API Debugger MCP 🚀

Ein produktionsorientierter MCP-Server (Model Context Protocol) zum Prüfen, Testen, Validieren, Vergleichen und Debuggen von HTTP-APIs mit FastMCP.

Warum dieses Projekt?

API-Fehler erfordern oft das Springen zwischen verschiedenen API-Clients, OpenAPI-Dokumentation, Logs, Testsuiten und Bug-Trackern. API Debugger MCP gibt einem MCP-kompatiblen KI-Agenten einen strukturierten Werkzeugkasten für die Durchführung solcher Untersuchungen an die Hand.

Related MCP server: mcp-api-tools

Funktionen

• 12 MCP-Tools für API-Debugging und Qualitätssicherung (QA)

• Sichere Schwärzung vertraulicher Daten für gängige Anmeldefelder und Header

• Konfigurierbare Timeouts und Begrenzungen der Antwortgröße

• Private/lokale Netzwerke standardmäßig blockiert

• Validierung von Antwortverträgen im JSON-Schema-Stil

• Regressionsvergleich zwischen Antwortinhalten

• Health-Checks für mehrere Endpunkte

• Automatische Generierung von API-Testszenarien

• Strukturierte Generierung von Bug-Reports

• End-to-End-Workflow zur Untersuchung von Vorfällen

• MCP-Ressource und wiederverwendbarer Prompt

• Docker-Unterstützung

• Pytest + coverage

• Ruff-Linting

• GitHub Actions CI für Python 3.10–3.12

MCP-Tools

1. inspect_endpoint

2. send_request

3. validate_response

4. compare_responses

5. analyze_error

6. detect_api_issue

7. generate_api_tests

8. generate_bug_report

9. check_contract

10. api_health_check

11. redact_sensitive_data

12. investigate_incident

Projektstruktur

api-debugger-mcp/
├── .github/workflows/ci.yml
├── docs/
├── src/api_debugger_mcp/
│   ├── analysis.py
│   ├── client.py
│   ├── config.py
│   ├── models.py
│   ├── security.py
│   ├── server.py
│   └── tools.py
├── tests/
├── .dockerignore
├── .env.example
├── .gitignore
├── Dockerfile
├── LICENSE
├── Makefile
├── docker-compose.yml
└── pyproject.toml

Schnellstart

1. Virtuelle Umgebung erstellen

python -m venv .venv

Windows:

.venv\Scripts\activate

macOS/Linux:

source .venv/bin/activate

2. Installieren

pip install -e ".[dev]"

3. Konfigurieren

Kopieren Sie .env.example in .env und setzen Sie nur die für Ihre Umgebung erforderlichen Werte.

Committen Sie niemals echte API-Schlüssel oder Bearer-Tokens.

4. Lokal ausführen

Für einen HTTP-MCP-Server:

api-debugger-mcp

Der Standard-MCP-Endpunkt ist:

http://localhost:8000/mcp

Für den lokalen stdio-Modus:

MCP_TRANSPORT=stdio

Anschließend ausführen:

api-debugger-mcp

Docker

docker compose up --build

Der Server wird auf Port 8000 bereitgestellt.

Testen

pytest

Lint:

ruff check .

Formatieren:

ruff format .

Beispiel-MCP-Workflow

Ein MCP-kompatibler Agent kann die Tools wie folgt kombinieren:

investigate_incident
    ↓
inspect_endpoint
    ↓
send_request
    ↓
detect_api_issue
    ↓
analyze_error
    ↓
check_contract
    ↓
generate_bug_report

Für Regressionstests:

send_request (baseline)
        ↓
send_request (current)
        ↓
compare_responses
        ↓
validate_response

Sicherheitshinweise

Dieser Server ist standardmäßig darauf ausgelegt, versehentliches Auslaufen von Anmeldedaten und unsichere Netzwerkzugriffe zu vermeiden.

• Häufige Auth-/Cookie-/API-Key-Header werden in den zurückgegebenen Ergebnissen geschwärzt.

• Häufige geheime Felder werden rekursiv geschwärzt.

• Anfragen an lokale/private IP-Ziele sind standardmäßig deaktiviert.

• Committen Sie keine .env-Datei mit echten Anmeldedaten.

• Platzieren Sie den MCP-Server in Produktionsumgebungen hinter den Authentifizierungs- und Netzwerkzugriffskontrollen Ihrer Organisation.

• Fügen Sie eine explizite Allowlist hinzu, bevor Sie Anfragen an private Netzwerke in sensiblen Umgebungen aktivieren.

Produktions-Roadmap

• OpenAPI-3.x-Import und Endpunkt-Discovery

• OAuth-/API-Key-Secret-Provider

• Persistente Regressions-Baselines

• Sentry-/Observability-Integration

• Jira-/GitHub-Ticket-Erstellung

• Request-Korrelations-IDs

• Rate-Limiting

• Audit-Logging

• RBAC/Authentifizierung

• Asynchrone parallele Health-Checks

• MCP-Task-/Hintergrundausführung für langlaufende Untersuchungen

Lizenz MIT