mcp - test - mcp服務器：支持連接管理與工具測試，MCP協議測試集成利器

探索

MCP Test MCP

一個用於測試其他MCP服務器的MCP服務器，提供連接管理、工具測試、資源讀取和提示詞執行等功能

開發者工具人工智能聊天機器人 #MCP測試 #服務器調試 #協議驗證 .Python

評分 : 2.5分

下載量 : 7.5K

更新時間 : 2025-12-29

打開站點

什麼是MCP測試助手?

MCP測試助手是一個專門用於測試其他MCP（模型上下文協議）服務器的工具。它就像一個'服務器測試器'，允許AI助手連接、探索和驗證其他MCP服務器的功能。通過這個工具，您可以發現服務器提供了哪些工具、資源和提示，並實際測試它們是否正常工作。

如何使用MCP測試助手?

使用MCP測試助手非常簡單：首先在您的AI工具（如Claude Desktop、Cursor等）中配置它，然後通過自然對話告訴它要連接哪個MCP服務器。連接後，您可以詢問服務器有哪些功能、測試特定工具、讀取資源內容，甚至執行完整的提示流程。

適用場景

MCP測試助手特別適合以下場景：開發新的MCP服務器時需要驗證功能；集成現有MCP服務器時想要了解其能力；學習MCP協議時作為實踐工具；調試MCP服務器連接問題時進行診斷。

主要功能

連接管理

支持連接任何MCP服務器（STDIO或HTTP傳輸），自動檢測協議，即時跟蹤連接狀態。您可以輕鬆連接、斷開連接，並查看當前的連接信息。

工具測試

列出服務器提供的所有工具及其完整的輸入參數說明。您可以調用任何工具並查看執行結果，支持複雜的參數傳遞和錯誤處理。

資源測試

發現服務器提供的所有資源及其元數據。支持讀取文本和二進制內容，驗證資源URI的有效性和內容格式。

提示測試

查看服務器定義的所有提示模板及其參數要求。可以獲取渲染後的提示內容，甚至通過集成的LLM進行端到端的提示執行測試。

LLM集成

可選功能：將提示直接發送到實際的LLM（大語言模型）進行推理測試。支持模板變量替換和JSON結果提取，實現完整的端到端測試流程。

優勢

一站式測試解決方案：無需編寫代碼即可全面測試MCP服務器的所有功能

用戶友好：通過自然語言對話操作，無需記憶複雜命令

協議兼容：支持STDIO和HTTP兩種MCP傳輸協議，覆蓋大多數服務器

詳細反饋：提供完整的工具參數說明和執行結果，便於調試

可擴展：支持LLM集成，可以進行端到端的提示執行測試

侷限性

需要先配置：在使用前需要在AI工具中進行配置

依賴外部LLM：LLM集成功能需要配置API密鑰和端點

網絡依賴：測試HTTP服務器需要網絡連接

權限限制：只能測試已授權訪問的服務器

如何使用

配置MCP測試助手

在您使用的AI工具（Claude Desktop、Cursor、Windsurf等）中，按照對應工具的配置方式添加MCP測試助手。通常需要編輯配置文件或使用命令行工具添加。

連接目標服務器

通過對話告訴MCP測試助手要連接哪個MCP服務器。您需要提供服務器的路徑（對於本地STDIO服務器）或URL（對於HTTP服務器）。

探索服務器功能

詢問服務器提供了哪些工具、資源和提示。查看完整的參數說明和功能描述，瞭解服務器的能力範圍。

測試具體功能

選擇感興趣的功能進行測試。調用工具、讀取資源、獲取提示渲染結果，驗證功能是否按預期工作。

斷開連接

測試完成後，可以斷開與目標服務器的連接，釋放資源。

使用案例

測試新開發的MCP服務器

您剛剛開發了一個新的MCP服務器，想要驗證所有功能是否正常工作。使用MCP測試助手可以快速檢查工具調用、資源訪問和提示渲染。

瞭解現有服務器的功能

您需要集成一個第三方MCP服務器，但不確定它提供了哪些功能。使用MCP測試助手可以探索服務器的完整能力。

調試服務器連接問題

您的AI工具無法正常使用某個MCP服務器。使用MCP測試助手可以診斷連接問題，驗證服務器是否正常運行。

端到端提示測試

您想要測試一個複雜的提示模板，包括變量替換和LLM推理。使用MCP測試助手的LLM集成功能進行完整測試。

常見問題

MCP測試助手是什麼？我需要安裝它嗎？

我可以測試哪些類型的MCP服務器？

如何配置LLM集成功能？

測試時會出現安全問題嗎？

連接失敗怎麼辦？

可以同時連接多個服務器嗎？

🚀 mcp-test-mcp

mcp-test-mcp 是一個 MCP 服務器，可助力 AI 助手對其他 MCP 服務器進行測試。它提供了一系列工具，能夠連接目標 MCP 服務器、發現其功能、執行工具、讀取資源以及測試提示信息，所有操作均通過標準的 MCP 協議通信完成。

🚀 快速開始

完成配置後，即可通過自然對話對 MCP 服務器進行測試：

連接：“Connect to my MCP server at /path/to/server”
發現功能：“What tools does it have?”
測試：“Call the echo tool with message 'Hello'”
查看狀態：“What's the connection status?”
斷開連接：“Disconnect from the server”

