Lanhu MCP
About
⚡ Boost Requirement Analysis Efficiency by 200%! The World's First Team Collaboration MCP Server Designed for the AI Coding Era. Automatically analyzes requirements, generates full-stack code, and downloads design assets.
Details
- Author
- dsphper
- Categories
- Developer Tools, Design, Communication, Project Management, Automation
Jump to
Setup
Install Lanhu MCP in your MCP client (Claude Desktop, Cursor, Windsurf, and others).
Repository: https://github.com/dsphper/lanhu-mcp
Follow the installation instructions in the repository README, then restart your MCP client.
lanhumcp | 蓝湖mcp | lanhu-mcp | 蓝湖AI助手 | 蓝湖skills | Lanhu AI Integration
一个功能强大的Model Context Protocol (MCP)服务器，专为 AI 编程时代设计，完美支持蓝湖（Lanhu）设计协作平台。
- 📋智能需求分析：自动提取 Axure 原型，三种分析模式（开发/测试/探索），需求分析准确率>95%
- 💬团队知识库：打破 AI IDE 孤岛，让所有 AI 助手共享知识库和上下文
- 🎨UI设计支持：自动下载设计稿，智能提取切图，语义化命名；设计图分析可获取尺寸/间距/颜色/字体等精确参数，并得到转换后的 HTML+CSS 代码参考
- ⚡性能优化：基于版本号的智能缓存，增量更新，并发处理
- ✅ Cursor + 蓝湖：让 Cursor AI 直接读取蓝湖需求文档和设计稿
- ✅ Windsurf + 蓝湖：Windsurf Cascade AI 直接读取蓝湖需求文档和设计稿
- ✅ Claude Code + 蓝湖：Claude AI 直接读取蓝湖需求文档和设计稿
- ✅ OpenClaw + 蓝湖：OpenClaw 原生支持读取蓝湖需求文档和设计稿
- ✅ ClawBot + 蓝湖：ClawBot 智能助手深度集成蓝湖协作
- ✅ Trae + 蓝湖：Trae AI 直接读取蓝湖需求文档和设计稿
- ✅ 通义灵码 + 蓝湖：通义灵码 AI 直接读取蓝湖需求文档和设计稿
- ✅ Cline + 蓝湖：Cline AI 直接读取蓝湖需求文档和设计稿
- ✅ 任何支持 MCP 协议的 AI 开发工具
- ❌旧世界：每个开发者的 AI 独立工作，重复分析需求，无法共享经验
- ✅新世界：所有 AI 连接同一知识中枢，需求分析一次、全员复用，踩坑经验永久保存
- 核心特性
- 快速开始
- 团队留言板：突破 AI 协作的最后一公里
- 使用指南
- 可用工具列表
- 系统架构
- 项目结构
- 高级配置
- 性能指标
- 常见问题
- 安全说明
- 贡献指南
- 许可证
- 致谢
- 联系方式
- 路线图
- 智能文档提取：自动下载和解析 Axure 原型的所有页面、资源和交互
- 三种分析模式：
- 🔧开发视角：详细字段规则、业务逻辑、全局流程图
- 🧪测试视角：测试场景、用例、边界值、校验规则
- 🚀快速探索：核心功能概览、模块依赖、评审要点
- 设计稿查看：批量下载和展示 UI 设计图
- 设计图分析升级：分析时不仅返回设计图预览，还可获取详细设计参数（组件尺寸、间距、颜色值、字体大小等），并自动将设计 Schema 转为HTML+CSS 代码，与蓝湖原生导出效果一致，便于 AI 参考实现
- 切图提取：自动识别和导出设计切图、图标资源
- 智能命名：基于图层路径自动生成语义化文件名
- 每个开发者的 AI IDE（Cursor、Windsurf）是独立的，无法共享上下文
- A 开发遇到的坑，B 开发的 AI 不知道
- 需求分析结果无法传递给测试同学的 AI
- 团队知识碎片化在各个聊天窗口，无法沉淀
- 🔗统一知识库：所有 AI 助手连接同一个 MCP 服务器，共享留言板数据
- 🧠上下文传递：开发 AI 分析的需求，测试 AI 可以直接查询使用
- 💡知识沉淀：坑点、经验、最佳实践以"知识库"类型永久保存
- 📋任务协作：通过"任务"类型留言，让 AI 帮忙查询代码、数据库
- 📨@提醒机制：支持飞书通知，打通 AI 协作与人工沟通
- 👥协作追踪：自动记录谁的 AI 访问过哪些文档，团队透明
- 智能缓存：基于文档版本号的永久缓存机制
- 增量更新：只下载变更的资源
- 并发处理：支持批量页面截图和资源下载
本项目需要AI模型具备图像识别和分析能力，推荐使用以下2026年主流视觉模型：
- 🤖Claude(Anthropic)
- 🌟GPT(OpenAI)
- 💎Gemini(Google)
- 🚀Kimi(月之暗面)
- 🎯Qwen(阿里巴巴)
- 🧠DeepSeek(深度求索)
