WinDbg MCP

Ein MCP (Model Context Protocol)-Server, der jede pybag Windows-Debugger-Funktion als natives MCP-Tool bereitstellt. Er gibt jedem MCP-kompatiblen Client (Claude Desktop, Claude Code, Cowork, OpenAI Codex CLI, Cursor und benutzerdefinierten Agenten) die volle Kontrolle über User-Mode-Prozesse, Kernel-Sitzungen und Absturzspeicheranalyse – alles durch typisierte Werkzeugaufrufe mit strukturierten JSON-Antworten.

---

Voraussetzungen

• Nur Windows — pybag erfordert die Microsoft-Debugging-Tools für Windows
• Python 3.10+
• Microsoft-Debugging-Tools für Windows (Teil des Windows SDK)

---

Installation

1. Repository klonen```bat

git clone https://github.com/your-username/windbg-mcp.git cd windbg-mcp

### 2. Python-Abhängigkeiten installieren```bat
pip install pybag mcp

3. Installieren der Microsoft-Debugging-Tools

Laden Sie das Windows SDK herunter und wählen Sie Debugging Tools for Windows während der Installation aus: https://developer.microsoft.com/en-us/windows/downloads/windows-sdk/

---

Verbinden mit LLM-IDEs und Clients

Der Server läuft als lokaler stdio-Prozess. Alle unten aufgeführten Clients starten ihn auf dieselbe Weise — python <path-to>/windbg_mcp.py — aber jeder hat sein eigenes Konfigurationsformat.

---

Claude Desktop

Bearbeiten Sie die Claude Desktop-Konfigurationsdatei und fügen Sie den windbg-mcp-Eintrag hinzu:

Speicherort der Konfigurationsdatei:

• Windows: %APPDATA%\Claude\claude_desktop_config.json
• macOS: `~/Library/Application Support/Claude/claude_desktop_config.json````json { "mcpServers": { "windbg-mcp": { "command": "python", "args": ["C:\path\to\windbg-mcp\windbg_mcp.py"] } } }

Starten Sie Claude Desktop neu. Alle 55 Debugger-Tools werden automatisch angezeigt.

---

### Claude Code (CLI)

Führen Sie den folgenden Befehl einmal aus, um den Server zu registrieren. Claude Code speichert den Eintrag in seiner eigenen MCP-Konfiguration und stellt die Tools in jeder nachfolgenden Sitzung zur Verfügung.```bash
claude mcp add windbg-mcp python C:\path\to\windbg-mcp\windbg_mcp.py

Um zu überprüfen, ob der Server registriert wurde:```bash claude mcp list

Um es später zu entfernen:```bash
claude mcp remove windbg-mcp

---

Claude Cowork

Es gibt zwei Möglichkeiten, WinDbg MCP zu Cowork hinzuzufügen: über JSON-Konfiguration (schnell) oder durch Installation als .mcpb-Plugin-Bundle (portabel, teilbar).

Option A — JSON-Konfiguration

1. Öffnen Sie die Claude-Desktop-App und gehen Sie zu Einstellungen → MCP-Server.
2. Klicken Sie auf Server hinzufügen und fügen Sie Folgendes ein:```json { "windbg-mcp": { "command": "python", "args": ["C:\path\to\windbg-mcp\windbg_mcp.py"] } }

3. Speichern und starten Sie Cowork neu. Die Tools sind in Ihrer nächsten Sitzung verfügbar.

#### Option B — Installation als `.mcpb` Plugin-Bundle

Eine `.mcpb`-Datei ist ein Zip-Archiv des Plugin-Verzeichnisses, die Cowork direkt installieren kann. Dies ist die empfohlene Vorgehensweise, wenn Sie den Server mit einem Team oder auf mehreren Rechnern teilen.

**Schritt 1 — Erstellen Sie die `.mcpb`-Datei**

Führen Sie vom Stammverzeichnis des geklonten Repositorys aus:```bat
powershell -Command "Compress-Archive -Path '.\*' -DestinationPath 'windbg-mcp.zip'; Rename-Item 'windbg-mcp.zip' 'windbg-mcp.mcpb'"

Dies erstellt windbg-mcp.mcpb im aktuellen Verzeichnis und bündelt windbg_mcp.py, manifest.json sowie alle anderen Projektdateien.

