WinDbg MCP：让 AI 编程助手拥有 Windows 内核级调试能力

场景切入：当 Cursor 的 AI 不再"瞎调"

想象这样一个场景：你的 Windows C++ 程序在生产环境崩溃了，生成了一份 2GB 的 .dmp 崩溃转储文件。传统调试流程是手动打开 WinDbg、附加进程、一条一条命令敲符号路径、追踪调用栈——没有半小时出不了门。

而现在，你可以在 Cursor 编辑器里直接问 AI："帮我分析一下这个崩溃转储，看看第 3 帧的寄存器状态和内存上下文"，Cursor 通过 MCP 协议调用 WinDbg MCP 工具，直接拿到结构化的调试数据，AI 能精准告诉你崩溃原因。

这就是 WinDbg MCP——一个将 Windows 调试器能力接入了 AI 编程工具的 MCP 服务器。

项目背景：为什么需要给调试器装上"MCP大脑"

WinDbg（Windows Debugger）是微软官方的调试工具，也是 Windows 平台内核级调试的事实标准。它能调试用户态进程、内核会话和崩溃转储文件，是 Windows 工程师解决疑难杂症的瑞士军刀。

但 WinDbg 有两个显著痛点：

命令行门槛极高：语法复杂，参数繁多，记忆成本大
无法与 AI 工具集成：Copilot、Cursor AI 等工具无法直接调用 WinDbg 的能力

MCP（Model Context Protocol）是由 Anthropic 主导的 AI 工具协议，让大模型可以调用外部工具。WinDbg MCP 的作者 Gengstah 敏锐地看到了这个机会——如果把 pybag（Python WinDbg 封装库）的所有能力通过 MCP 暴露出来，AI 就能"长出"调试 Windows 程序的能力。

核心功能：47 个调试工具，覆盖 Windows 调试全链路

WinDbg MCP 提供 47 个 MCP 工具，分为 11 个功能组：

功能组	工具数	典型工具	用途
会话管理	9	`create`, `attach`, `kernel_attach`, `load_dump`	连接/创建调试会话，包括内核调试和崩溃转储加载
执行控制	6	`go`, `step_into`, `step_over`, `goto`, `trace`	控制程序执行流，单步/运行/跳转
断点管理	6	`bp`, `hw_bp`, `list_bps`, `remove_bp`	设置软件/硬件断点，启用/禁用断点
内存操作	8	`read_mem`, `write_mem`, `dump_mem`, `mem_info`	读写进程内存，搜索内存区域
寄存器操作	5	`get_regs`, `get_pc`, `get_sp`, `set_reg`	读取/修改 CPU 寄存器
符号解析	5	`resolve`, `find_symbols`, `disasm`, `whereami`	解析函数符号，反汇编代码
模块查询	4	`list_modules`, `module_info`, `get_exports`	列出加载的 DLL/EXE，查看导出函数
线程分析	5	`list_threads`, `get_stack`, `get_teb`, `get_peb`	线程栈追踪，TEB/PEB 结构查询
进程信息	2	`get_handles`, `get_bitness`	获取句柄表，判断进程位数
状态捕获	3	`get_captures`, `clear_captures`, `capture_state`	快照调试状态
底层工具	1	`raw`	直接发送原始调试命令

所有工具通过标准 MCP stdio 协议通信，无需 HTTP 服务器，天然适合集成到 AI 编程工具中。

技术架构：极简但专业的 MCP 服务器

项目代码极简，仅 3 个文件：

windbg_mcp/
├── manifest.json   # MCP 清单，定义工具和入口点
├── windbg_mcp.py   # 核心服务器（~47KB），约 900 行
└── README.md       # 详细使用文档（~24KB）

核心依赖只有两个：

mcp：Anthropic 的 MCP Python SDK，提供 @mcp.tool 装饰器和 stdio 通信
pybag：Python 对 WinDbg dbgeng COM 接口的封装，暴露了完整的调试 API

代码使用 FastMCP 框架，通过 @mcp.tool() 装饰器将 pybag 的调试方法逐个暴露为 MCP 工具。值得注意的是，作者对 pybag 进行了 monkey-patch——修复了 CrashDbg.load_dump() 崩溃转储加载的一个上游 bug，这体现了作者的深度技术积累。

快速上手：三行命令接进 Claude/Cursor

前提条件（必须满足）：

Windows 10/11 系统
Python 3.10+
Microsoft Debugging Tools for Windows（WinDbg SDK）

安装步骤：

pip install pybag mcp

在 Claude Desktop 中配置： 在 claude_desktop_config.json 中添加：

{
  "mcpServers": {
    "windbg-mcp": {
      "command": "python",
      "args": ["C:\path\to\windbg-mcp\windbg_mcp.py"]
    }
  }
}

在 Cursor 中配置：

claude mcp add windbg-mcp python C:\path	o\windbg-mcp\windbg_mcp.py

配置完成后，AI 助手会自动感知 47 个可用调试工具，可以直接用自然语言发起调试指令。

局限性：没有银弹

WinDbg MCP 有几个必须正视的局限：

平台限制：pybag 和 WinDbg dbgeng 仅限 Windows，macOS 和 Linux 用户完全无法使用。这是底层 Windows API 的固有限制，无法绕开。

调试工具链笨重：pybag 需要独立安装 Microsoft Debugging Tools for Windows，完整安装包超过 1GB，环境配置成本较高，远不如 LLDB/GDB 那样开箱即用。

文档门槛高：README 长达 24KB，涵盖了大量调试器专业知识（断点类型、寄存器结构、符号路径），对没有 Windows 调试经验的开发者而言仍有较大上手难度。

License 未知：作者在 manifest.json 中声明了 MIT License，但 GitHub API 未返回 license 字段，存在许可证不明确的风险。

