mowan-mcp-feedback（交互反馈 MCP）

基于： Fábio Ferreira 的 interactive-feedback-mcp ⭐ 和 Minidoracat 的 mcp-feedback-enhanced UI 设计参考： sanshao85/mcp-feedback-collector

当前仓库为二次改造版本，已切换到你自己的 GitHub 仓库与 PyPI 发布链路，同时继续保留上游来源说明和 MIT 许可证。

🎯 核心概念

这是一个 MCP 服务器，建立反馈导向的开发工作流程，提供 Web UI 界面，完美适配本地、SSH 远程开发环境与 WSL (Windows Subsystem for Linux) 环境。通过引导 AI 与用户确认而非进行推测性操作，可将多次工具调用合并为单次反馈导向请求，大幅节省平台成本并提升开发效率。

支持平台： Cursor | Cline | Windsurf | Augment | Trae

🔄 工作流程

1. AI 调用 → mowan-mcp-feedback 工具

2. 界面启动 → 自动打开浏览器界面

3. 智能交互 → 提示词选择、文字输入、图片上传、自动提交

4. 即时反馈 → WebSocket 连接即时传递信息给 AI

5. 会话追踪 → 自动记录会话历史与统计

6. 流程继续 → AI 根据反馈调整行为或结束任务

Related MCP server: Enhanced Interactive Feedback MCP Server

🌟 主要功能

说明：下文如果出现 v2.x，指的是上游功能最早引入的版本号；本仓库当前从 1.0.0 开始重新编号。

🌐 Web UI 界面

• 轻量级浏览器界面：无需额外 GUI 依赖，适合各种环境

• 环境自动检测：智能识别 SSH Remote、WSL 等特殊环境

• 跨平台支持：Windows、macOS、Linux 全平台兼容

📝 智能工作流程

• 提示词管理：常用提示词的 CRUD 操作、使用统计、智能排序

• 自动定时提交：1-86400 秒弹性计时器，支持暂停、恢复、取消，新增暂停/开始按钮控制

• 自动执行命令（v2.6.0）：新建会话和提交后可自动执行预设命令，提升开发效率

• 会话管理追踪：本地文件存储、隐私控制、历史导出（支持 JSON、CSV、Markdown 格式）、即时统计、弹性超时设定

• 连接监控：WebSocket 状态监控、自动重连、品质指示

• AI 工作摘要 Markdown 显示：支持丰富的 Markdown 语法渲染，包含标题、粗体、代码区块、列表、链接等格式，提升内容可读性

🎨 现代化体验

• 响应式设计：适配不同屏幕尺寸，模块化 JavaScript 架构

• 音效通知：内建多种音效、支持自定义音效上传、音量控制

• 系统通知（v2.6.0）：重要事件（如自动提交、会话超时等）的系统级即时提醒

• 智能记忆：输入框高度记忆、一键复制、设置持久化

• 多语言支持：简体中文、英文、繁体中文，即时切换

🖼️ 图片与媒体

• 全格式支持：PNG、JPG、JPEG、GIF、BMP、WebP

• 便捷上传：拖拽文件、剪贴板粘贴（Ctrl+V）

• 无限制处理：支持任意大小图片，自动智能处理

🌐 界面预览

Web UI 界面

Web UI 界面 - 提供提示词管理、自动提交、会话追踪等智能功能

快捷键支持

• Ctrl+Enter（Windows/Linux）/ Cmd+Enter（macOS）：提交反馈（主键盘与数字键盘皆支持）

• Ctrl+V（Windows/Linux）/ Cmd+V（macOS）：直接粘贴剪贴板图片

• Ctrl+I（Windows/Linux）/ Cmd+I（macOS）：快速聚焦输入框 (感谢 @penn201500)

🚀 快速开始

1. 安装与测试

# 安装 uv（如果尚未安装）
pip install uv

2. 配置 MCP

基本配置（适合大多数用户）：

{
  "mcpServers": {
    "mowan-feedback": {
      "command": "uvx",
      "args": ["mowan-mcp-feedback"],
      "timeout": 600,
      "autoApprove": ["interactive_feedback"]
    }
  }
}

