/ 目錄 / 演練場 / MCPJam Inspector
← 全部伺服器 ↗ GitHub
● 社群 MCPJam ⚡ 即開即用

MCPJam Inspector

作者 MCPJam · MCPJam/inspector

MCP 的 Postman——連線任何伺服器、列出工具、手動呼叫、以 agent 模式對話，並在單一本機介面中跨 LLM 評估輸出。

MCPJam Inspector 是 MCP 的開發平台。啟動本機介面，指向任何 stdio／SSE／streaming-HTTP MCP 伺服器，即可取得工具清單、手動呼叫表單、將伺服器作為 agent 工具的內建聊天功能，以及評估執行器。正在開發或偵錯伺服器？發布前先用這個。

▶ 觀看演示 📦 安裝 💡 使用場景

為什麼要用

核心特性

即時演示

實際使用效果

mcpjam-inspector.replay ▶ 就緒
0/0

安裝

選擇你的客戶端

~/Library/Application Support/Claude/claude_desktop_config.json  · Windows: %APPDATA%\Claude\claude_desktop_config.json
{
  "mcpServers": {
    "mcpjam-inspector": {
      "command": "npx",
      "args": [
        "-y",
        "@mcpjam/inspector"
      ]
    }
  }
}

開啟 Claude Desktop → Settings → Developer → Edit Config。儲存後重啟應用。

~/.cursor/mcp.json · .cursor/mcp.json
{
  "mcpServers": {
    "mcpjam-inspector": {
      "command": "npx",
      "args": [
        "-y",
        "@mcpjam/inspector"
      ]
    }
  }
}

Cursor 使用與 Claude Desktop 相同的 mcpServers 格式。專案級設定優先於全域。

VS Code → Cline → MCP Servers → Edit
{
  "mcpServers": {
    "mcpjam-inspector": {
      "command": "npx",
      "args": [
        "-y",
        "@mcpjam/inspector"
      ]
    }
  }
}

點擊 Cline 側欄中的 MCP Servers 圖示，然後選 "Edit Configuration"。

~/.codeium/windsurf/mcp_config.json
{
  "mcpServers": {
    "mcpjam-inspector": {
      "command": "npx",
      "args": [
        "-y",
        "@mcpjam/inspector"
      ]
    }
  }
}

格式與 Claude Desktop 相同。重啟 Windsurf 生效。

~/.continue/config.json
{
  "mcpServers": [
    {
      "name": "mcpjam-inspector",
      "command": "npx",
      "args": [
        "-y",
        "@mcpjam/inspector"
      ]
    }
  ]
}

Continue 使用伺服器物件陣列，而非映射。

~/.config/zed/settings.json
{
  "context_servers": {
    "mcpjam-inspector": {
      "command": {
        "path": "npx",
        "args": [
          "-y",
          "@mcpjam/inspector"
        ]
      }
    }
  }
}

加入 context_servers。Zed 儲存後熱重載。

claude mcp add mcpjam-inspector -- npx -y @mcpjam/inspector

一行命令搞定。用 claude mcp list 驗證，claude mcp remove 移除。

使用場景

實戰用法： MCPJam Inspector

偵錯 MCP 工具被錯誤呼叫的原因

👤 MCP 伺服器開發者 ⏱ ~20 min intermediate

何時使用： 你發布了一個工具，但 Claude 一直用錯誤的參數呼叫它。

前置條件
  • Inspector 已執行 — npx -y @mcpjam/inspector（在瀏覽器開啟 localhost:6274）
  • 你的 MCP 伺服器 — 準備好透過 stdio 指令或 SSE URL 啟動
步驟
  1. 連接伺服器
    In the inspector UI, add a stdio server: command=node, args=[./dist/server.js].✓ 已複製
    → 工具清單出現，含說明及 schema
  2. 查看 LLM 的視角
    Look at the rendered description in the tool detail panel — that's exactly what the model sees.✓ 已複製
    → 找出模糊之處（「id」應為「task_id」，或缺少範例）
  3. 重現錯誤呼叫
    Open Chat tab. Send the user prompt that caused the failure. Watch the tool_use payload.✓ 已複製
    → 出現與正式環境相同的錯誤呼叫
  4. 修正說明後重新測試
    Update the tool's description and example in your server code, restart, retry the same prompt.✓ 已複製
    → 這次呼叫正確