不支持 Docker 部署：项目没有提供 Dockerfile 或 docker-compose，无法容器化——这对于一个 Windows 原生工具来说几乎是必然的。

行业意义：AI 编程工具向底层系统能力的延伸

WinDbg MCP 代表了一个重要趋势：AI 编程工具正在从"代码补全"向"系统级推理"演进。

过去一年，我们看到了各种 MCP 服务器将 AI 与文件系统、数据库、API 连接。但 WinDbg MCP 是首个将 AI 与操作系统内核调试能力连接的案例。它意味着 AI 助手理论上可以：

帮你分析生产环境的崩溃转储
陪你一起调试 Windows 内核问题
在代码审查中直接检查二进制兼容性

这个方向的想象空间远不止于"调试"本身——它是 AI 走向系统级自主推理的重要一步。

项目链接：gengstah/windbg-mcp
License: MIT（待确认）
Stars: 86
最后更新: 2026-07-28

WinDbg MCP：让 AI 编程助手拥有 Windows 内核级调试能力

场景切入：当 Cursor 的 AI 不再"瞎调"

这就是 WinDbg MCP——一个将 Windows 调试器能力接入了 AI 编程工具的 MCP 服务器。

项目背景：为什么需要给调试器装上"MCP大脑"

但 WinDbg 有两个显著痛点：

命令行门槛极高：语法复杂，参数繁多，记忆成本大
无法与 AI 工具集成：Copilot、Cursor AI 等工具无法直接调用 WinDbg 的能力

核心功能：47 个调试工具，覆盖 Windows 调试全链路

WinDbg MCP 提供 47 个 MCP 工具，分为 11 个功能组：

功能组	工具数	典型工具	用途
会话管理	9	`create`, `attach`, `kernel_attach`, `load_dump`	连接/创建调试会话，包括内核调试和崩溃转储加载
执行控制	6	`go`, `step_into`, `step_over`, `goto`, `trace`	控制程序执行流，单步/运行/跳转
断点管理	6	`bp`, `hw_bp`, `list_bps`, `remove_bp`	设置软件/硬件断点，启用/禁用断点
内存操作	8	`read_mem`, `write_mem`, `dump_mem`, `mem_info`	读写进程内存，搜索内存区域
寄存器操作	5	`get_regs`, `get_pc`, `get_sp`, `set_reg`	读取/修改 CPU 寄存器
符号解析	5	`resolve`, `find_symbols`, `disasm`, `whereami`	解析函数符号，反汇编代码
模块查询	4	`list_modules`, `module_info`, `get_exports`	列出加载的 DLL/EXE，查看导出函数
线程分析	5	`list_threads`, `get_stack`, `get_teb`, `get_peb`	线程栈追踪，TEB/PEB 结构查询
进程信息	2	`get_handles`, `get_bitness`	获取句柄表，判断进程位数
状态捕获	3	`get_captures`, `clear_captures`, `capture_state`	快照调试状态
底层工具	1	`raw`	直接发送原始调试命令

所有工具通过标准 MCP stdio 协议通信，无需 HTTP 服务器，天然适合集成到 AI 编程工具中。

技术架构：极简但专业的 MCP 服务器

项目代码极简，仅 3 个文件：

windbg_mcp/
├── manifest.json   # MCP 清单，定义工具和入口点
├── windbg_mcp.py   # 核心服务器（~47KB），约 900 行
└── README.md       # 详细使用文档（~24KB）

核心依赖只有两个：

mcp：Anthropic 的 MCP Python SDK，提供 @mcp.tool 装饰器和 stdio 通信
pybag：Python 对 WinDbg dbgeng COM 接口的封装，暴露了完整的调试 API

快速上手：三行命令接进 Claude/Cursor

前提条件（必须满足）：

Windows 10/11 系统
Python 3.10+
Microsoft Debugging Tools for Windows（WinDbg SDK）

安装步骤：

pip install pybag mcp

在 Claude Desktop 中配置： 在 claude_desktop_config.json 中添加：

{
  "mcpServers": {
    "windbg-mcp": {
      "command": "python",
      "args": ["C:\path\to\windbg-mcp\windbg_mcp.py"]
    }
  }
}

在 Cursor 中配置：

claude mcp add windbg-mcp python C:\path	o\windbg-mcp\windbg_mcp.py

配置完成后，AI 助手会自动感知 47 个可用调试工具，可以直接用自然语言发起调试指令。

局限性：没有银弹

WinDbg MCP 有几个必须正视的局限：

平台限制：pybag 和 WinDbg dbgeng 仅限 Windows，macOS 和 Linux 用户完全无法使用。这是底层 Windows API 的固有限制，无法绕开。

调试工具链笨重：pybag 需要独立安装 Microsoft Debugging Tools for Windows，完整安装包超过 1GB，环境配置成本较高，远不如 LLDB/GDB 那样开箱即用。

License 未知：作者在 manifest.json 中声明了 MIT License，但 GitHub API 未返回 license 字段，存在许可证不明确的风险。

不支持 Docker 部署：项目没有提供 Dockerfile 或 docker-compose，无法容器化——这对于一个 Windows 原生工具来说几乎是必然的。

行业意义：AI 编程工具向底层系统能力的延伸

WinDbg MCP 代表了一个重要趋势：AI 编程工具正在从"代码补全"向"系统级推理"演进。

帮你分析生产环境的崩溃转储
陪你一起调试 Windows 内核问题
在代码审查中直接检查二进制兼容性

这个方向的想象空间远不止于"调试"本身——它是 AI 走向系统级自主推理的重要一步。

项目链接：gengstah/windbg-mcp
License: MIT（待确认）
Stars: 86
最后更新: 2026-07-28