mcp - test - mcp服务器：支持连接管理与工具测试，MCP协议测试集成利器

探索

MCP Test MCP

一个用于测试其他MCP服务器的MCP服务器，提供连接管理、工具测试、资源读取和提示词执行等功能

开发者工具人工智能聊天机器人 #MCP测试 #服务器调试 #协议验证 .Python

评分 : 2.5分

下载量 : 6.9K

更新时间 : 2025-12-29

打开站点

什么是MCP测试助手?

MCP测试助手是一个专门用于测试其他MCP（模型上下文协议）服务器的工具。它就像一个'服务器测试器'，允许AI助手连接、探索和验证其他MCP服务器的功能。通过这个工具，您可以发现服务器提供了哪些工具、资源和提示，并实际测试它们是否正常工作。

如何使用MCP测试助手?

使用MCP测试助手非常简单：首先在您的AI工具（如Claude Desktop、Cursor等）中配置它，然后通过自然对话告诉它要连接哪个MCP服务器。连接后，您可以询问服务器有哪些功能、测试特定工具、读取资源内容，甚至执行完整的提示流程。

适用场景

MCP测试助手特别适合以下场景：开发新的MCP服务器时需要验证功能；集成现有MCP服务器时想要了解其能力；学习MCP协议时作为实践工具；调试MCP服务器连接问题时进行诊断。

主要功能

连接管理

支持连接任何MCP服务器（STDIO或HTTP传输），自动检测协议，实时跟踪连接状态。您可以轻松连接、断开连接，并查看当前的连接信息。

工具测试

列出服务器提供的所有工具及其完整的输入参数说明。您可以调用任何工具并查看执行结果，支持复杂的参数传递和错误处理。

资源测试

发现服务器提供的所有资源及其元数据。支持读取文本和二进制内容，验证资源URI的有效性和内容格式。

提示测试

查看服务器定义的所有提示模板及其参数要求。可以获取渲染后的提示内容，甚至通过集成的LLM进行端到端的提示执行测试。

LLM集成

可选功能：将提示直接发送到实际的LLM（大语言模型）进行推理测试。支持模板变量替换和JSON结果提取，实现完整的端到端测试流程。

优势

一站式测试解决方案：无需编写代码即可全面测试MCP服务器的所有功能

用户友好：通过自然语言对话操作，无需记忆复杂命令

协议兼容：支持STDIO和HTTP两种MCP传输协议，覆盖大多数服务器

详细反馈：提供完整的工具参数说明和执行结果，便于调试

可扩展：支持LLM集成，可以进行端到端的提示执行测试

局限性

需要先配置：在使用前需要在AI工具中进行配置

依赖外部LLM：LLM集成功能需要配置API密钥和端点

网络依赖：测试HTTP服务器需要网络连接

权限限制：只能测试已授权访问的服务器

如何使用

配置MCP测试助手

在您使用的AI工具（Claude Desktop、Cursor、Windsurf等）中，按照对应工具的配置方式添加MCP测试助手。通常需要编辑配置文件或使用命令行工具添加。

连接目标服务器

通过对话告诉MCP测试助手要连接哪个MCP服务器。您需要提供服务器的路径（对于本地STDIO服务器）或URL（对于HTTP服务器）。

探索服务器功能

询问服务器提供了哪些工具、资源和提示。查看完整的参数说明和功能描述，了解服务器的能力范围。

测试具体功能

选择感兴趣的功能进行测试。调用工具、读取资源、获取提示渲染结果，验证功能是否按预期工作。

断开连接

测试完成后，可以断开与目标服务器的连接，释放资源。

使用案例

测试新开发的MCP服务器

您刚刚开发了一个新的MCP服务器，想要验证所有功能是否正常工作。使用MCP测试助手可以快速检查工具调用、资源访问和提示渲染。

了解现有服务器的功能

您需要集成一个第三方MCP服务器，但不确定它提供了哪些功能。使用MCP测试助手可以探索服务器的完整能力。

调试服务器连接问题

您的AI工具无法正常使用某个MCP服务器。使用MCP测试助手可以诊断连接问题，验证服务器是否正常运行。

端到端提示测试

您想要测试一个复杂的提示模板，包括变量替换和LLM推理。使用MCP测试助手的LLM集成功能进行完整测试。

常见问题

MCP测试助手是什么？我需要安装它吗？

我可以测试哪些类型的MCP服务器？

如何配置LLM集成功能？

测试时会出现安全问题吗？

连接失败怎么办？

可以同时连接多个服务器吗？

🚀 mcp-test-mcp

mcp-test-mcp 是一个 MCP 服务器，可助力 AI 助手对其他 MCP 服务器进行测试。它提供了一系列工具，能够连接目标 MCP 服务器、发现其功能、执行工具、读取资源以及测试提示信息，所有操作均通过标准的 MCP 协议通信完成。

