined")

print(result)

方式 B：MCP Server（需要 Claude Desktop）

配置 claude_desktop_config.json：

{
  "mcpServers": {
    "debug-mcp": {
      "command": "python",
      "args": ["-m", "src.server"]
    }
  }
}

重启 Claude Desktop，然后直接说：

• "排查一下这个错误"
• "看看这个 bug"

MCP 工具列表

| 工具 | 说明 | |------|------| | debug | 排查问题 - 输入错误信息，返回解决方案 | | search_case | 搜索历史案例 | | list_cases | 列出所有案例 | | get_case | 查看案例详情 | | delete_case | 删除案例 | | mark_effective | 标记方案有效性（帮助改进匹配） | | get_recommended_fixes | 获取高评价解决方案 | | pre_check_code | 代码风险预检（主动预防） | | get_weekly_report | 获取本周错误报告 | | get_error_trends | 获取错误趋势分析 | | get_stats | 统计信息 | | clear_memory | 清空记忆 | | search_code | 搜索代码文件 | | read_file | 读取文件内容 | | grep | 正则搜索 | | check_syntax | 语法检查 | | list_files | 列出文件 | | refresh_index | 刷新索引 |

如何避免重复犯错？

使用以下 5 个最佳实践：

1️⃣ 描述错误要具体

# ❌ 太笼统
agent.debug("程序出错了")

# ✅ 具体描述
agent.debug("TypeError: Cannot read property 'id' of undefined")

2️⃣ 看到 found_in_history: True 直接用历史方案

result = agent.debug("Cannot read property 'id' of undefined")

# 如果 found_in_history: True
# 直接使用 result['solution']，无需重新排查

3️⃣ 定期查看高频错误

# 查看最常遇到的错误，针对性预防
agent.list_cases(limit=10)  # 高频错误排行
agent.get_stats()           # 统计信息
agent.get_weekly_report()   # 本周报告

4️⃣ 使用预检主动预防

# 在编码时主动检查风险
agent.pre_check(code="your_code_here")

# 或使用 MCP
# "检查一下这段代码有没有风险"

5️⃣ 标记方案有效性帮助改进

# 如果方案有效
agent.memory.mark_effective(case_id, effective=True)

# 如果方案无效
agent.memory.mark_effective(case_id, effective=False)

# 获取高评价方案
agent.memory.get_effective_cases(min_rating=0.5)

核心思想

这个 MCP 的价值在于积累：

• 用得越多，案例库越丰富
• 标记有效性 → 匹配算法越精准
• 定期查看错误趋势 → 针对性学习预防

示例

from src.agent import DebugAgent

agent = DebugAgent(api_key="sk-xxx")

# 第一次排查
result = agent.debug("TypeError: Cannot read property 'id' of undefined")
# 输出：
# {
#   "success": True,
#   "root_cause": "接口返回数据为null时未做空值检查",
#   "fix_solution": "使用 data?.id 或 data || {}",
#   "steps": [{"action": "...", "observation": "..."}],
#   "found_in_history": False
# }

# 第二次排查相同错误（自动匹配历史）
result = agent.debug("Cannot read property 'id' of undefined")
# 输出：
# {
#   "success": True,
#   "found_in_history": True,
#   "fix_solution": "使用 data?.id 或 data || {}",
#   "history_case": {...}
# }

项目结构

debug-mcp/
├── src/
│   ├── agent.py        # Debug Agent 核心
│   ├── memory.py       # 案例库（JSON 文件）
│   ├── tools.py        # 工具集
│   └── server.py       # MCP Server
├── cases/              # 案例存储目录（自动创建）
│   └── debug_cases.json
└── .env               # API Key 配置

案例库

• 位置：cases/debug_cases.json
• 无需数据库，纯文件存储
• 每次排查自动保存
• 下次遇到类似问题自动匹配

API

from src.agent import DebugAgent

agent = DebugAgent(api_key="sk-xxx")

# 排查问题
result = agent.debug("错误信息")

# 搜索历史案例
cases = agent.search_history(["关键词"])

# 获取统计
stats = agent.get_stats()

# 主动预防：检查代码风险
result = agent.pre_check(code="your code here")

# 获取高评价方案
effective_cases = agent.memory.get_effective_cases(min_rating=0.5)

# 标记方案是否有效
agent.memory.mark_effective(case_id, effective=True)

# 获取周报
weekly_report = agent.memory.get_weekly_report()

# 获取趋势分析
trends = agent.memory.get_error_trends(days=30)

# 清空记忆
agent.clear_memory()

配置选项

agent = DebugAgent(
    api_key="sk-xxx",           # API Key（必须）
    model="deepseek-chat",      # 模型，默认 deepseek-chat
    max_steps=5,                # 最大排查步骤
    case_file="cases/debug_cases.json"  # 案例库路径
)

支持的模型

| 模型 | 配置 | |------|------| | DeepSeek（默认） | model="deepseek-chat" | | OpenAI | model="gpt-4" | | Anthropic | model="claude-3-opus" | | Ollama | model="llama2" |

给 Claude 的系统规则

如果你是用户，可以在对话中告诉 Claude 以下规则（让它帮你解决问题时更聪明）：

你是一个调试助手。在解决问题时：
1. 每次尝试新方法前，先问用户确认
2. 如果一个方法失败，不要用相同方法重试
3. 可以调用 debug-mcp 预检工具检查风险
4. 避免重复尝试已经失败的方法
5. 遇到不确定的问题，先搜索历史案例

让 Claude 每次尝试前先用 pre_check_code 检查一下代码风险。

有问题？直接在项目中提 Issue！