✨ 主要特性

連接管理：可連接任何 MCP 服務器（支持 STDIO 或 HTTP 傳輸），自動檢測協議，並跟蹤連接狀態。
工具測試：列出所有具備完整輸入模式的工具，使用任意參數調用工具，並獲取詳細的執行結果。
資源測試：列出所有包含元數據的資源，並讀取文本和二進制內容。
提示測試：列出所有帶有參數模式的提示信息，使用自定義參數獲取渲染後的提示內容。
大語言模型集成：通過實際的大語言模型推理端到端地執行提示信息，支持模板變量和 JSON 提取。

📦 安裝指南

前提條件：需要 Node.js 16+ 和 Python 3.11+。

選擇你使用的 AI 編碼工具進行配置：

Claude Desktop / Claude Code

配置文件位置：

macOS：~/Library/Application Support/Claude/claude_desktop_config.json
Windows：%APPDATA%/Claude/claude_desktop_config.json

配置內容：

{
  "mcpServers": {
    "mcp-test-mcp": {
      "command": "npx",
      "args": ["-y", "mcp-test-mcp"]
    }
  }
}

或者使用 Claude Code CLI：

claude mcp add mcp-test-mcp -- npx -y mcp-test-mcp

Cursor

配置文件位置：

全局：~/.cursor/mcp.json
項目：.cursor/mcp.json

也可通過以下路徑訪問：File → Preferences → Cursor Settings → MCP

配置內容：

{
  "mcpServers": {
    "mcp-test-mcp": {
      "command": "npx",
      "args": ["-y", "mcp-test-mcp"]
    }
  }
}

Windsurf

配置文件位置：~/.codeium/windsurf/mcp_config.json

也可通過以下路徑訪問：Windsurf Settings → Cascade → Plugins

配置內容：

{
  "mcpServers": {
    "mcp-test-mcp": {
      "command": "npx",
      "args": ["-y", "mcp-test-mcp"]
    }
  }
}

VS Code (GitHub Copilot)

需要 VS Code 1.99+ 並啟用 chat.agent.enabled 設置。

配置文件位置：

工作區：.vscode/mcp.json
全局：從命令面板運行 MCP: Open User Configuration

配置內容：

{
  "servers": {
    "mcpTestMcp": {
      "command": "npx",
      "args": ["-y", "mcp-test-mcp"]
    }
  }
}

注意：VS Code 使用 servers 而非 mcpServers，並建議使用駝峰命名法。

OpenAI Codex CLI

配置文件位置：~/.codex/config.toml

通過 CLI 添加：

codex mcp add mcp-test-mcp -- npx -y mcp-test-mcp

或者手動添加到 config.toml：

[mcp_servers.mcp-test-mcp]
command = "npx"
args = ["-y", "mcp-test-mcp"]

集成大語言模型（可選）

若要使用 execute_prompt_with_llm 工具，需在配置中添加環境變量：

JSON 格式（Claude、Cursor、Windsurf、VS Code）：

{
  "mcpServers": {
    "mcp-test-mcp": {
      "command": "npx",
      "args": ["-y", "mcp-test-mcp"],
      "env": {
        "LLM_URL": "https://your-llm-endpoint.com/v1",
        "LLM_MODEL_NAME": "your-model-name",
        "LLM_API_KEY": "your-api-key"
      }
    }
  }
}

TOML 格式（Codex）：

[mcp_servers.mcp-test-mcp]
command = "npx"
args = ["-y", "mcp-test-mcp"]

[mcp_servers.mcp-test-mcp.env]
LLM_URL = "https://your-llm-endpoint.com/v1"
LLM_MODEL_NAME = "your-model-name"
LLM_API_KEY = "your-api-key"

本地開發

# 創建虛擬環境
python -m venv venv
source venv/bin/activate  # 在 Windows 上：venv\Scripts\activate

# 從 PyPI 安裝
pip install mcp-test-mcp

# 或者從源代碼安裝
git clone https://github.com/example/mcp-test-mcp
cd mcp-test-mcp
pip install -e ".[dev]"

💻 使用示例

可用工具

連接管理

connect_to_server：連接到目標 MCP 服務器（stdio 或 HTTP）
disconnect：關閉活動連接
get_connection_status：檢查連接狀態和統計信息

工具測試

list_tools：獲取所有具備完整模式的工具
call_tool：使用參數執行工具

資源測試

list_resources：獲取所有包含元數據的資源
read_resource：按 URI 讀取資源內容

提示測試

list_prompts：獲取所有帶有參數模式的提示
get_prompt：使用參數獲取渲染後的提示
execute_prompt_with_llm：通過實際的大語言模型推理執行提示

實用工具

health_check：驗證服務器是否正在運行
ping：測試連接性（返回 “pong”）
echo：回顯消息
add：兩數相加

📚 詳細文檔

測試指南 - 包含大語言模型集成示例的完整指南

🔧 技術細節

環境變量

核心變量

MCP_TEST_LOG_LEVEL：日誌級別（DEBUG、INFO、WARNING、ERROR）。默認值：INFO
MCP_TEST_CONNECT_TIMEOUT：連接超時時間（秒）。默認值：30.0

大語言模型集成（用於 execute_prompt_with_llm）

LLM_URL：大語言模型 API 端點 URL
LLM_MODEL_NAME：模型名稱
LLM_API_KEY：API 密鑰

開發命令

# 安裝開發依賴
pip install -e ".[dev]"

# 運行測試
pytest

# 運行並生成覆蓋率報告
pytest --cov=mcp_test_mcp --cov-report=html

# 格式化和檢查代碼
black src/ tests/
ruff check src/ tests/
mypy src/