进阶配置（需要自定义环境）：

{
  "mcpServers": {
    "mowan-feedback": {
      "command": "uvx",
      "args": ["mowan-mcp-feedback"],
      "timeout": 600,
      "env": {
        "MCP_DEBUG": "false",
        "MCP_WEB_HOST": "127.0.0.1",
        "MCP_WEB_PORT": "8765",
        "MCP_LANGUAGE": "zh-CN"
      },
      "autoApprove": ["interactive_feedback"]
    }
  }
}

3. 快捷使用

安装并配置完成后，在 Cursor 中输入以下命令即可启动交互反馈：

/user-mowan-feedback/chat

AI 会自动调用 interactive_feedback 工具，打开 Web UI 并等待你的反馈。

提示：为获得最佳效果，建议在 AI 助手的规则中添加：

注意在任务完成前根据 mowan-mcp-feedback 工具的要求进行工具调用

⚙️ 高级设置

环境变量

MCP_WEB_HOST 说明：

• 127.0.0.1（默认）：仅本地访问，安全性较高

• 0.0.0.0：允许远程访问，适用于 SSH 远程开发环境

MCP_LANGUAGE 说明：

• 用于强制指定界面语言，覆盖系统自动检测

• 支持的语言代码：

  • zh-TW：繁体中文

  • zh-CN：简体中文

  • en：英文

• 语言检测优先顺序：

  1. 用户在界面中保存的语言设置（最高优先级）

  2. MCP_LANGUAGE 环境变量

  3. 系统环境变量（LANG、LC_ALL 等）

  4. 系统默认语言

  5. 回退到默认语言（繁体中文）

测试选项

# 版本查询
uvx mowan-mcp-feedback version       # 检查版本

# 界面测试
uvx mowan-mcp-feedback test --web    # 测试 Web UI (自动持续运行)

# 调试模式
MCP_DEBUG=true uvx mowan-mcp-feedback test

# 指定语言测试
MCP_LANGUAGE=en uvx mowan-mcp-feedback test --web    # 强制使用英文界面
MCP_LANGUAGE=zh-TW uvx mowan-mcp-feedback test --web  # 强制使用繁体中文
MCP_LANGUAGE=zh-CN uvx mowan-mcp-feedback test --web  # 强制使用简体中文

开发者安装

git clone https://github.com/limowan/mowan-mcp-feedback.git
cd mowan-mcp-feedback
uv sync

本地测试方式

# 功能测试
make test-func                                           # 标准功能测试
make test-web                                            # Web UI 测试 (持续运行)

# 或直接使用指令
uv run python -m mcp_feedback_enhanced test              # 标准功能测试
uvx --no-cache --with-editable . mowan-mcp-feedback test --web   # Web UI 测试 (持续运行)

# 单元测试
make test                                                # 运行所有单元测试
make test-fast                                          # 快速测试 (跳过慢速测试)
make test-cov                                           # 测试并生成覆盖率报告

# 代码质量检查
make check                                              # 完整代码质量检查
make quick-check                                        # 快速检查并自动修复

测试说明

• 功能测试：测试 MCP 工具的完整功能流程

• 单元测试：测试各个模块的独立功能

• 覆盖率测试：生成 HTML 覆盖率报告到 htmlcov/ 目录

• 质量检查：包含 linting、格式化、类型检查

🆕 版本更新记录

📋 完整版本更新记录： RELEASE_NOTES/CHANGELOG.zh-CN.md

当前版本系列亮点（v1.0.x）

• 🎨 新增浅色主题：保留深色主题，同时新增白色/浅色皮肤切换

• 📦 发布名统一：对外统一使用 mowan-mcp-feedback 作为包名和命令名

• 🔄 发布链路打通：已接入 GitHub Actions + PyPI Trusted Publishing 自动发布

• 🧩 业务逻辑保持稳定：本次以命名整理、主题增强、发布链路为主，不改核心反馈流程

🐛 常见问题

🌐 SSH Remote 环境问题

Q: SSH Remote 环境下浏览器无法启动或无法访问 A: 提供两种解决方案：

方案一：环境变量设置（v2.5.5 推荐） 在 MCP 配置中设置 "MCP_WEB_HOST": "0.0.0.0" 允许远程访问：

{
  "mcpServers": {
    "mowan-feedback": {
      "command": "uvx",
      "args": ["mowan-mcp-feedback"],
      "timeout": 600,
      "env": {
        "MCP_WEB_HOST": "0.0.0.0",
        "MCP_WEB_PORT": "8765"
      },
      "autoApprove": ["interactive_feedback"]
    }
  }
}

