交互式反馈 MCP

由 Fábio Ferreira ( @fabiomlferreira ) 开发。请访问dotcursorrules.com了解更多 AI 开发增强功能。

简单的MCP 服务器，可在Cursor等 AI 辅助开发工具中实现人机交互工作流程。此服务器允许您运行命令、查看其输出，并直接向 AI 提供文本反馈。它还兼容Cline和Windsurf 。

快速工程

为了获得最佳效果，请将以下内容添加到您的 AI 助手中的自定义提示中，您应该将其添加到规则中或直接添加到提示中（例如，光标）：

无论何时您想提问，请始终调用 MCP interactive_feedback 。
每当您要完成用户请求时，请调用 MCP interactive_feedback而不是简单地结束该过程。如果反馈为空，您可以结束请求，并且不要循环调用 mcp。

这将确保您的 AI 助手在将任务标记为完成之前使用此 MCP 服务器来请求用户反馈。

Related MCP server: Spec-driven Development MCP Server

💡为什么要用这个？

通过引导助手与用户进行交互，而不是进行推测性、高成本的工具调用，该模块可以大幅减少 Cursor 等平台上的高级请求（例如 OpenAI 工具调用）数量。在某些情况下，它可以帮助将多达 25 个工具调用合并为一个反馈感知请求，从而节省资源并提高性能。

配置

此 MCP 服务器使用 Qt 的QSettings来存储每个项目的配置。其中包括：

• 要运行的命令。

• 是否在该项目下次启动时自动执行该命令（参见“下次运行时自动执行”复选框）。

• 命令部分的可见性状态（显示/隐藏）（切换时立即保存）。

• 窗口几何和状态（一般 UI 偏好设置）。

这些设置通常存储在特定于平台的位置（例如，Windows 上的注册表、macOS 上的 plist 文件、Linux 上~/.config或~/.local/share中的配置文件），组织名称为“FabioFerreira”，应用程序名称为“InteractiveFeedbackMCP”，每个项目目录都有一个唯一的组。

用户界面中的“保存配置”按钮主要用于保存当前在命令输入框中输入的命令，以及当前项目“下次运行时自动执行”复选框的状态。切换命令部分的可见性时，系统会自动保存该部分的可见性。常规窗口的大小和位置会在应用程序关闭时保存。

安装（光标）

1. 先决条件：

   • Python 3.11 或更新版本。

   • uv （Python 包管理器）。使用以下命令安装：

     • Windows： pip install uv

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

2. 获取代码：

   • 克隆此存储库： git clone https://github.com/noopstudios/interactive-feedback-mcp.git

   • 或者下载源代码。

3. 导航到目录：

   • cd path/to/interactive-feedback-mcp

4. 安装依赖项：

   • uv sync （这将创建一个虚拟环境并安装包）

5. 运行 MCP 服务器：

   • uv run server.py

6. 在游标中配置：

   • Cursor 通常允许在其设置中指定自定义 MCP 服务器。您需要将 Cursor 指向此正在运行的服务器。具体机制可能有所不同，因此请参阅 Cursor 的文档以了解如何添加自定义 MCP。

   • 手动配置（例如，通过mcp.json ） 记得将/Users/fabioferreira/Dev/scripts/interactive-feedback-mcp路径更改为您在系统上克隆存储库的实际路径。

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

   • 在 Cursor 中配置时，您可以使用类似interactive-feedback-mcp服务器标识符。

适用于 Cline / 风帆冲浪

类似的设置原则也适用。您可以在相应工具的 MCP 设置中配置服务器命令（例如， uv run server.py ，并使用正确的--directory参数指向项目目录），并使用interactive-feedback-mcp作为服务器标识符。

发展

要以开发模式运行服务器并使用 Web 界面进行测试：

uv run fastmcp dev server.py

这将打开一个 Web 界面并允许您与 MCP 工具进行交互以进行测试。

可用工具

以下是 AI 助手如何调用interactive_feedback工具的示例：

<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>

致谢及联系方式

如果您发现此交互式反馈 MCP 有用，表达赞赏的最好方式是在X @fabiomlferreira上关注 Fábio Ferreira。

如果您有任何问题、建议，或者只是想分享您的使用方式，请随时通过 X 联系！

此外，请访问dotcursorrules.com获取有关增强 AI 辅助开发工作流程的更多资源。