Interactive Feedback MCP - 交互式反馈MCP服务器

🌐 Language / 語言切換: 简体中文 |English

一个强大的 MCP 服务器，在AI辅助开发工具如 Cursor 中实现无缝的人机协作工作流程。该服务器允许您运行命令、查看输出结果，并通过直观的图形界面直接向AI提供丰富的文本反馈。

✨ 核心特性

🚀 先进的用户界面

• 现代化Qt图形界面 - 直观设计和响应式布局

• 多语言支持 - 中英文界面即时切换

• 图片拖拽支持 - 自动压缩和Base64编码

• 智能按钮布局 - 自适应屏幕尺寸和用户偏好

• 工具菜单集成 - 有序组织的系统维护功能

🎯 智能快捷响应系统

• 预配置响应按钮 - 覆盖常见开发工作流程

• RIPER-5协议集成 - (研究 → 创新 → 计划 → 执行 → 审查)

• 可自定义快捷操作 - 支持拖拽重新排序

• 项目特定配置 - 记住您的偏好设置

• 智能MCP调用 - 智能判断何时需要请求反馈

🔧 强大的命令执行

• 跨平台命令执行 - 实时输出流传输

• 自动执行模式 - 适用于重复性工作流程

• 进程管理 - 启动/停止控制和状态监控

• 命令历史 - 每个项目的命令持久化

• 控制台输出 - 语法高亮和滚动支持

🖼️ 高级图片处理

• 剪贴板图片支持 - Ctrl+V粘贴功能

• 多种图片格式 - PNG、JPG、JPEG、GIF、BMP、WebP

• 智能压缩 - 可配置的目标大小（30KB-100KB）

• Base64传输 - 直接AI图像识别

• 临时文件管理 - 自动清理功能

⚙️ 专业配置管理

• 项目特定设置 - 使用Qt QSettings安全存储

• 按钮自定义 - 尺寸、可见性和内容控制

• 性能优化 - 布局缓存和批量更新

• 备份和恢复 - 配置管理功能

• 主题和布局 - 持久化存储偏好设置

💡 为什么使用这个工具？

通过引导助手与用户确认而不是分支到投机性的高成本工具调用，该模块可以大幅减少像Cursor这样的平台上的高级请求数量（例如OpenAI工具调用）。在某些情况下，它帮助将原本多达25个工具调用合并为单个具有反馈感知的请求——节省资源并提高性能。

性能优势

• 降低API成本 - 通过最小化不必要的工具调用

• 提高准确性 - 在关键决策点进行人工验证

• 增强生产力 - 通过简化的反馈工作流程

• 更好的协作 - AI和人类开发者之间的配合

🎮 使用方法

基本工作流程

1. 启动界面 - 当AI助手调用时启动

2. 查看摘要 - 审查AI已完成的工作

3. 使用快捷响应按钮 - 处理常见反馈场景：

   • ✅ 看起来不错 - 批准当前工作

   • 🔧 需要小调整 - 请求轻微修改

   • 📋 完成所有清单 - 执行剩余任务

   • 🎯 智能执行清单 - 智能处理剩余项目

高级功能

🔍 RIPER-5 协议工作流程

系统包含用于系统性问题解决的专用按钮：

• 🔍 深度分析问题 - 深度分析模式和系统性分解

• 💡 创新解决方案 - 头脑风暴多种方法并评估选项

• 📋 制定实施计划 - 生成详细的实施计划和审查检查点

• ⚡ 执行计划步骤 - 按计划执行，带有交互反馈

• 🎯 验证最终结果 - 根据需求进行全面验证

🖼️ 图片集成

1. 拖拽图片 - 直接拖入界面或使用Ctrl+V粘贴截图

2. 配置传输选项 - 启用Base64进行AI识别

3. 调整压缩设置 - 选择目标大小以获得最佳性能

4. 发送前预览 - 使用缩略图预览功能

⚙️ 自定义选项

1. 编辑快捷按钮 - 点击⚙️按钮自定义响应

2. 工具菜单 - 访问系统功能，如临时文件清理

3. 语言切换 - 在中英文界面之间切换

4. 布局偏好 - 调整按钮大小和窗口布局

命令执行功能

• 切换命令区域 - 显示/隐藏命令执行面板

• 自动执行模式 - 启用启动时自动命令运行

• 实时输出 - 查看命令执行结果

• 进程控制 - 启动、停止和监控运行中的进程

📋 提示词工程

为了获得最佳效果，请将以下内容添加到您的AI助手自定义提示中任意一种：

示例1：

示例2：

配套当前mcp的cursor提示词：RIPER-5-cursor-rule

这确保您的AI助手有效使用MCP服务器并遵循结构化的问题解决方法。

🔧 配置

此MCP服务器使用Qt的QSettings在每个项目基础上存储配置，包括：

存储的设置

• 命令偏好 - 每个项目的默认命令

• 执行设置 - 自动执行偏好和命令历史

• UI偏好 - 窗口几何、按钮可见性、语言选择

• 快捷响应自定义 - 自定义按钮、大小和排列

• 图片处理设置 - 压缩偏好和传输选项

• 性能设置 - 布局缓存和更新偏好

存储位置

设置存储在特定于平台的位置：

• Windows: 注册表 HKEY_CURRENT_USER\Software\InteractiveFeedbackMCP\InteractiveFeedbackMCP

• macOS: ~/Library/Preferences/com.InteractiveFeedbackMCP.InteractiveFeedbackMCP.plist

