Lujo-MCP

Lujo-MCP

Lujo-MCP is an MCP Runtime Debugging Context Server for AI coding agents.

让 Claude、Cursor、Trae 等 AI coding agents 获得真实运行的 Debug Context —— 不是只读你的静态代码，而是看到真实 Bug 运行现场。

💡 定位：Lujo-MCP 是 AI coding assistant 的「眼睛」与 Debug Context Infrastructure（调试上下文基础设施） —— 不是另一个复杂 Agent，不替代宿主 AI 的推理，而是把控制台异常、网络失败、交互轨迹与调用堆栈组装为结构化现场，喂给宿主 AI 完成精准修复。

当前版本：v0.7.9（2026-09-10，已发布）：tag v0.7.9 指向提交 381182bc406c7b54cca3277141a2dd06b669891b；普通 CI run 34382654373 与发布流水线 run 34383308343 均已通过。npm 五个发布包的 latest 均为 0.7.9，Node 引擎要求为 >=18。详见 GitHub Release。

⚡ 30 秒极速接入（Quick Start）

无需安装 Python 或 Docker 环境，通过 npm / npx 即可开箱即用：

推荐方式：npx 免安装直跑

在 MCP 客户端配置文件中填入：

{
  "mcpServers": {
    "lujo": {
      "command": "npx",
      "args": ["-y", "@lujoai/lujo-mcp"]
    }
  }
}

为什么推荐 npx：跨平台（Windows / macOS / Linux）自动按需拉取对应平台的预编译二进制，彻底避免桌面 GUI 客户端（如 Claude Desktop）因未加载系统 Shell PATH 而找不到命令的问题。

📌 npm 入口默认启动统一本地模式：同一个进程同时提供 MCP stdio 和 http://127.0.0.1:8000 HTTP。AI 可以直接使用 MCP 工具，浏览器 SDK 也能把控制台、网络失败和点击链路写入同一份内存上下文；不需要再手动启动第二个服务。

替代方式：全局安装

npm install -g @lujoai/lujo-mcp

客户端配置：

{
  "mcpServers": {
    "lujo": {
      "command": "lujo-mcp-server",
      "args": []
    }
  }
}

需要纯 stdio（例如只做协议冒烟或兼容严格的旧客户端）时，把 args 改为 ["--no-http"]。源码入口 python -m app.mcp_server 默认也是纯 stdio，传入 --http 才开启同样的统一本地模式。

页面若运行在 localhost:3000 等其他端口，请在 MCP 配置的 env 中加入 "CORS_ORIGINS": "http://localhost:3000"（多个来源用逗号分隔）；打开内置 http://127.0.0.1:8000/demo 则无需配置跨域。

🧭 主流客户端配置路径

🚀 5 分钟跑通第一个真实调试（浏览器 Bug 场景）

浏览器运行现场的采集链路是：页面 SDK → Lujo-MCP HTTP 服务（/ingest）→ AI 通过 MCP 读取。因此本流程需要先启动 Lujo-MCP HTTP 服务，并让 MCP 客户端以 HTTP 模式接入同一个服务进程。

推荐用本地源码 + 纯内存模式跑通：不需要 Docker、PostgreSQL、Redis、密码或 API Key。Docker 编排面向持久化部署（需要数据库密码与 API Key），放在进阶流程。

第 0 步：启动 Lujo-MCP HTTP 服务（本地源码，零外部依赖）

如果已经按上面的 npm 方式接入，这一步已经由 lujo-mcp-server 自动完成，可直接访问 http://127.0.0.1:8000/demo。下面的源码方式适合开发 Lujo-MCP 本身，或需要自定义 Python 依赖的场景。

git clone https://github.com/lujoai/Lujo-MCP.git
cd Lujo-MCP
pip install -r requirements.txt

在项目根目录创建 .env（两个必填项都和启动安全校验/浏览器跨域有关，缺一不可）：

# 只监听本机回环地址。默认 0.0.0.0 + 无 API Key 会被启动校验直接拒绝；
# 本地调试也不应把无鉴权服务暴露到局域网。
HOST=127.0.0.1

# 你的开发页面源（协议+域名+端口）。页面端口与服务端口不同源时，
# 浏览器会先发 CORS 预检；不配置白名单，预检会被 405 拒绝、SDK 上报全部失败。
# 按需追加，逗号分隔，例如：CORS_ORIGINS=http://localhost:3000,http://localhost:5173
CORS_ORIGINS=http://localhost:3000