Schritt 2 — Installieren in Cowork

1. Öffnen Sie die Claude-Desktop-App.
2. Gehen Sie zu Einstellungen → Plugins (oder Erweiterungen).
3. Klicken Sie auf Plugin installieren und wählen Sie windbg-mcp.mcpb aus.
4. Cowork liest manifest.json aus dem Bundle, registriert den MCP-Server und stellt alle Werkzeuge sofort zur Verfügung — keine manuelle Pfadkonfiguration erforderlich.

Die manifest.json in diesem Repository ist bereits korrekt konfiguriert:```json { "manifest_version": "0.2", "name": "windbg-mcp", "version": "1.0.0", "description": "WinDbg MCP — full Windows debugger control via MCP tools", "server": { "type": "python", "entry_point": "windbg_mcp.py", "mcp_config": { "command": "python", "args": ["${__dirname}/windbg_mcp.py"] } } }

`${__dirname}` wird zur Installationszeit in das Verzeichnis aufgelöst, in das Cowork das Bundle entpackt hat, sodass Sie keine Pfade fest codieren müssen.

---

### OpenAI Codex CLI

Fügen Sie den Server zu Ihrer Codex CLI-Konfigurationsdatei hinzu. Die Datei befindet sich normalerweise unter `~/.codex/config.json` (Linux/macOS) oder `%USERPROFILE%\.codex\config.json` (Windows).```json
{
  "mcpServers": {
    "windbg-mcp": {
      "command": "python",
      "args": ["C:\\path\\to\\windbg-mcp\\windbg_mcp.py"]
    }
  }
}

Sobald gespeichert, starten Sie eine neue Codex-Sitzung. Die WinDbg-Tools stehen dem Modell zum Aufruf zur Verfügung.

---

Cursor

1. Öffnen Sie Cursor → Preferences → Cursor Settings.
2. Navigieren Sie zum MCP-Tab.
3. Klicken Sie auf Add new global MCP server und verwenden Sie diese Konfiguration:```json { "windbg-mcp": { "command": "python", "args": ["C:\path\to\windbg-mcp\windbg_mcp.py"] } }

4. Speichern. Cursor stellt bei der nächsten Composer-Sitzung eine Verbindung zum Server her.

---

### Continue.dev

Fügen Sie Folgendes zu Ihrer `~/.continue/config.json` (oder zur Arbeitsbereichs-`.continue/config.json`) hinzu:```json
{
  "experimental": {
    "modelContextProtocolServers": [
      {
        "transport": {
          "type": "stdio",
          "command": "python",
          "args": ["C:\\path\\to\\windbg-mcp\\windbg_mcp.py"]
        }
      }
    ]
  }
}

Laden Sie die Continue-Erweiterung neu. Die 55 Debugger-Tools erscheinen in der Tool-Liste.

---

Benutzerdefinierte Agents und das MCP SDK

Wenn Sie Ihren eigenen Agenten oder Ihre eigene Automatisierungspipeline entwickeln, verbinden Sie sich über den standardmäßigen MCP stdio-Transport mit WinDbg MCP. Der Server spricht JSON-RPC 2.0 über stdin/stdout.

Python (mit dem mcp SDK)```python

import asyncio from mcp import ClientSession, StdioServerParameters from mcp.client.stdio import stdio_client

server_params = StdioServerParameters( command="python", args=[r"C:\path\to\windbg-mcp\windbg_mcp.py"], )

async def main(): async with stdio_client(server_params) as (read, write): async with ClientSession(read, write) as session: await session.initialize()

        # List all available tools
        tools = await session.list_tools()
        print([t.name for t in tools.tools])

        # Load a crash dump
        result = await session.call_tool(
            "load_dump",
            arguments={"path": r"C:\crashes\crash.dmp"},
        )
        print(result.content)

        # Read 64 bytes at RSP
        result = await session.call_tool(
            "read_mem",
            arguments={"addr": "0x00000000001FF000", "size": 64},
        )
        print(result.content)

asyncio.run(main())

#### TypeScript / Node.js (unter Verwendung des `@modelcontextprotocol/sdk` Pakets)```typescript
import { Client } from "@modelcontextprotocol/sdk/client/index.js";
import { StdioClientTransport } from "@modelcontextprotocol/sdk/client/stdio.js";

const transport = new StdioClientTransport({
  command: "python",
  args: ["C:\\path\\to\\windbg-mcp\\windbg_mcp.py"],
});

const client = new Client({ name: "my-agent", version: "1.0.0" }, {});
await client.connect(transport);

// Call a tool
const result = await client.callTool({
  name: "load_dump",
  arguments: { path: "C:\\crashes\\crash.dmp" },
});
console.log(result.content);