交互反馈 MCP

由 Fábio Ferreira (@fabiomlferreira) 开发。 访问 dotcursorrules.com 获取更多关于增强人工智能开发的信息。

这是一个简单的 MCP 服务器，用于在类似 Cursor 的人工智能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，并直接向人工智能提供文本反馈。它还兼容 Cline 和 Windsurf。

提示工程

为了获得最佳效果，在您的自定义提示中添加以下内容到您的AI助手，您可以在规则或直接在提示中添加（例如，Cursor）：

每当您想要提问时，请调用 MCP interactive_feedback。
当您即将完成用户请求时，请调用 MCP interactive_feedback 而不是简单地结束进程。 继续调用 MCP 直到用户的反馈为空，然后结束请求。

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。

💡 为什么使用这个？

通过引导助手与用户进行检查而不是分支到推测性的高成本工具调用，此模块可以大大减少像Cursor这样的平台上昂贵的请求数量（例如，OpenAI工具调用）。在某些情况下，它有助于将多达25个工具调用整合成一个反馈感知请求——节省资源并提高性能。

配置

此MCP服务器使用Qt的QSettings按项目存储配置。这包括：

• 要运行的命令。
• 是否在该项目的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）。
• 命令部分的可见状态（显示/隐藏）（切换时立即保存）。
• 窗口几何形状和状态（一般UI偏好设置）。

这些设置通常存储在平台特定的位置（例如，Windows上的注册表，macOS上的plist文件，Linux上的~/.config或~/.local/share中的配置文件）下，组织名称为“FabioFerreira”，应用程序名称为“InteractiveFeedbackMCP”，每个项目目录都有一个独特的组。

UI中的“保存配置”按钮主要保存当前键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。切换命令部分的可见性会自动保存。应用程序关闭时会保存一般窗口大小和位置。

安装（Cursor）

1. 前提条件：
   • Python 3.11 或更新版本。
   • 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MCP服务器。您需要将Cursor指向正在运行的服务器。确切机制可能有所不同，因此请查阅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路径更改为实际克隆仓库的系统路径。

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

   • 在配置Cursor时，您可以使用如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。您需要在相应工具的MCP设置中配置服务器命令（例如，uv run server.py，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。

开发

要在具有Web界面的测试模式下运行服务器：

uv run fastmcp dev server.py

这将打开一个Web界面，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工具的一个示例：

<use_mcp_tool>
  <server_name>interactive-feedback-mcp</server_name>
  <tool_name>interactive_feedback</tool_name>
  <arguments>
    {
      "project_directory": "/path/to/your/project",
      "summary": "我已经实现了您请求的更改并重构了主模块。"
    }
  </arguments>
</use_mcp_tool>

致谢与联系

如果您发现这个交互反馈MCP有用，最好的方式来表达感谢是关注Fábio Ferreira在X @fabiomlferreira。

对于任何问题、建议或只是分享您是如何使用它的，请随时在X上联系我们！

同时，访问dotcursorrules.com获取更多关于增强您的AI辅助开发工作流程的资源。