交互式反馈服务器

🗣️ 交互式反馈MCP

简单 MCP服务器 在人工智能辅助开发工具中实现人机交互工作流程，如 光标, 克莱恩 和 帆板运动。此服务器允许您轻松地直接向AI代理提供反馈，弥合AI和您之间的差距。

注： 此服务器设计为与MCP客户端（例如Claude Desktop、VS Code）一起在本地运行，因为它需要直接访问用户的操作系统来显示通知。

🖼️ 示例

💡 为什么使用这个？

在Cursor这样的环境中，您发送给LLM的每个提示都被视为一个不同的请求，每个提示都计入您的每月限额（例如500个保费请求）。当你迭代模糊的指令或纠正误解的输出时，这会变得效率低下，因为每次后续澄清都会触发一个全新的请求。

此MCP服务器引入了一种解决方法：它允许模型在最终确定响应之前暂停并请求澄清。模型触发工具调用，而不是完成请求(interactive_feedback)这将打开一个交互式反馈窗口。然后，您可以提供更多详细信息或要求更改，模型将继续会话，所有这些都在一个请求中完成。

在幕后，这只是巧妙地使用工具调用来推迟请求的完成。由于工具调用不算作单独的高级交互，因此您可以在不消耗额外请求的情况下循环多个反馈周期。

从本质上讲，这有助于你的人工智能助手 要求澄清而不是猜测，而不会浪费另一个请求。这意味着更少的错误答案、更好的性能和更少浪费的API使用。

• 💰 减少高级API调用： 避免浪费昂贵的API调用来生成基于猜测的代码。
• ✅ 更少的错误： Clarion_before_action意味着更少的错误代码和浪费的时间。
• ⏱️ 更快的循环： 快速确认胜过调试错误猜测。
• 🎮 更好的协作： 将单向指令转化为对话，让你保持控制。

🛠️ 工具

此服务器通过模型上下文协议（MCP）公开以下工具：

• interactive_feedback：向用户提问并返回答案。可以显示预定义的选项。

📦 安装

1. 先决条件：
   • Python 3.11或更高版本。
   • 紫外线 （Python包管理器）。安装时使用：
     • 窗户： pip install uv
     • Linux： curl -LsSf https://astral.sh/uv/install.sh | sh
     • macOS： brew install uv
2. 获取代码：
   • 克隆此存储库： git clone https://github.com/pauoliva/interactive-feedback-mcp.git
   • 或者下载源代码。

⚙️ 配置

1. 将以下配置添加到您的 claude_desktop_config.json （克劳德桌面）或 mcp.json （光标）： 记住要更改 /path/to/interactive-feedback-mcp 指向您在系统上克隆存储库的实际路径的路径。

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

2. 将以下内容添加到AI助手中的自定义规则中（在光标设置>规则>用户规则中）：

如果需求或说明不清楚，请在继续之前使用工具interactive_feedback向用户提出澄清问题，不要做出假设。只要有可能，就通过interactive_feedback MCP工具向用户提供预定义的选项，以方便快速决策。

每当您要完成用户请求时，在结束流程之前调用interactive_feedback工具请求用户反馈。如果反馈为空，您可以结束请求，不调用循环中的工具。

这将确保您的AI助手在提示不清楚时以及在将任务标记为已完成之前，始终使用此MCP服务器请求用户反馈。