Factifai MCP Server

Un servidor MCP para Factifai, que permite la integración con cualquier herramienta de IA compatible con MCP para crear y recuperar resultados de pruebas de forma asíncrona.

GitHub

Prueba este MCPPatrocinado

Documentación

Factifai MCP Server

Hai Build Amazon Q VS Code Cursor Windsurf Zed

Un servidor de Model Context Protocol (MCP) para la integración de Factifai con cualquier herramienta de IA compatible con MCP. Este servidor está diseñado para ser agnóstico respecto a la herramienta, lo que significa que puede utilizarse con cualquier herramienta que admita el protocolo MCP. Actualmente, este servidor expone herramientas para crear pruebas de forma asíncrona y obtener el resultado de la prueba.

Tabla de Contenidos

Factifai MCP Server

Requisitos

Node.js >= 16.0.0
Hai Build, Cursor, Windsurf, Claude Desktop o cualquier cliente MCP

Instalación

# Latest version
npx --yes @presidio-dev/factifai-mcp-server@latest

# Specific version
npx --yes @presidio-dev/factifai-mcp-server@1.2.3

Recomendamos npx para instalar el servidor, pero puedes usar cualquier gestor de paquetes de Node de tu preferencia, como yarn, pnpm, bun, etc.

Nota de Instalación

⚠️ Importante: La primera vez que instales Factifai MCP Server, descargará e instalará automáticamente las dependencias del navegador usando Playwright. Este proceso puede tardar varios minutos dependiendo de tu conexión a internet y las especificaciones de tu sistema.

La instalación incluye:

Descarga de binarios del navegador (Chromium, Firefox, WebKit)
Instalación de las dependencias del navegador
Configuración del entorno necesario

Esto ocurre solo una vez, y las ejecuciones posteriores serán mucho más rápidas ya que los navegadores ya estarán instalados.

Consejo de Pre-Instalación

⚠️ Recomendado para la Primera Instalación: Muchos clientes MCP tienen límites de tiempo de espera estrictos para el inicio del servidor. El proceso de instalación del navegador durante la configuración inicial puede exceder estos tiempos de espera, lo que provocaría que la instalación falle o parezca no responder.

Para evitar problemas de tiempo de espera, recomendamos encarecidamente pre-instalar los navegadores de Playwright manualmente:

# Step 1: Install Playwright browsers manually before installing the MCP server
npx playwright install --with-deps

# Step 2: Then install the MCP server (will be much faster and avoid timeouts)
npx --yes @presidio-dev/factifai-mcp-server@latest

Este paso de pre-instalación:

Garantiza que los navegadores se descarguen sin las restricciones de tiempo de espera del cliente MCP
Acelera significativamente la primera instalación del servidor MCP
Evita fallos de instalación debidos a problemas de tiempo de espera en tu IDE o cliente MCP

Configuración

con npx con la última versión:

{
	"factifai": {
		"command": "npx",
		"args": ["--yes", "@presidio-dev/factifai-mcp-server@latest"],
		"env": {
			"MODEL_PROVIDER": "bedrock|openai",
			"OPENAI_API_KEY": "<your-openai-api-key>",
			"AWS_ACCESS_KEY_ID": "<your-aws-access-key-id>",
			"AWS_SECRET_ACCESS_KEY": "<your-aws-secret-access-key>",
			"AWS_DEFAULT_REGION": "<your-aws-region>"
		},
		"disabled": false,
		"autoApprove": []
	}
}

con npx con una versión específica:

{
	"factifai": {
		"command": "npx",
		"args": ["--yes", "@presidio-dev/factifai-mcp-server@1.2.3"],
		"env": {
			"MODEL_PROVIDER": "bedrock|openai",
			"OPENAI_API_KEY": "<your-openai-api-key>",
			"AWS_ACCESS_KEY_ID": "<your-aws-access-key-id>",
			"AWS_SECRET_ACCESS_KEY": "<your-aws-secret-access-key>",
			"AWS_DEFAULT_REGION": "<your-aws-region>"
		},
		"disabled": false,
		"autoApprove": []
	}
}

