交互式反馈 MCP

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

简单的 MCP 服务器，用于在像 Cursor 这样的 AI 辅助开发工具中实现人机交互工作流程。该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。它还与 Cline 和 Windsurf 兼容。

提示工程

为了获得最佳效果，请在您的 AI 助手的自定义提示中添加以下内容，您可以将其添加到规则中或直接添加到提示中（例如，在 Cursor 中）：

每当您想提问时，始终调用 MCP interactive_feedback。
每当您即将完成用户请求时，调用 MCP interactive_feedback 而不是简单地结束进程。
如果反馈为空，您可以结束请求而不循环调用 MCP。

这将确保您的 AI 助手在标记任务为已完成之前使用此 MCP 服务器请求用户反馈。

💡 为什么要使用这个？

通过引导助手在执行高成本工具调用之前先检查用户反馈，此模块可以大幅减少像 Cursor 这样的平台上的高级请求次数（例如，OpenAI 工具调用）。在某些情况下，它可以帮助将多达 25 次工具调用整合成一个具有反馈意识的请求——节省资源并提高性能。

配置

此 MCP 服务器使用 Qt 的 QSettings 来按项目存储配置。这包括：

• 要运行的命令。
• 是否在下次启动该项目时自动执行该命令（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 上的 ~/.config 或 ~/.local/share 目录中的配置文件），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。

UI 中的“保存配置”按钮主要用于保存当前输入到命令输入字段中的命令以及活动项目的“下次运行时自动执行”复选框的状态。命令部分的可见性在切换时会自动保存。窗口大小和位置在应用程序关闭时保存。

安装（Cursor）

1. 前提条件：
   • Python 3.11 或更高版本。
   • uv（Python 包管理器）。安装方法如下：
     • Windows: pip install uv
     • Linux/Mac: curl -LsSf https://astral.sh/uv/install.sh | sh
2. 获取代码：
   • 克隆此仓库：
     git clone https://github.com/noopstudios/interactive-feedback-mcp.git
   • 或下载源代码。
3. 导航到目录：
   • cd path/to/interactive-feedback-mcp
4. 安装依赖项：
   • uv sync（这会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 Cursor 中配置：* Cursor 通常允许在其设置中指定自定义的 MCP 服务器。你需要将 Cursor 指向这个正在运行的服务器。具体的机制可能会有所不同，请参考 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）
  请记得将 /Users/fabioferreira/Dev/scripts/interactive-feedback-mcp 路径更改为实际在你的系统上克隆仓库的路径。

  json
  {
  "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 中进行配置时，你可能需要使用像 interactive-feedback-mcp 这样的服务器标识符。

对于 Cline / Windsurf

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

开发

要以开发模式运行带有 Web 界面的服务器以便测试：

sh
uv run fastmcp dev server.py

这将打开一个 Web 界面，并允许你与 MCP 工具交互进行测试。

可用工具

这里是一个 AI 助手如何调用 interactive_feedback 工具的例子：

xml
<use_mcp_tool>
<server_name>interactive-feedback-mcp</server_name>
<tool_name>interactive_feedback</tool_name>

{
"project_directory": "/path/to/your/project",
"summary": "我已经实现了您请求的更改并对主模块进行了重构。"
}

</use_mcp_tool>

致谢 & 联系方式

如果你觉得这个互动反馈MCP有用，最好的感谢方式是关注 Fábio Ferreira 的 X @fabiomlferreira。

对于任何问题、建议或仅仅是想分享你是如何使用它的，欢迎在 X 上联系我们！

此外，可以访问 dotcursorrules.com 获取更多关于增强你的AI辅助开发工作流的资源。