대화형 피드백 MCP

Fábio Ferreira( @fabiomlferreira )가 개발했습니다. 더 많은 AI 개발 개선 사항을 보려면 dotcursorrules.com을 확인하세요.

Cursor 와 같은 AI 지원 개발 도구에서 Human-In-The-Loop 워크플로를 구현하는 간단한 MCP 서버입니다 . 이 서버를 사용하면 명령을 실행하고, 출력을 확인하고, AI에 직접 텍스트 피드백을 제공할 수 있습니다. Cline 및 Windsurf 와도 호환됩니다.

신속한 엔지니어링

최상의 결과를 얻으려면 AI 어시스턴트의 사용자 지정 프롬프트에 다음을 추가하세요. 규칙에 추가하거나 프롬프트에 직접 추가해야 합니다(예: 커서).

질문이 있을 때는 언제나 MCP interactive_feedback 으로 전화하세요.
사용자 요청을 완료하려고 할 때마다 프로세스를 종료하는 대신 MCP interactive_feedback 호출하세요. 피드백이 비어 있는 경우 요청을 종료하고 MCP in loop를 호출하지 않아도 됩니다.

이렇게 하면 AI 비서가 작업을 완료로 표시하기 전에 이 MCP 서버를 사용하여 사용자 피드백을 요청하게 됩니다.

💡 왜 이걸 사용해야 하나요?

이 모듈은 어시스턴트가 추측적이고 비용이 많이 드는 도구 호출로 확장하는 대신 사용자와 소통하도록 안내함으로써 Cursor와 같은 플랫폼에서 유료 요청(예: OpenAI 도구 호출) 수를 대폭 줄일 수 있습니다. 경우에 따라 최대 25개에 달할 수 있는 도구 호출을 피드백 기반 단일 요청으로 통합하여 리소스를 절약하고 성능을 향상시킵니다.

구성

이 MCP 서버는 Qt의 QSettings 사용하여 프로젝트별로 구성을 저장합니다. 여기에는 다음이 포함됩니다.

실행할 명령입니다.
해당 프로젝트를 다음에 시작할 때 명령을 자동으로 실행할지 여부("다음 실행 시 자동으로 실행" 체크박스 참조).
명령 섹션의 가시성 상태(표시/숨김)(전환 시 즉시 저장됨).
창의 기하학 및 상태(일반 UI 기본 설정)

이러한 설정은 일반적으로 플랫폼별 위치(예: Windows의 레지스트리, macOS의 plist 파일, Linux의 ~/.config 또는 ~/.local/share 에 있는 구성 파일)에 "FabioFerreira"라는 조직 이름과 "InteractiveFeedbackMCP"라는 애플리케이션 이름으로 저장되며, 각 프로젝트 디렉터리에 대해 고유한 그룹이 있습니다.

UI의 "구성 저장" 버튼은 주로 명령 입력 필드에 입력된 현재 명령과 활성 프로젝트의 "다음 실행 시 자동 실행" 체크박스 상태를 저장합니다. 명령 섹션의 표시 여부는 토글 시 자동으로 저장됩니다. 일반적인 창 크기와 위치는 애플리케이션을 닫을 때 저장됩니다.

설치(커서)

필수 조건:
- Python 3.11 이상.
- uv (Python 패키지 관리자). 다음을 사용하여 설치하세요.
  - 윈도우: pip install uv
  - Linux/Mac: curl -LsSf https://astral.sh/uv/install.sh | sh
코드를 받으세요:
- 이 저장소를 복제하세요: git clone https://github.com/noopstudios/interactive-feedback-mcp.git
- 또는 소스 코드를 다운로드하세요.
디렉토리로 이동합니다:
- cd path/to/interactive-feedback-mcp
종속성 설치:
- uv sync (가상 환경을 생성하고 패키지를 설치함)
MCP 서버를 실행합니다.
- uv run server.py
커서에서 구성:
- Cursor는 일반적으로 설정에서 사용자 지정 MCP 서버를 지정할 수 있습니다. Cursor가 실행 중인 서버를 가리키도록 설정해야 합니다. 정확한 메커니즘은 다를 수 있으므로 사용자 지정 MCP 추가에 대한 자세한 내용은 Cursor 설명서를 참조하세요.
- 수동 구성(예: mcp.json 을 통해) /Users/fabioferreira/Dev/scripts/interactive-feedback-mcp 경로를 시스템에서 저장소를 복제한 실제 경로로 변경하는 것을 잊지 마세요.지엑스피1
- Cursor에서 구성할 때 interactive-feedback-mcp 와 같은 서버 식별자를 사용할 수 있습니다.

클라인/윈드서핑용

유사한 설정 원칙이 적용됩니다. 각 도구의 MCP 설정에서 서버 명령(예: uv run server.py 프로젝트 디렉터리를 가리키는 올바른 --directory 인수 사용)을 구성하고, 서버 식별자로 interactive-feedback-mcp 사용합니다.

개발

테스트를 위해 웹 인터페이스를 사용하여 개발 모드에서 서버를 실행하려면:

uv run fastmcp dev server.py

이렇게 하면 웹 인터페이스가 열리고 테스트를 위해 MCP 도구와 상호 작용할 수 있습니다.

사용 가능한 도구

AI 어시스턴트가 interactive_feedback 도구를 호출하는 방법의 예는 다음과 같습니다.

<use_mcp_tool>
  <server_name>interactive-feedback-mcp</server_name>
  <tool_name>interactive_feedback</tool_name>
  <arguments>
    {
      "project_directory": "/path/to/your/project",
      "summary": "I've implemented the changes you requested and refactored the main module."
    }
  </arguments>
</use_mcp_tool>

감사의 말 및 연락처

이 대화형 피드백 MCP가 유용하다고 생각되시면 감사의 마음을 표현하는 가장 좋은 방법은 X에서 Fábio Ferreira @fabiomlferreira 를 팔로우하는 것입니다.

질문이나 제안이 있으시거나, 사용 방법을 공유하고 싶으시다면 언제든지 X로 문의해주세요!

또한, AI 지원 개발 워크플로를 개선하는 데 도움이 되는 더 많은 리소스를 보려면 dotcursorrules.com을 확인하세요.

Interactive Feedback MCP

Integrations