💡小白用户？直接对 AI 说 "帮我克隆并安装https://github.com/dsphper/lanhu-mcp项目"，AI 会引导你完成所有步骤！
"帮我克隆并安装 https://github.com/dsphper/lanhu-mcp 项目"
# 安装依赖 pip install -r requirements.txt playwright install chromium # 手动配置（见下方"配置"部分）
export FEISHU_WEBHOOK_URL="https://open.feishu.cn/open-apis/bot/v2/hook/your-webhook-url"
DEFAULT_FEISHU_WEBHOOK = "https://open.feishu.cn/open-apis/bot/v2/hook/your-webhook-url"
# 服务器配置 export SERVER_HOST="0.0.0.0" # 服务器监听地址 export SERVER_PORT=8000 # 服务器端口 # 数据存储 export DATA_DIR="./data" # 数据存储目录 # 性能调优 export HTTP_TIMEOUT=30 # HTTP请求超时时间（秒） export VIEWPORT_WIDTH=1920 # 浏览器视口宽度 export VIEWPORT_HEIGHT=1080 # 浏览器视口高度 # 调试选项 export DEBUG="false" # 调试模式（true/false）
./run-stdio.sh # Linux/Mac ./run-stdio.bat # Windows
run-stdio.sh会自动进入项目目录、读取.env，并以 stdio 方式启动 MCP 服务。适合 Cursor、Claude Code 等支持command/args配置的客户端按需拉起服务，无需手动常驻启动 HTTP 服务。
docker-compose up -d # 启动 docker-compose logs -f # 查看日志 docker-compose down # 停止
在支持 MCP 的 AI 客户端（如 Claude Code、Cursor、Windsurf）中配置：
{ "mcpServers": { "lanhu": { "type": "http", "url": "http://localhost:8000/mcp?role=Developer&name=YourName" } } }
{ "mcpServers": { "lanhu": { "url": "http://localhost:8000/mcp?role=Developer&name=YourName" } } }
{ "mcpServers": { "lanhu": { "command": "/bin/bash", "args": [ "<ABSOLUTE_PATH_TO_LANHU_MCP>/run-stdio.sh" ], "env": { "LANHU_USER_NAME": "YourName", "LANHU_USER_ROLE": "Developer" } } } }
{ "mcpServers": { "lanhu": { "command": "<ABSOLUTE_PATH_TO_LANHU_MCP>/run-stdio.bat", "env": { "LANHU_USER_NAME": "YourName", "LANHU_USER_ROLE": "Developer" } } } }
请将<ABSOLUTE_PATH_TO_LANHU_MCP>替换为本机lanhu-mcp项目的绝对路径；macOS/Linux 下可在项目目录执行pwd获取。
- role: 用户角色（Developer/Frontend/Backend/Tester/Product 等）
- name: 用户姓名（用于协作追踪和 @提醒）
- ⚠️注意：部分 AI 开发工具不支持 URL 中使用中文参数值，建议使用英文
- LANHU_USER_ROLE: 用户角色（Developer/Frontend/Backend/Tester/Product 等）
- LANHU_USER_NAME: 用户姓名（用于协作追踪和 @提醒）
开启蓝湖的设计稿转代码功能可以显著提升 UI 还原度。如果遇到提示无法转换的问题，需要让 UI 设计师升级蓝湖插件版本后重新上传设计稿。
给我们点个 Star，你将能第一时间从 GitHub 收到所有新版本的发布通知！
请帮我用mcp看看这个需求文档： https://lanhuapp.com/web/#/item/project/product?tid=xxx&pid=xxx&docId=xxx
- ✅ STAGE 1: 全局文本扫描，建立整体认知
- ✅ STAGE 2: 分组详细分析（根据选择的模式）
- ✅ STAGE 3: 反向验证，确保零遗漏
- ✅ STAGE 4: 生成交付文档（需求文档/测试计划/评审PPT）
- 开发视角：详细需求文档 + 全局业务流程图
- 测试视角：测试计划 + 测试用例清单 + 字段校验表
- 快速探索：评审文档 + 模块依赖图 + 讨论要点
请帮我用mcp看看这个设计稿： https://lanhuapp.com/web/#/item/project/stage?tid=xxx&pid=xxx
分析结果包含设计图预览、详细参数（尺寸/间距/颜色/字体等）以及转换后的 HTML+CSS 代码，便于还原实现。