🚀 快速开始

完成配置后，即可通过自然对话对 MCP 服务器进行测试：

连接：“Connect to my MCP server at /path/to/server”
发现功能：“What tools does it have?”
测试：“Call the echo tool with message 'Hello'”
查看状态：“What's the connection status?”
断开连接：“Disconnect from the server”

✨ 主要特性

连接管理：可连接任何 MCP 服务器（支持 STDIO 或 HTTP 传输），自动检测协议，并跟踪连接状态。
工具测试：列出所有具备完整输入模式的工具，使用任意参数调用工具，并获取详细的执行结果。
资源测试：列出所有包含元数据的资源，并读取文本和二进制内容。
提示测试：列出所有带有参数模式的提示信息，使用自定义参数获取渲染后的提示内容。
大语言模型集成：通过实际的大语言模型推理端到端地执行提示信息，支持模板变量和 JSON 提取。

📦 安装指南

前提条件：需要 Node.js 16+ 和 Python 3.11+。

选择你使用的 AI 编码工具进行配置：

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

配置内容：

{
  "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
项目：.cursor/mcp.json

也可通过以下路径访问：File → Preferences → Cursor Settings → MCP

配置内容：

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

Windsurf

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

也可通过以下路径访问：Windsurf Settings → Cascade → Plugins

配置内容：

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

VS Code (GitHub Copilot)

需要 VS Code 1.99+ 并启用 chat.agent.enabled 设置。

配置文件位置：

工作区：.vscode/mcp.json
全局：从命令面板运行 MCP: Open User Configuration

配置内容：

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

注意：VS Code 使用 servers 而非 mcpServers，并建议使用驼峰命名法。

OpenAI Codex CLI

配置文件位置：~/.codex/config.toml

通过 CLI 添加：

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

或者手动添加到 config.toml：

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

集成大语言模型（可选）

若要使用 execute_prompt_with_llm 工具，需在配置中添加环境变量：

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"

本地开发

# 创建虚拟环境
python -m venv venv
source venv/bin/activate  # 在 Windows 上：venv\Scripts\activate

# 从 PyPI 安装
pip install mcp-test-mcp

# 或者从源代码安装
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

连接管理

connect_to_server：连接到目标 MCP 服务器（stdio 或 HTTP）
disconnect：关闭活动连接
get_connection_status：检查连接状态和统计信息

工具测试

list_tools：获取所有具备完整模式的工具
call_tool：使用参数执行工具

资源测试

list_resources：获取所有包含元数据的资源
read_resource：按 URI 读取资源内容

提示测试

list_prompts：获取所有带有参数模式的提示
get_prompt：使用参数获取渲染后的提示
execute_prompt_with_llm：通过实际的大语言模型推理执行提示

实用工具

health_check：验证服务器是否正在运行
ping：测试连接性（返回 “pong”）
echo：回显消息
add：两数相加

📚 详细文档

测试指南 - 包含大语言模型集成示例的完整指南

🔧 技术细节

环境变量

核心变量

MCP_TEST_LOG_LEVEL：日志级别（DEBUG、INFO、WARNING、ERROR）。默认值：INFO
MCP_TEST_CONNECT_TIMEOUT：连接超时时间（秒）。默认值：30.0

大语言模型集成（用于 execute_prompt_with_llm）

LLM_URL：大语言模型 API 端点 URL
LLM_MODEL_NAME：模型名称
LLM_API_KEY：API 密钥

开发命令

# 安装开发依赖
pip install -e ".[dev]"

# 运行测试
pytest

# 运行并生成覆盖率报告
pytest --cov=mcp_test_mcp --cov-report=html

# 格式化和检查代码
black src/ tests/
ruff check src/ tests/
mypy src/