• Linux: ~/.config/InteractiveFeedbackMCP/InteractiveFeedbackMCP.conf

配置组织结构

• 全局设置: 窗口几何、语言偏好等通用UI设置存储在MainWindow_General组中

• 项目特定设置: 每个项目根据其目录路径哈希获得唯一的配置组，格式为Project_{项目名}_{目录哈希}

• 基础传输设置: Base64传输配置等全局功能设置直接存储在根级别

配置隔离机制

系统通过以下方式确保不同项目的配置互不干扰：

1. 目录哈希: 使用项目目录的MD5哈希值生成唯一标识符

2. 组分离: 不同项目的设置存储在独立的配置组中

3. 回退机制: 项目特定设置优先，未设置时使用全局默认值

存储的具体配置项

每个项目配置组包含以下设置：

• run_command: 项目的默认执行命令

• execute_automatically: 是否自动执行命令

• suffix_mode: 反馈后缀模式（force/smart/none）

• button_size: 按钮大小设置（small/medium/large/custom）

• custom_button_width/height: 自定义按钮尺寸

• visible_buttons: 可见快捷按钮列表

• language: 界面语言设置

• use_base64_transmission: 是否启用Base64图片传输

• base64_target_size_kb: Base64传输的目标文件大小

• commandSectionVisible: 命令区域是否可见

• quick_responses: 自定义快捷响应按钮配置

配置文件示例

在Linux系统上，配置文件内容类似：

🚀 安装

前置要求

• Python 3.11 或更新版本

• uv (Python包管理器)

  • Windows: pip install uv

  • Linux/Mac: curl -LsSf https://astral.sh/uv/install.sh | sh

安装步骤

1. 克隆仓库：

   git clone https://github.com/liaosiqian/interactive-feedback-mcp.git cd interactive-feedback-mcp

2. 安装依赖：

   uv venv uv sync --index-url https://pypi.tuna.tsinghua.edu.cn/simple

与AI工具集成

Cursor 配置

添加到您的 mcp.json 配置文件：

重要提醒： 将 /path/to/interactive-feedback-mcp 替换为您克隆仓库的实际路径。

Cline / Windsurf 配置

在相应工具的MCP设置中使用类似的配置原理，指定 interactive-feedback-mcp 作为服务器标识符。

🛠️ 开发

开发模式

使用Web界面运行服务器进行测试：

这会打开一个用于测试MCP工具交互的Web界面。

项目结构

架构亮点

• 模块化设计 - 清晰的关注点分离

• 基于Qt的UI - 现代设计模式

• 性能优化 - 包括布局缓存和批量更新

• 全面的国际化 - 支持多语言

• 健壮的错误处理 - 优雅降级

🔨 可用工具

interactive_feedback

用于请求用户反馈的主要工具，包含丰富的上下文。

使用示例：

参数：

• project_directory (字符串): 当前项目目录的路径

• summary (字符串): 已完成工作或问题的简要描述

返回值：

• logs (字符串): 任何执行命令的控制台输出

• interactive_feedback (字符串): 用户的文本反馈和指示

🎯 最佳实践

对于AI助手

1. 始终提供上下文 - 在摘要参数中提供详细信息

2. 使用特定的项目目录 - 确保配置隔离正确

3. 等待用户反馈 - 在进行重大更改之前

4. 利用快捷响应按钮 - 通过提及其可用性

5. 遵循RIPER-5协议 - 进行系统性问题解决

对于用户

1. 自定义快捷按钮 - 针对您最常见的响应

2. 使用图片功能 - 提供视觉反馈和示例

3. 配置项目特定设置 - 适应不同的工作流程

4. 保持临时文件清洁 - 使用工具菜单清理选项

5. 根据需要切换语言 - 适用于国际协作

性能技巧

1. 启用自动执行 - 适用于重复性命令工作流程

2. 谨慎使用Base64传输 - 对于大图片

3. 自定义按钮布局 - 匹配您的屏幕尺寸

4. 利用工具菜单 - 保持界面有序

🌟 致谢与联系

本项目最初由 Fábio Ferreira (@fabiomlferreira) 开发。

RIPER-5-cursor-rule.txt 原始版本来源于 煎饼果子(86)大佬整理

📄 许可证

这个项目是开源的。请参考许可证文件了解详情。

🚀 贡献

欢迎贡献！请随时提交问题、功能请求或拉取请求来改进这个工具。

📚 功能详细说明

🎨 界面自定义

• 按钮大小调整 - 小号(100x30)、中号(120x40)、大号(150x45)或自定义尺寸

• 语言切换 - 运行时即时在中英文之间切换

• 布局适配 - 自动适应不同屏幕尺寸和分辨率

• 主题保存 - 记住窗口大小、位置和用户偏好

🔄 工作流程集成

• RIPER-5协议 - 结构化的五阶段问题解决方法

• 检查清单管理 - 智能执行和进度跟踪

• 项目配置隔离 - 每个项目独立的设置和历史

• 自动化脚本 - 支持重复性任务的自动执行

🖥️ 命令行集成

• 实时进程监控 - 查看命令执行状态和输出

• 跨平台兼容 - Windows、macOS、Linux全平台支持

• 错误处理 - 优雅处理命令失败和异常情况

• 输出格式化 - 语法高亮和可读性优化

📊 性能监控

• UI响应优化 - 批量更新减少界面卡顿

• 内存使用监控 - 智能缓存管理

• 网络传输优化 - 图片压缩和传输效率

• 调试统计 - 性能指标收集和分析

这个工具设计用于提升AI辅助开发的效率和准确性，通过人机协作实现更好的开发体验。