- 检测项目类型（React/Vue/Flutter 等）
- 选择合适的输出目录
- 生成语义化文件名
- 批量下载切图
在 AI 编程时代，每个开发者都有自己的 AI 助手（Cursor、Windsurf、Claude Code）。但这带来了一个严重的问题：
🤔 痛点场景： ┌─────────────────────────────────────────────┐ │ 后端小王的 AI： │ │ "我已经分析完登录接口的需求，字段校验规则 │ │ 都很清楚了，开始写代码..." │ └─────────────────────────────────────────────┘ ❌ 上下文断层 ┌─────────────────────────────────────────────┐ │ 测试小李的 AI： │ │ "什么？登录接口？让我重新看一遍需求文档... │ │ 这些字段规则是什么意思？边界值怎么测？" │ └─────────────────────────────────────────────┘
┌─────────────────────────────┐ │ Lanhu MCP Server │ │ (统一知识中枢) │ │ │ │ 📊 需求分析结果 │ │ 🐛 开发踩坑记录 │ │ 📋 测试用例模板 │ │ 💡 技术决策文档 │ └──────────┬──────────────────┘ │ ┌────────────┼────────────┐ │ │ │ ┌────▼───┐ ┌───▼────┐ ┌──▼─────┐ │后端 AI │ │前端 AI │ │测试 AI │ │(小王) │ │(小张) │ │(小李) │ └────────┘ └────────┘ └────────┘ Cursor Windsurf Claude
@测试小李 @前端小张 我已经分析完"用户登录"需求，关键信息： - 手机号必填，11位数字 - 密码6-20位，必须包含字母+数字 - 验证码4位纯数字，5分钟有效 - 错误3次锁定30分钟 [消息类型：knowledge]
AI: 查询所有关于"登录"的知识库消息 → 立即获取小王 AI 的分析结果，无需重新看需求！
【知识库】Redis连接超时问题已解决 问题：生产环境 Redis 频繁超时 原因：连接池配置不当，maxIdle 设置过小 解决：调整为 maxTotal=20, maxIdle=10 [消息类型：knowledge]
AI: 搜索"Redis 超时"相关的知识库 → 找到解决方案，避免重复踩坑！
@后端小王 请帮我查一下数据库中 user 表有多少条测试数据？ [消息类型：task] // ⚠️ 安全限制：只能查询，不能修改
AI: 有人 @我了，查看详情 → 执行 SELECT COUNT() FROM user WHERE status='test' → 回复留言：共有 1234 条测试数据
🚨 紧急：生产环境支付接口异常，请立即排查！ 时间：2026-01-15 14:30 现象：支付成功率从 99% 降至 60% 影响：约 200 笔订单受影响 @所有人 [消息类型：urgent] → 自动发送飞书通知给所有人
✅ 允许的查询操作： - 查询代码位置、代码逻辑 - 查询数据库表结构、数据 - 查询测试方法、覆盖率 - 查询 TODO、注释 ❌ 禁止的危险操作： - 修改代码 - 删除文件 - 执行命令 - 提交代码
# 场景 1：查询所有测试相关的知识库 lanhu_say_list( url='all', # 全局搜索 filter_type='knowledge', search_regex='测试|test|单元测试', limit=20 ) # 场景 2：查询某个项目的紧急消息 lanhu_say_list( url='项目URL', filter_type='urgent', limit=10 ) # 场景 3：查找未解决的问题 lanhu_say_list( url='all', filter_type='question', search_regex='待解决|pending' )
lanhu_get_members(url='项目URL') 返回结果： { "collaborators": [ { "name": "小王", "role": "后端", "first_seen": "2026-01-10 09:00:00", "last_seen": "2026-01-15 16:30:00" }, { "name": "小李", "role": "测试", "first_seen": "2026-01-12 10:00:00", "last_seen": "2026-01-15 14:00:00" } ] } 💡 用途： - 了解哪些同事的 AI 看过这个需求 - 发现潜在的协作伙伴 - 团队透明化
# AI 自动发送飞书通知（当 @某人时） lanhu_say( url='项目URL', summary='需要你帮忙review代码', content='登录模块的密码加密逻辑，麻烦看一下', mentions=['小王', '小张'] # 必须是真实姓名 ) # 飞书群收到： ┌──────────────────────────────────┐ │ 📢 蓝湖协作通知 │ │ │ │ 👤 发布者：小李（测试） │ │ 📨 提醒：@小王 @小张 │ │ 🏷️ 类型：normal │ │ 📁 项目：用户中心改版 │ │ 📄 文档：登录注册模块 │ │ │ │ 📝 内容： │ │ 登录模块的密码加密逻辑，麻烦看一下 │ │ │ │ 🔗 查看需求文档 │ └──────────────────────────────────┘
- 零学习成本：AI 自动处理，开发者只需自然对话