Variables de Entorno

Nombre de la Variable	Descripción
`MODEL_PROVIDER`	El proveedor de modelos a utilizar. (bedrock o openai)
`OPENAI_API_KEY`	La clave de API para el proveedor de modelos OpenAI
`AWS_ACCESS_KEY_ID`	El ID de clave de acceso de AWS para el proveedor de modelos Bedrock
`AWS_SECRET_ACCESS_KEY`	La clave de acceso secreta de AWS para el proveedor de modelos Bedrock
`AWS_DEFAULT_REGION`	La región predeterminada de AWS para el proveedor de modelos Bedrock

Ejemplos de Configuración del Proveedor de Modelos

Ejemplo de Configuración de Bedrock

{
	"factifai": {
		"command": "npx",
		"args": ["--yes", "@presidio-dev/factifai-mcp-server@latest"],
		"env": {
			"MODEL_PROVIDER": "bedrock",
			"AWS_ACCESS_KEY_ID": "<your-aws-access-key-id>",
			"AWS_SECRET_ACCESS_KEY": "<your-aws-secret-access-key>",
			"AWS_DEFAULT_REGION": "<your-aws-region>"
		},
		"disabled": false,
		"autoApprove": []
	}
}

Ejemplo de Configuración de OpenAI

{
	"factifai": {
		"command": "npx",
		"args": ["--yes", "@presidio-dev/factifai-mcp-server@latest"],
		"env": {
			"MODEL_PROVIDER": "openai",
			"OPENAI_API_KEY": "<your-openai-api-key>"
		},
		"disabled": false,
		"autoApprove": []
	}
}

Integración de Factifai MCP con IDE y extensiones populares

Consulta las instrucciones de configuración para cada uno

Instalar en Hai Build

Añade lo siguiente a tu archivo hai_mcp_settings.json. Para abrir este archivo desde Hai Build, haz clic en el icono "MCP Servers", selecciona la pestaña "Installed" y luego haz clic en "Configure MCP Servers".

Consulta la documentación de MCP de Hai Build para más información.

{
	"mcpServers": {
		"factifai": {
			"command": "npx",
			"args": ["-y", "@presidio-dev/factifai-mcp-server@latest"],
			"env": {
				"MODEL_PROVIDER": "bedrock|openai",
				"OPENAI_API_KEY": "<your-openai-api-key>",
				"AWS_ACCESS_KEY_ID": "<your-aws-access-key-id>",
				"AWS_SECRET_ACCESS_KEY": "<your-aws-secret-access-key>",
				"AWS_DEFAULT_REGION": "<your-aws-region>"
			}
		}
	}
}

Instalar en Amazon Q Developer

Añade lo siguiente a tu archivo de configuración de Amazon Q Developer. Consulta Configuración de MCP para Q Developer en el IDE para más detalles.

El archivo de configuración puede almacenarse globalmente en ~/.aws/amazonq/mcp.json para que esté disponible en todos tus proyectos, o localmente dentro de tu proyecto en .amazonq/mcp.json.

{
	"mcpServers": {
		"factifai": {
			"command": "npx",
			"args": ["-y", "@presidio-dev/factifai-mcp-server@latest"],
			"env": {
				"MODEL_PROVIDER": "bedrock|openai",
				"OPENAI_API_KEY": "<your-openai-api-key>",
				"AWS_ACCESS_KEY_ID": "<your-aws-access-key-id>",
				"AWS_SECRET_ACCESS_KEY": "<your-aws-secret-access-key>",
				"AWS_DEFAULT_REGION": "<your-aws-region>"
			}
		}
	}
}

Instalar en VS Code (Copilot)

Primero, habilita el soporte de MCP en VS Code abriendo Configuración (Ctrl+,), buscando mcp.enabled y marcando la casilla.

Luego, añade la siguiente configuración a tu archivo settings.json de usuario o espacio de trabajo. Consulta la documentación de MCP de VS Code para más información.

