$ loading_
用自然语言驱动 Python 调试，运行测试、设断点并检查变量状态。
该工具为开源 MIT 许可的 Python 调试型 MCP 服务，未声明需要密钥或远程端点，整体未见明确高风险红旗。其核心能力包含本机代码执行、测试运行与变量检查，这属于此类工具的固有高权限操作，应按需隔离使用并留意仓库成熟度较低。
材料明确标注无需密钥或环境变量，未见 API token、账户凭证或外部服务认证需求，因此凭证泄露与滥用面较低。
材料未声明任何远程端点或外部服务连接；从现有信息看，未见将用户数据外发到第三方网络服务的事实依据。
系统检查项已标记 executes-code，且描述称可运行测试、通过 debugpy/调试协议进行 Python 调试、设置断点和检查变量；这意味着会在本机执行代码/进程并具备较强运行时控制能力，属该类调试工具的常规高权限能力。
为实现调试、运行测试和检查变量，工具通常需要访问项目源码、测试文件及进程内存中的运行时数据；材料未显示超出调试目的的额外授权，但应默认其可接触本地项目数据与调试会话内容。
正面因素是源码可审计、MIT 许可且有公开 GitHub 仓库；但来源为 third_party_registry，社区采用度为 0 star、维护状态未知、README 缺失，成熟度与持续维护证据偏弱，建议在审阅源码后再纳入敏感环境。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"mcp-debugpy" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请连接 debugpy 调试会话，运行 pytest 中失败的 test_user_login，用断点逐步检查 login() 的参数、返回值和异常来源，并总结根因与修复建议。
输出测试执行结果、关键断点观察、失败根因，以及可实施的修复建议。
在 process_records() 的 for 循环开始处设置断点，运行示例输入，比较每次迭代中 record、status 和 error_count 的变化，找出导致结果异常的那一步。
给出逐步变量变化记录，指出异常发生的具体迭代与代码逻辑问题。
我已经修改了 parse_config()。请重新运行相关测试，在关键分支上设置断点确认新逻辑被执行，并检查 edge case 输入下的变量值是否符合预期。
返回修复后的测试结果、断点验证结论，以及是否仍存在潜在风险的说明。
帮助用户通过 V8 Inspector 调试 Node.js 程序，设置断点并检查变量。
通过 MCP 让 AI 直接操控 GDB 进行断点调试、单步执行和内存寄存器检查。
通过封装 GDB，让 AI 可启动、附加并执行实时调试会话。
支持多语言断点调试、单步执行与堆栈追踪，帮助快速定位和修复代码问题。
通过自然语言控制 LLDB 调试会话，快速断点、单步和求值表达式。
通过命令行连接 VS Code 调试器，帮助 AI 管理断点、单步执行并排查代码问题。