- 实时同步：所有 AI 助手连接同一数据源
- 全局搜索：跨项目查询知识库
- 版本关联：留言自动关联文档版本号
- 元数据完整：自动记录项目、文档、作者等10个标准字段
- 智能过滤：支持正则搜索、类型筛选、数量限制（防止 token 溢出）
┌─────────────────────────────────────────────────────────────────┐ │ AI 客户端层 │ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐ │ │ │ Cursor │ │ Windsurf │ │ Claude │ │ ... │ │ │ └────┬─────┘ └────┬─────┘ └────┬─────┘ └────┬─────┘ │ │ │ │ │ │ │ │ └─────────────┴──────────────┴─────────────┘ │ └───────────────────────────┬─────────────────────────────────────┘ │ MCP Protocol (HTTP) │ ┌───────────────────────────▼─────────────────────────────────────┐ │ Lanhu MCP Server │ │ │ │ ┌────────────────────────────────────────────────────────┐ │ │ │ FastMCP 服务框架 │ │ │ │ ┌──────────┐ ┌──────────┐ ┌───────────────────┐ │ │ │ │ │ Tool API │ │ Resource │ │ Context Provider │ │ │ │ │ └────┬─────┘ └────┬─────┘ └─────────┬─────────┘ │ │ │ └───────┼─────────────┼──────────────────┼─────────────┘ │ │ │ │ │ │ │ ┌───────▼─────────────▼──────────────────▼─────────────┐ │ │ │ 核心业务逻辑层 │ │ │ │ │ │ │ │ ┌─────────────────┐ ┌──────────────────────────┐ │ │ │ │ │ 需求文档分析 │ │ 团队协作留言板 │ │ │ │ │ │ │ │ │ │ │ │ │ │ • 页面提取 │ │ • 消息存储管理 │ │ │ │ │ │ • 内容分析 │ │ • 类型分类(5种) │ │ │ │ │ │ • 智能缓存 │ │ • @提醒功能 │ │ │ │ │ │ • 三种模式 │ │ • 搜索筛选 │ │ │ │ │ └────────┬────────┘ └──────────┬───────────────┘ │ │ │ │ │ │ │ │ │ │ ┌────────▼──────────┐ ┌───────▼──────────────┐ │ │ │ │ │ UI设计支持 │ │ 协作者追踪 │ │ │ │ │ │ │ │ │ │ │ │ │ │ • 设计图下载 │ │ • 访问记录 │ │ │ │ │ │ • 切图提取 │ │ • 团队透明 │ │ │ │ │ │ • 智能命名 │ │ • 元数据关联 │ │ │ │ │ └───────────────────┘ └──────────────────────┘ │ │ │ └──────────────────────────────────────────────────────┘ │ │ │ │ ┌────────────────────────────────────────────────────────┐ │ │ │ 数据存储层 │ │ │ │ ┌─────────────┐ ┌─────────────┐ ┌──────────────┐ │ │ │ │ │ 留言数据 │ │ 资源缓存 │ │ 截图缓存 │ │ │ │ │ │ (JSON) │ │ (Files) │ │ (PNG) │ │ │ │ │ └─────────────┘ └─────────────┘ └──────────────┘ │ │ │ └────────────────────────────────────────────────────────┘ │ └────────────────┬─────────────────────┬────────────────────────┘ │ │ │ │ 飞书通知 │ ▼ │ ┌─────────────────┐ │ │ Feishu Webhook │ │ └─────────────────┘ │ │ HTTP/JSON API ▼ ┌─────────────────────────────────────────────────────────────────┐ │ 蓝湖平台 API │ │ ┌──────────────┐ ┌──────────────┐ ┌──────────────────────┐ │ │ │ 文档元数据 │ │ Axure资源 │ │ UI设计图&切图 │ │ │ └──────────────┘ └──────────────┘ └──────────────────────┘ │ └─────────────────────────────────────────────────────────────────┘