启动（纯内存存储，重启后数据清空，适合首次接入验证）：

python -m app.main
# 或：uvicorn app.main:app --host 127.0.0.1 --port 8000

也可以让源码入口同时提供 stdio + HTTP（推荐给本地 MCP 客户端）：

python -m app.mcp_server --http

MCP 客户端以 HTTP 模式接入（与 SDK 上报同一个服务进程）：

{
  "mcpServers": {
    "lujo": {
      "url": "http://127.0.0.1:8000/mcp"
    }
  }
}

未设置 API_KEY 时服务以免鉴权模式运行（仅限本机回环监听），SDK 与 MCP 客户端无需再传令牌。

进阶：Docker 持久化部署（需要完整凭据配置）

docker compose up -d 走 PostgreSQL + Redis 持久化栈，Compose 强制要求以下变量，缺一个容器就起不来。在项目根目录创建 .env：

POSTGRES_PASSWORD=change-me-pg-password   # 或用 PG_PASSWORD，二选一
API_KEY=change-me-api-key                 # 必填；SDK 与 MCP 客户端都要用它
HOST=127.0.0.1
CORS_ORIGINS=http://localhost:3000        # 开发页面源，同上

三项配置必须相互匹配，缺一会导致「服务在跑但 SDK 上不去 / MCP 连不上」：

1. SDK：初始化时带 apiKey（SDK 会换取短时令牌后上报）：

   <script src="/ai-debug.js"></script>
   <script>
     window.AiDebug.init({ endpoint: "http://127.0.0.1:8000", apiKey: "change-me-api-key" });
   </script>

1. MCP 客户端：HTTP 接入时在请求头携带同一个 Key（客户端配置支持 headers 的写法）：

   {
     "mcpServers": {
       "lujo": {
         "url": "http://127.0.0.1:8000/mcp",
         "headers": { "Authorization": "Bearer change-me-api-key" }
       }
     }
   }

1. CORS：CORS_ORIGINS 必须包含页面的完整源；服务端口（8000）与页面端口（如 3000）不同源，未配置白名单时预检直接失败。

第 1 步：页面接入采集 SDK（两行代码）

下载或复制仓库中的 browser-sdk/ai-debug.js 到你的前端项目，然后在页面中加入：

<script src="/ai-debug.js"></script>
<script>
  window.AiDebug.init({ endpoint: "http://127.0.0.1:8000" });
  // Docker/API Key 模式再加：, apiKey: "change-me-api-key"
</script>

SDK 无需构建工具，<script> 直接引入即可；init 时的 endpoint 指向上一步启动的 Lujo-MCP 服务地址。

💡 最快的同源验证路径：服务自带演示页 http://127.0.0.1:8000/demo（与服务同源，不涉及 CORS），打开后即可触发网络错误现场。

Node 服务接入：使用 Node SDK（v0.7.9 已发布）

服务端 Node.js 使用独立包 @lujoai/lujo-mcp-node-sdk，支持 Node 18/20/22 和 CJS/ESM。它只做显式错误与网络上报，不安装浏览器的 DOM、XHR/fetch、console 或 localStorage 钩子；浏览器页面继续使用上面的 Browser SDK。

npm install @lujoai/lujo-mcp-node-sdk

const { createClient } = require("@lujoai/lujo-mcp-node-sdk");

const lujo = createClient({
  endpoint: "http://127.0.0.1:8000",
  apiKey: process.env.LUJO_MCP_API_KEY,
  release: "[email protected]",
});

async function main() {
  try {
    await handleRequest();
  } catch (error) {
    lujo.reportError(error, { operation: "handleRequest" });
    throw error;
  } finally {
    await lujo.close();
  }
}

main().catch((error) => {
  console.error(error);
  process.exitCode = 1;
});

事件先进入内存批量队列；flush() 等待发送和有限重试完成，单批不超过 100 条，429/5xx 会退避重试，永久 4xx 不会无限重试。应用退出或 worker 重启前应 await lujo.close()，它会完成最后一次 flush、停止定时器并释放资源。Node SDK 与 Browser SDK 的完整 API、脱敏和边界说明见 SDK_GUIDE.md。

第 2 步：触发一个运行时异常

比如在前端控制台或代码中执行一段错误逻辑：

fetch('/api/user/profile').then(res => {
  if (!res.ok) throw new Error('API 500: Failed to fetch profile');
});

第 3 步：在 AI 对话框中直接提问

在 Cursor、Claude 或 Trae 中直接对 AI 提问：

💬 *“刚才前端页面报错了，帮我查查是什么原因并给出修复方案。”*

宿主 AI 会自动调用统一诊断入口 diagnose_issue（无需任何 request_id，自动定位最近一次真实错误），一次性读取完整的控制台报错、网络请求 Payload/Status、源码行号与调用栈，直接给出修复代码！

