MCP 生態大爆發：Inspector/CI-CD 工具鍊助你管好幾十個 MCP Server

2025 年頭，你只要管好一個 MCP server 就算交到貨。到咗 2026 年中，MCP 生態由官方十幾個 reference server 膨脹到 GitHub 上過萬個 community server——檔案系統、數據庫、瀏覽器自動化、Slack、飛書、GitHub Actions，乜嘢都可以 plug 入 AI agent。問題唔再係「點樣寫一個 MCP server」，而係「點樣管好幾十個 MCP server，仲要確保每一條 tool call 唔會喺 production 先出事」。

第一個救命工具：MCP Inspector

Anthropic 官方出嘅 MCP Inspector 係你 debugging 嘅第一道防線。一句 npx @modelcontextprotocol/inspector node build/index.js 就起一個本地 web UI，可以逐個 tool 打、逐個 resource 睇、逐個 prompt 試。

佢嘅架構好簡潔：一個 React 前端（MCPI）加一個 proxy server（MCPP），前者俾你互動操作，後者做 protocol bridge 駁落你嘅 server。支援 stdio、SSE、streamable-HTTP 三種 transport。仲有 CLI mode 可以用 --cli 參數直接喺 terminal 串成自動化流程——呢個係 CI/CD pipeline 嘅關鍵。

有一點值得一提：2025 年中 Oligo Security 發現咗 CVE-2025-49596，一個 CVSS 9.4 嘅 RCE 漏洞，攻擊者可以透過瀏覽器 0.0.0.0-day 向本地 Inspector proxy 發送請求執行任意指令。Anthropic 喺 v0.14.1 加入咗 session token 同 origin 驗證。如果你仲用緊舊版，即刻 upgrade——npx @modelcontextprotocol/inspector 或者檢查 npm list -g @modelcontextprotocol/inspector。

MCPJam：唔止係 Inspector 嘅升級版

如果話 MCP Inspector 係「顯微鏡」，咁 MCPJam 就係「CT 掃描儀」。佢將測試提升到另一個層次：

Chat with model-in-the-loop：唔係淨係直接 call tool，而係俾一個 agent 喺對話中自動揀 tool、傳參數、睇 response。你可以見到 AI agent 點樣理解你個 server 嘅 tool description，係咪真係傳得啱參數。
多模型 A/B 比較：同一句 prompt 同時行 GPT-5.5、Opus 4.7、Gemini 3.1，逐個 turn 比較 latency、token 用量、tool selection 準確度。
OAuth flow debugging：逐個 redirect 同 token exchange step-through，支援晒 2024-2025 四個 spec 版本同所有 client registration 方法。
Local-to-production tunnel：內置 ngrok integration，本地起嘅 server 可以俾 production ChatGPT 或 Claude 直接 call，你喺 MCPJam 睇到完整 logs。

對於做 SaaS 嘅香港團隊嚟講，MCPJam 最值錢嘅功能係「模擬多個 agent client 同時存取你個 server」——你唔使再靠人手逐個試。

CI/CD 工具鍊：將 MCP 測試自動化

管好幾十個 MCP server 嘅唯一出路係 automation。以下係我過去半年搭建嘅 toolchain：

1. Unit test 層：tools/list 同 resources/list 一致性檢查 用 MCP Inspector CLI mode 寫 script，每次 build 完自動 run --method tools/list，確認 schema 符合預期，無撞名、無 missing description。Python 嘅話可以用 mcp 套件直接寫 pytest。

2. Integration 層：E2E agent 測試 用 MCPJam 嘅 API 或者自己起一個 test agent，對每個 server 行一組 golden prompt，驗證 tool call 嘅 response 結構、error handling、timeout 行為。將呢啲測試塞入 GitHub Actions，每次 PR 自動行。

3. Production 層：健康檢查 + 版本鎖定 定義晒所有 MCP server 嘅 config（mcp.json 或 claude_desktop_config.json），用 Git 管理版本。deploy pipeline 自動對比每個 server 嘅 capability negotiation 結果同 baseline，唔一致就 rollback。

4. Config export 自動化 MCP Inspector 嘅 Servers File Export 功能可以直接生成 Cursor、Claude Code 嘅 config entry。將呢個 export 整合入 CI，每次 merge 自動 generate 一份最新 mcp.json commit 落 infra repo。

行動建議

如果你而家仲係人手 npm start 然後開 browser 逐個 tool 試，停一停。以下三件事今日就做：

upgrade 所有 MCP Inspector 到最新版（確認 v0.14.1+），唔好做嗰個俾 browser exploit 嘅 developer
將一個 MCP server 嘅測試流程塞入 CI——先用 Inspector CLI mode 做 smoke test，再加 MCPJam 行一組 golden prompt
用 Git 管理 MCP 設定檔，唔好再喺 claude_desktop_config.json 手動改 path、改 env

MCP 生態只會愈來愈大。而家建立好工具鍊，第日管理一百個 server 嘅時候你會多謝今日嘅自己。