用户请求 → AI客户端 → MCP协议 ↓ Tool调用 ↓ ┌─────────┴─────────┐ │ │ 检查缓存 提取元数据 │ │ 命中？ 关联版本号 │ │ 是/否 记录协作者 │ │ ├─是→返回缓存 │ │ │ └─否→调用蓝湖API ←──┘ ↓ 下载资源 ↓ 处理转换 ↓ 保存缓存 ↓ 返回结果 ↓ AI客户端展示
lanhu-mcp-server/ ├── lanhu_mcp_server.py # 主服务器文件（3800+ 行） ├── requirements.txt # Python 依赖 ├── Dockerfile # Docker 镜像 ├── docker-compose.yml # Docker Compose 配置 ├── config.example.env # 配置文件示例 ├── quickstart.sh # Linux/Mac 快速启动脚本 ├── quickstart.bat # Windows 快速启动脚本 ├── .gitignore # Git 忽略文件 ├── LICENSE # MIT 许可证 ├── README.md # 中文文档（本文件） ├── README_EN.md # 英文文档 ├── CONTRIBUTING.md # 贡献指南 ├── CHANGELOG.md # 更新日志 ├── data/ # 数据存储目录（自动创建） │ ├── messages/ # 留言数据（JSON文件） │ │ └── {project_id}.json # 每个项目一个文件 │ ├── axure_extract_/ # Axure 资源缓存 │ │ ├── .html # 页面HTML │ │ ├── data/ # Axure数据文件 │ │ ├── resources/ # CSS/JS资源 │ │ ├── images/ # 图片资源 │ │ └── .lanhu_cache.json # 缓存元数据 │ └── lanhu_designs/ # 设计稿缓存 │ └── {project_id}/ # 按项目分类 └── logs/ # 日志文件（自动创建） └── .log # 运行日志
ROLE_MAPPING_RULES = [ (["后端", "backend", "server"], "后端"), (["前端", "frontend", "web"], "前端"), # 添加更多规则... ]
export DATA_DIR="/path/to/cache"
在send_feishu_notification()函数中定制消息格式和样式。
本项目专为 AI 助手设计，内置"二狗"（ErGou）助手人格：
- 🎯专业分析：自动识别文档类型和最佳分析模式
- 📋TODO驱动：基于任务清单的系统化工作流
- 🗣️中文交互：专业的中文对话体验
- ✨自动化服务：无需手动操作，AI 自动完成全流程
- 🔍细致严谨：专注于准确性和质量，提供高质量技术分析
- 📝代码质量：遵循严格的代码标准，避免AI生成代码的常见问题
- ⚡ 页面截图：~2秒/页（带缓存）
- 💾 资源下载：支持断点续传和增量更新
- 🔄 缓存命中：基于版本号的永久缓存
- 📦 批量处理：支持并发下载和分析
- Webhook URL 是否正确
- 飞书机器人是否已添加到群组
- 用户 ID 映射是否正确配置
- Fork 本仓库
- 创建特性分支 (git checkout -b feature/AmazingFeature)
- 提交更改 (git commit -m 'Add some AmazingFeature')
- 推送到分支 (git push origin feature/AmazingFeature)
- 开启 Pull Request
# 安装开发依赖 pip install -r requirements.txt # 运行测试 python -m pytest tests/ # 代码格式化 black lanhu_mcp_server.py
- FastMCP- 优秀的 MCP 服务器框架
- Playwright- 可靠的浏览器自动化工具
- BeautifulSoup- HTML 解析利器
- HTTPx- 现代化的异步 HTTP 客户端
- 所有提交 Issue 和 PR 的贡献者
- 所有在生产环境使用并提供反馈的团队
- 所有帮助改进文档的朋友
- 提交 Issue:GitHub Issues
- 邮件:dsphper@gmail.com
- 支持更多设计平台（Figma、Sketch）
- Web 管理界面
- 更多分析维度（前后端工时估算、技术栈推荐）
- 支持企业级权限管理
- API 文档自动生成
- 国际化支持