AI Agent 自动调用上下文：
┌────────────────────────────────────────────────────────┐
│ diagnose_issue          ← 统一诊断入口，免 ID 直查      │
│ ├─ exception_type: "Error"                             │
│ ├─ message: "API 500: Failed to fetch profile"         │
│ ├─ network_trace: GET /api/user/profile (Status: 500)  │
│ ├─ stacktrace: at profile.js:42:15                     │
│ └─ ui_events: Click on button#load-profile             │
└────────────────────────────────────────────────────────┘

📖 想看完整还原的实战案例（React 登录静默失败），见 DEMO.md。

⚠️ 数据边界说明：只有纯 stdio（--no-http 或未加 --http 的源码入口）不会接收浏览器 SDK 的 HTTP 上报；npm 默认统一本地模式已经包含 /ingest。Agent 是否调用工具最终由宿主模型决定，本项目通过清晰的统一入口（diagnose_issue）与自包含的工具描述提高调用概率，但不承诺 100% 强制调用。

🎚️ 能力阶梯：零配置 vs 进阶配置

Lujo-MCP 设计遵循渐进式增强原则：

┌─────────────────────────────────────────────────────────────┐
│ 🟢 零配置（默认开箱即用）                                     │
│   • MCP 调试工具集即刻可用（diagnose_issue 统一诊断入口）    │
│   • 运行时堆栈、源码行号与系统快照收集                       │
│   • 本地运行，无外部服务依赖（经验自动存本机 SQLite 单文件） │
│   • 浏览器现场采集（控制台/网络/UI 链路）：接入 Browser SDK   │
│     + HTTP 服务即启用（见下方 5 分钟流程）                   │
├─────────────────────────────────────────────────────────────┤
│ 🟡 进阶增强（配置 1 个 API Key，可选）                       │
│   • 解锁 Lujo 内置 LLM 辅助分析与历史知识库自动沉淀          │
│   • 支持免费智谱 GLM-4.7-Flash、DeepSeek、OpenAI 等          │
│   • 支持可选的 PostgreSQL 持久化与 Redis 缓存                │
└─────────────────────────────────────────────────────────────┘

调试经验会丢吗？（本地「笔记本」，无需配置）

不会。分两层：

• 内置经验（开箱即用）：Lujo 自带 45 条常见异常经验（类型错误、键不存在、连接失败、HTTP 异常等），每次启动自动加载，不需要任何配置或持久化。
• 自有经验（本地笔记本）：你自己项目里沉淀的调试经验（启用 LLM 分析后产生）默认写穿到 Lujo 进程工作目录下的 lujo-kb.sqlite3 单文件（SQLite，零安装、无需外部服务），进程重启后自动回灌，同类问题下次直接复用历史结论。

笔记本行为说明：

• 数据不出本机：就是一个普通数据库文件；删除即重置，也可用 KB_PERSIST_PATH 指定固定位置（避免不同工作目录各存一份）。
• 想回到纯内存行为：设置 KB_PERSIST_ENABLED=false，经验仅保留在当前进程内（与 v0.7.x 一致）。
• 不影响 PostgreSQL 用户：STORAGE_BACKEND=postgresql 时 KB 仍走 PG 持久化，本开关不生效。

如何开启 LLM 分析（可选）

如需启用 Lujo-MCP 内置的 LLM 智能分析与经验学习，只需在客户端的 env 字段中配置 API Key：

{
  "mcpServers": {
    "lujo": {
      "command": "npx",
      "args": ["-y", "@lujoai/lujo-mcp"],
      "env": {
        "LLM_PROVIDER": "zhipu",
        "OPENAI_API_KEY": "your-zhipu-api-key",
        "LLM_MODEL": "glm-4.7-flash"
      }
    }
  }
}

提示：智谱 glm-4.7-flash 为免费纯文本模型，免科学上网，填入即可使用。也支持 LLM_PROVIDER=deepseek 或 openai。

❓ 常见问题与排错（FAQ）

Q1: Claude Desktop 报错 command not found: lujo-mcp-server？

• 原因：macOS/Windows 下桌面 GUI 应用启动时不继承用户 Shell 的环境变量 PATH。
• 解决方案：强烈建议改用 command: "npx" + args: ["-y", "@lujoai/lujo-mcp"]，由 Node 运行时自动调度，或填写全局 npm bin 的完整绝对路径。