然后在本地浏览器打开：http://[远程主机IP]:8765

方案二：SSH 端口转发（传统方法）

1. 使用默认配置（MCP_WEB_HOST: 127.0.0.1）

2. 设置 SSH 端口转发：

   • VS Code Remote SSH: 按 Ctrl+Shift+P → "Forward a Port" → 输入 8765

   • Cursor SSH Remote: 手动添加端口转发规则（端口 8765）

3. 在本地浏览器打开：http://localhost:8765

详细解决方案请参考：SSH Remote 环境使用指南

Q: 为什么没有接收到 MCP 新的反馈？ A: 可能是 WebSocket 连接问题。解决方法：直接重新刷新浏览器页面。

Q: 为什么没有调用出 MCP？ A: 请确认 MCP 工具状态为绿灯。解决方法：反复开关 MCP 工具，等待几秒让系统重新连接。

Q: Augment 无法启动 MCP A: 解决方法：完全关闭并重新启动 VS Code 或 Cursor，重新打开项目。

🔧 一般问题

Q: 如何使用旧版 PyQt6 GUI 界面？ A: 上游在 v2.4.0 已完全移除 PyQt6 GUI 依赖。如需使用旧版 GUI，请改用上游历史包：uvx gl-mcp-feedback@2.3.0 注意：旧版本不包含新功能（提示词管理、自动提交、会话管理、桌面应用程序等）。

Q: 出现 "Unexpected token 'D'" 错误 A: 调试输出干扰。设置 MCP_DEBUG=false 或移除该环境变量。

Q: 中文字符乱码 A: 已在上游 v2.0.3 修复。使用你自己的发布包时，请更新到你发布的最新版本。

Q: 多屏幕环境下窗口消失或定位错误 A: 已在 v2.1.1 修复。进入「⚙️ 设置」标签页，勾选「总是在主屏幕中心显示窗口」即可解决。特别适用于 T 字型屏幕排列等复杂多屏幕配置。

Q: 图片上传失败 A: 检查文件格式（PNG/JPG/JPEG/GIF/BMP/WebP）。系统支持任意大小的图片文件。

Q: Web UI 无法启动 A: 检查防火墙设置或尝试使用不同的端口。

Q: UV Cache 占用过多磁盘空间 A: 由于频繁使用 uvx 命令，cache 可能会累积到数十 GB。建议定期清理：

# 查看 cache 大小和详细信息
python scripts/cleanup_cache.py --size

# 预览清理内容（不实际清理）
python scripts/cleanup_cache.py --dry-run

# 执行标准清理
python scripts/cleanup_cache.py --clean

# 强制清理（会尝试关闭相关程序，解决 Windows 文件占用问题）
python scripts/cleanup_cache.py --force

# 或直接使用 uv 命令
uv cache clean

详细说明请参考：Cache 管理指南

Q: AI 模型无法解析图片 A: 各种 AI 模型（包括 Gemini Pro 2.5、Claude 等）在图片解析上可能存在不稳定性，表现为有时能正确识别、有时无法解析上传的图片内容。这是 AI 视觉理解技术的已知限制。建议：

1. 确保图片质量良好（高对比度、清晰文字）

2. 多尝试几次上传，通常重试可以成功

3. 如持续无法解析，可尝试调整图片大小或格式

🙏 致谢

🌟 支持原作者

Fábio Ferreira - X @fabiomlferreira 原始项目： noopstudios/interactive-feedback-mcp

如果您觉得有用，请：

• ⭐ 为原项目按星星

• 📱 关注原作者

设计灵感

sanshao85 - mcp-feedback-collector

贡献者

penn201500 - GitHub @penn201500

• 🎯 自动聚焦输入框功能 (PR #39)

leo108 - GitHub @leo108

• 🌐 SSH 远程开发支持 (MCP_WEB_HOST 环境变量) (PR #113)

Alsan - GitHub @Alsan

• 🍎 macOS PyO3 编译配置支持 (PR #93)

fireinice - GitHub @fireinice

• 📝 工具文档优化 (LLM 指令移至 docstring) (PR #105)

社群支援

• 当前仓库： limowan/mowan-mcp-feedback

• 当前仓库 Issues： GitHub Issues

• 上游 PyPI： gl-mcp-feedback

📄 授权

MIT 授权条款 - 详见 LICENSE 档案

📈 Star History

🌟 欢迎 Star 并分享给更多开发者！