lanhumcp蓝湖mcplanhu-mcp蓝湖AI蓝湖skillslanhu-skillscursor-skillsagent-skillslanhu-aimcp-servercursor-pluginwindsurf-integrationclaude-integrationopenclaw-integrationclawbot-integrationaxure-automationrequirement-analysisdesign-collaborationai-development-toolsmodel-context-protocol蓝湖插件蓝湖APIOpenClawClawBotAI助手AI编程智能协作AI需求分析设计协作前端开发工具后端开发工具
- 如何让 Cursor AI 读取蓝湖需求文档？→ 使用 Lanhu MCP Server
- Windsurf 怎么连接蓝湖？→ 配置本 MCP 服务器
- Claude Code 如何分析 Axure 原型？→ 通过 Lanhu MCP 集成
- OpenClaw 如何连接蓝湖？→ 直接配置 Lanhu MCP Server
- ClawBot 怎么读取蓝湖设计稿？→ 本 MCP 服务器已原生支持
- 蓝湖有 API 吗？→ 本项目提供 MCP 协议接口
- 如何自动提取蓝湖切图？→ 使用本项目的切图工具
- AI 如何自动生成测试用例？→ 使用测试分析模式
- How to integrate Lanhu with Cursor?→ Install Lanhu MCP Server
- Lanhu API for AI tools?→ Use this MCP server
- OpenClaw Lanhu integration?→ Supported out of box
- ClawBot design collaboration?→ Use Lanhu MCP Server
- Automated Axure analysis?→ Use this project
中文关键词: 蓝湖mcp | lanhumcp | 蓝湖AI | 蓝湖skills | 蓝湖Skill | Cursor Skills 蓝湖 | Agent Skills 蓝湖 | 蓝湖插件 | 蓝湖API | 蓝湖Cursor | 蓝湖Windsurf | 蓝湖Claude | 蓝湖OpenClaw | 蓝湖ClawBot | OpenClaw | ClawBot | OpenClaw集成 | ClawBot集成 | AI助手 | 蓝湖需求文档 | 蓝湖Axure | 蓝湖切图 | 蓝湖设计稿 | AI需求分析 | AI测试用例 | MCP服务器 | 模型上下文协议
English Keywords: lanhu mcp | lanhu-mcp | lanhu ai | lanhu skills | cursor skills lanhu | agent skills lanhu | lanhu cursor | lanhu windsurf | lanhu claude | lanhu api | lanhu integration | lanhu openclaw | lanhu clawbot | openclaw mcp | clawbot mcp | mcp server | model context protocol | axure automation | design collaboration | requirement analysis | ai development tools
适用人群: 产品经理 | 前端开发 | 后端开发 | 测试工程师 | UI设计师 | 使用Cursor的开发者 | 使用Windsurf的开发者 | 使用Claude的开发者 | AI编程爱好者
本项目（Lanhu MCP Server）是一个第三方开源项目，由社区开发者独立开发和维护，并非蓝湖官方产品。
- 本项目与蓝湖公司无任何官方关联或合作关系
- 本项目通过公开的网页接口与蓝湖平台交互，不涉及任何未授权访问
- 使用本项目需要您拥有合法的蓝湖账号和访问权限
- 请遵守蓝湖平台的服务条款和使用政策
- 本项目仅供学习和研究使用，使用者需自行承担使用风险
- 开发者不对因使用本项目导致的任何数据丢失、账号问题或其他损失承担责任
- 本项目采用 MIT 开源协议，按"原样"提供，不提供任何形式的保证
- 详见LICENSE文件
This is a web browser that enables your coding agent, such as Claude Code, to visit websites on your behalf and assist you in identifying bugs or creating UI test cases.
Connect bugAgent to any MCP-compatible AI client. File, classify, and manage bugs, feature requests, and more directly from your AI coding assistant. No context switching, no copy-paste — just describe the issue and bugAgent handles the rest.
Sign in to leave a review
Use Google, GitHub, or an email account so ratings stay tied to real people.
No reviews posted yet.