Q2: 国内安装 npm 包较慢或出现 404？

• 解决方案：指定官方 npm 注册源安装：

  npm install -g @lujoai/lujo-mcp --registry=https://registry.npmjs.org/

Q3: 为什么 AI 提示没有找到错误追踪（Trace）？

• 排查：

1. 确认 Lujo-MCP HTTP 服务已启动（SDK 上报依赖 /ingest 端点）；
2. 确认页面已加载 SDK 并调用了 AiDebug.init({ endpoint: "http://localhost:8000" })——未配置 endpoint 时 SDK 会静默不上报；
3. 打开浏览器 DevTools Network 面板，确认页面有发往 endpoint 的 /ingest/batch 请求；
4. 可让 AI 调用 diagnose_issue（免 ID 自动定位最近错误）或 list_recent_traces 检索最近的运行日志。

Q4: 同一台机器调试多个项目，AI 查到了别的项目的现场？

• 原因：多个项目的 Lujo 实例争用同一个默认采集口 127.0.0.1:8000，浏览器 SDK 上报只会进占住该端口的那个实例。
• 解决方案：按「端口即隔离」给每个项目分配独立 --http-port，并将各页面 SDK 的 endpoint 指向各自端口。详见「🛠️ 进阶开发与私有化部署」中的多项目同机调试小节。

🛠️ 进阶开发与私有化部署

方式一：Docker Compose 全栈部署（含 PostgreSQL + Redis）

git clone https://github.com/lujoai/Lujo-MCP.git
cd Lujo-MCP
cp .env.example .env
docker compose up -d

服务将运行于 http://localhost:8000，支持 Web Dashboard（http://localhost:8000/dashboard）与 Streamable HTTP MCP 端点（http://localhost:8000/mcp）。

方式二：Python 源码本地开发与调试

# 安装依赖
pip install -r requirements.txt

# 启动 MCP stdio 服务（默认纯 stdio）
python -m app.mcp_server

# 同一进程同时启动 MCP stdio + HTTP API 与 Web 界面
python -m app.mcp_server --http

# 仅启动 HTTP API 与 Web 界面
python -m app.main

多项目同机调试：「端口即隔离」

Lujo-MCP 的定位是单用户、本地自用：npm 一条命令装完即用，一人装一套，数据留在本机（默认 memory，可选本机自己的 PostgreSQL），没有服务端、不承诺多人共用一台中央数据库的隔离。在这一前提下，同一台机器上同时调试多个项目时，若都使用默认采集口 127.0.0.1:8000，两个项目的浏览器 SDK 上报只会进入「占住 8000 的那个实例」——另一个项目的 AI 查到的是别的项目的现场。既定方案是「端口即隔离」：每个项目用独立端口，互不串台。

1. 每个项目分配独立的 --http-port（在各自宿主的 MCP 配置中，其余参数由 npm 启动器原样转发给服务）：

{
  "mcpServers": {
    "lujo-project-a": {
      "command": "npx",
      "args": ["-y", "@lujoai/lujo-mcp", "--http-port", "8101"]
    },
    "lujo-project-b": {
      "command": "npx",
      "args": ["-y", "@lujoai/lujo-mcp", "--http-port", "8102"]
    }
  }
}

2. 各项目的页面 SDK endpoint 指向各自端口：

<!-- 项目 A 的页面 -->
<script>
  AiDebug.init({ endpoint: "http://127.0.0.1:8101" });
</script>
<!-- 项目 B 的页面 -->
<script>
  AiDebug.init({ endpoint: "http://127.0.0.1:8102" });
</script>

3. 只做协议冒烟、不需要浏览器现场时用 --no-http：args: ["-y", "@lujoai/lujo-mcp", "--no-http"]。此时每个宿主窗口各自一个 Lujo 进程，默认 memory 后端下数据天然按进程隔离，无需端口规划。

已知限制（如实说明）：

• 默认采集口是 127.0.0.1:8000；端口被另一个 Lujo 实例占用时，服务会在启动前明确报错并提示改用 --http-port（不是静默退出，也不是自动回退端口）。
• 配置 PostgreSQL 持久化时，所有实例共写同一个库且无 project/namespace 维度：多项目请各自配置独立的 pg_database，或知情接受混存。
• diagnose_issue 缺省取本服务跨页面/标签的最近一条错误（同类错误重复出现时返回最新一次现场）；用户明确在说某个页面/会话时，可给工具传 session_id 过滤（缺省 = 不过滤）。

📚 文档导航

📄 License

MIT License © 2026 LujoAI