"mcp": {
  "servers": {
    "factifai": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "@presidio-dev/factifai-mcp-server@latest"],
      "env": {
        "MODEL_PROVIDER": "bedrock|openai",
        "OPENAI_API_KEY": "<your-openai-api-key>",
        "AWS_ACCESS_KEY_ID": "<your-aws-access-key-id>",
        "AWS_SECRET_ACCESS_KEY": "<your-aws-secret-access-key>",
        "AWS_DEFAULT_REGION": "<your-aws-region>"
      }
    }
  }
}

Instalar en Cursor

La forma más sencilla de instalar es con el botón de instalación con un solo clic que aparece a continuación.

Alternativamente, puedes configurar el servidor manualmente añadiendo lo siguiente a tu archivo mcp.json. Este archivo puede ubicarse globalmente en ~/.cursor/mcp.json o dentro de un proyecto específico en .cursor/mcp.json. Consulta la documentación de MCP de Cursor para más información.

{
	"mcpServers": {
		"factifai": {
			"command": "npx",
			"args": ["--yes", "@presidio-dev/factifai-mcp-server@latest"],
			"env": {
				"MODEL_PROVIDER": "bedrock|openai",
				"OPENAI_API_KEY": "<your-openai-api-key>",
				"AWS_ACCESS_KEY_ID": "<your-aws-access-key-id>",
				"AWS_SECRET_ACCESS_KEY": "<your-aws-secret-access-key>",
				"AWS_DEFAULT_REGION": "<your-aws-region>"
			}
		}
	}
}

Instalar en Windsurf

Añade lo siguiente a tu archivo ~/.codeium/windsurf/mcp_config.json. Consulta la documentación de MCP de Windsurf para más información.

{
	"mcpServers": {
		"factifai": {
			"command": "npx",
			"args": ["-y", "@presidio-dev/factifai-mcp-server@latest"],
			"env": {
				"MODEL_PROVIDER": "bedrock|openai",
				"OPENAI_API_KEY": "<your-openai-api-key>",
				"AWS_ACCESS_KEY_ID": "<your-aws-access-key-id>",
				"AWS_SECRET_ACCESS_KEY": "<your-aws-secret-access-key>",
				"AWS_DEFAULT_REGION": "<your-aws-region>"
			}
		}
	}
}

Instalar en Zed

Puedes añadir el servidor MCP de Factifai en Zed editando tu archivo settings.json (accesible mediante la acción zed: settings) o usando la interfaz de configuración del Panel de Agente (agent: open configuration). Consulta la documentación de MCP de Zed para más información.

Añade lo siguiente a tu settings.json:

{
	"context_servers": {
		"factifai": {
			"command": {
				"path": "npx",
				"args": ["-y", "@presidio-dev/factifai-mcp-server@latest"],
				"env": {
					"MODEL_PROVIDER": "bedrock|openai",
					"OPENAI_API_KEY": "<your-openai-api-key>",
					"AWS_ACCESS_KEY_ID": "<your-aws-access-key-id>",
					"AWS_SECRET_ACCESS_KEY": "<your-aws-secret-access-key>",
					"AWS_DEFAULT_REGION": "<your-aws-region>"
				}
			}
		}
	}
}

Herramientas Disponibles

Nombre de la Herramienta	Descripción
`testWithFactifai`	Iniciar una prueba con Factifai
`getFactifaiSessionResult`	Obtener el resultado de la prueba
`listFactifaiSessions`	Listar pruebas

Contribuciones

¡Agradecemos las contribuciones al Factifai MCP Server! Consulta nuestra Guía de Contribuciones para más información sobre cómo empezar.

Seguridad

Para obtener información sobre nuestra política de seguridad y cómo reportar vulnerabilidades de seguridad, consulta nuestra Política de Seguridad.

Licencia

Este proyecto está licenciado bajo la Licencia MIT: consulta el archivo LICENSE para más detalles.