結果： 以有憑有據的前後對比驗證具體修正方案。

注意事項
  • 伺服器重啟後 schema 快取未更新 — 在伺服器面板點擊「Reconnect」；Inspector 會重新擷取 list_tools

評估不同模型如何使用你的 MCP 伺服器工具

👤 針對多個用戶端開發伺服器的作者 ⏱ ~45 min advanced

何時使用： 你想知道你的伺服器搭配 Sonnet 和搭配 Haiku／GPT-5 的效果是否一樣好。

步驟
  1. 建立評估集
    Author 10 representative user prompts in the Eval tab. Mix easy and adversarial.✓ 已複製
    → 評估集已儲存，含 prompt 及預期工具使用序列
  2. 跨模型執行
    Run the eval against Sonnet 4.6, Haiku 4.5, and GPT-5. Compare tool-use traces.✓ 已複製
    → 各模型追蹤記錄；每個 prompt 的通過／失敗結果
  3. 強化最弱的 schema
    On the failing prompts, what description change would fix the cheaper model without breaking Sonnet?✓ 已複製
    → 具體的說明改寫方案

結果： 伺服器能在整個模型陣容中正常運作，而非只適用於你測試的那一個。

注意事項
  • 評估只測試正常路徑 — 加入對抗性 prompt：缺少參數、矛盾輸入、不完整資訊

安全地探索不熟悉的第三方 MCP 伺服器

👤 正在評估社群 MCP 的任何人 ⏱ ~15 min intermediate

何時使用： 你考慮將某個 MCP 加入設定，想先查看它暴露了哪些工具。

步驟
  1. 隔離環境啟動
    Add the server in inspector — don't put it in your real client config yet.✓ 已複製
    → 工具清單顯示完整說明
  2. 稽核攻擊面
    Scan tool list. Anything that writes/deletes/runs code? Anything that calls external URLs?✓ 已複製
    → 依風險分類的工具清單
  3. 手動測試高風險工具
    Hand-call each write tool with a no-op payload to see what it actually does.✓ 已複製
    → 在暴露給自主 agent 前，你確認了實際行為

結果： 基於了解做出安裝或跳過的決定，而非盲目信任。

注意事項
  • 工具呼叫 shell——即使是手動呼叫也可能修改你的系統 — 在容器或臨時目錄中執行；永遠不要在日常工作機上 inspect 不受信任的 MCP

組合

與其他 MCP 搭配，撬動十倍槓桿

mcpjam-inspector + github

在 CI 中對你自己的 MCP 伺服器進行效能分析

On every PR, run inspector eval against the main + PR head; comment diff in the PR via github MCP.✓ 已複製

工具

此 MCP 暴露的能力

工具輸入參數何時呼叫成本
list_tools 伺服器連線 連線時自動執行——幾乎不需手動呼叫 0
call_tool tool_name, args 以表單輸入手動呼叫任何工具 視工具而定
chat model, messages 驅動 LLM 使用你的工具以觀察湧現行為 視模型 API 而定
run_eval eval_set, models[] 發布前的跨模型迴歸檢查 API 呼叫 × 模型數 × prompt 數

成本與限制

運行它的成本

API 配額
評估模式會消耗 LLM 供應商配額——請自備金鑰
每次呼叫 Token 數
Inspector 本身為 0；聊天／評估的完整 agent 費用另計
費用
免費（開放原始碼）——只需支付模型 API 費用
提示
評估迭代時使用 Haiku；只在最終跨模型檢查時切換至 Sonnet

安全

權限、密鑰、影響範圍

最小權限： 預設僅限區域網路
憑證儲存： 評估模型的 API 金鑰預設儲存在瀏覽器 localStorage——在共用機器上使用後請清除
資料出站： 僅連至你設定的模型供應商（Anthropic、OpenAI 等）及你連接的 MCP 伺服器
切勿授予： 公開網際網路存取——將 Inspector 保持在 localhost

故障排查

常見錯誤與修復

伺服器連線失敗（stdio）

確認指令路徑為絕對路徑且工作目錄已設定；在 Inspector 日誌面板中查看 stderr

驗證： 先在終端機手動執行伺服器指令
SSE 伺服器連線時掛起

CORS 或認證標頭問題——確認 SSE 端點接受來自 localhost:6274 的跨來源請求

驗證： curl -N <sse_url> with -H 'Accept: text/event-stream'
評估執行但所有模型都失敗

在設定中確認 API 金鑰有效；確認模型名稱符合供應商目前的命名

Inspector 埠口已被使用

PORT=6275 npx @mcpjam/inspector

驗證： lsof -i :6274

替代方案

MCPJam Inspector 對比其他方案

替代方案何時用它替代權衡
modelcontextprotocol/inspector（官方版）你需要功能最保守的官方參考 Inspector缺少聊天／評估模式；較底層
wong2/mcp-cli你偏好終端機介面而非圖形介面無視覺化評估比較或 schema 渲染

更多

資源

📖 閱讀 GitHub 上的官方 README

🐙 查看未解決的 issue

🔍 瀏覽全部 400+ MCP 伺服器和 Skills