Retroalimentación interactiva MCP

Desarrollado por Fábio Ferreira ( @fabiomlferreira ). Visite dotcursorrules.com para obtener más mejoras en el desarrollo de IA.

Servidor MCP simple que permite un flujo de trabajo con intervención humana en herramientas de desarrollo asistidas por IA como Cursor . Este servidor permite ejecutar comandos, visualizar su resultado y proporcionar retroalimentación textual directamente a la IA. También es compatible con Cline y Windsurf .

Ingeniería rápida

Para obtener los mejores resultados, agregue lo siguiente a su mensaje personalizado en su asistente de IA; debe agregarlo en una regla o directamente en el mensaje (por ejemplo, Cursor):

Siempre que quieras hacer una pregunta, llama al MCP interactive_feedback .
Cuando esté a punto de completar una solicitud de usuario, llame al MCP interactive_feedback en lugar de simplemente finalizar el proceso. Si el feedback está vacío, puede finalizar la solicitud y no llamar al MCP en bucle.

Esto garantizará que su asistente de IA utilice este servidor MCP para solicitar comentarios del usuario antes de marcar la tarea como completada.

Related MCP server: Spec-driven Development MCP Server

💡¿Por qué usar esto?

Al guiar al asistente para que se comunique con el usuario en lugar de recurrir a llamadas a herramientas especulativas y costosas, este módulo puede reducir drásticamente el número de solicitudes premium (por ejemplo, invocaciones de herramientas de OpenAI) en plataformas como Cursor. En algunos casos, ayuda a consolidar hasta 25 llamadas a herramientas en una sola solicitud que responde a la retroalimentación, lo que ahorra recursos y mejora el rendimiento.

Configuración

Este servidor MCP utiliza QSettings de Qt para almacenar la configuración por proyecto. Esto incluye:

• El comando a ejecutar.

• Si desea ejecutar el comando automáticamente en el próximo inicio de ese proyecto (consulte la casilla de verificación "Ejecutar automáticamente en la próxima ejecución").

• El estado de visibilidad (mostrado/oculto) de la sección de comando (esto se guarda inmediatamente cuando se alterna).

• Geometría y estado de la ventana (preferencias generales de UI).

Estas configuraciones generalmente se almacenan en ubicaciones específicas de la plataforma (por ejemplo, registro en Windows, archivos plist en macOS, archivos de configuración en ~/.config o ~/.local/share en Linux) bajo un nombre de organización "FabioFerreira" y un nombre de aplicación "InteractiveFeedbackMCP", con un grupo único para cada directorio de proyecto.

El botón "Guardar configuración" de la interfaz de usuario guarda principalmente el comando actual introducido en el campo de entrada de comandos y el estado de la casilla "Ejecutar automáticamente en la próxima ejecución" del proyecto activo. La visibilidad de la sección de comandos se guarda automáticamente al activarla. El tamaño y la posición general de la ventana se guardan al cerrar la aplicación.

Instalación (Cursor)

1. Prerrequisitos:

   • Python 3.11 o más reciente.

   • uv (gestor de paquetes de Python). Instálelo con:

     • Windows: pip install uv

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

2. Obtener el código:

   • Clona este repositorio: git clone https://github.com/noopstudios/interactive-feedback-mcp.git

   • O descargue el código fuente.

3. Navegar al directorio:

   • cd path/to/interactive-feedback-mcp

4. Instalar dependencias:

   • uv sync (esto crea un entorno virtual e instala paquetes)

5. Ejecute el servidor MCP:

   • uv run server.py

6. Configurar en Cursor:

   • Cursor suele permitir especificar servidores MCP personalizados en su configuración. Deberá apuntar Cursor a este servidor en ejecución. El mecanismo exacto puede variar, así que consulte la documentación de Cursor para agregar MCP personalizados.

   • Configuración manual (por ejemplo, a través de mcp.json ) Recuerde cambiar la ruta /Users/fabioferreira/Dev/scripts/interactive-feedback-mcp a la ruta real donde clonó el repositorio en su sistema.

     {
       "mcpServers": {
         "interactive-feedback-mcp": {
           "command": "uv",
           "args": [
             "--directory",
             "/Users/fabioferreira/Dev/scripts/interactive-feedback-mcp",
             "run",
             "server.py"
           ],
           "timeout": 600,
           "autoApprove": [
             "interactive_feedback"
           ]
         }
       }
     }

   • Puede utilizar un identificador de servidor como interactive-feedback-mcp al configurarlo en Cursor.

Para Cline / Windsurf

Se aplican principios de configuración similares. Debe configurar el comando del servidor (p. ej., uv run server.py con el argumento --directory correcto que apunta al directorio del proyecto) en la configuración de MCP de la herramienta correspondiente, utilizando interactive-feedback-mcp como identificador del servidor.

Desarrollo

Para ejecutar el servidor en modo de desarrollo con una interfaz web para realizar pruebas:

uv run fastmcp dev server.py

Esto abrirá una interfaz web y le permitirá interactuar con las herramientas MCP para realizar pruebas.

Herramientas disponibles

A continuación se muestra un ejemplo de cómo el asistente de IA llamaría a la herramienta interactive_feedback :

<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>

Agradecimientos y contacto

Si encuentra útil este MCP de retroalimentación interactiva, la mejor manera de mostrar su agradecimiento es seguir a Fábio Ferreira en X @fabiomlferreira .

Si tienes alguna pregunta, sugerencia o simplemente quieres compartir cómo lo usas, ¡no dudes en comunicarte con nosotros en X!

Además, visita dotcursorrules.com para obtener más recursos sobre cómo mejorar tu flujo de trabajo de desarrollo asistido por IA.