AI导哈

交互式反馈MCP服务器

一个用于AI辅助开发工具的人机交互反馈服务器，支持命令执行和文本反馈，兼容Cursor、Cline和Windsurf。

  • by TheAp0cryphal
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 theap0cryphal/interactive_mcp_with_wsl

使用说明

交互式反馈MCP

开发商： Fábio Ferreira@fabiomlferreira). 结账 网站 dotcursorrules.com 以获得更多的AI开发增强功能。

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。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。它还与 克莱恩 和 帆板运动.

提示工程

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

无论何时你想问问题，一定要打电话给MCP interactive_feedback.
每当您要完成用户请求时，请致电MCP interactive_feedback 而不是简单地结束该过程。 继续呼叫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联系，而不是分散到推测性的、高成本的工具调用中，该模块可以大大减少Cursor等平台上的高级请求（例如OpenAI工具调用）的数量。在某些情况下，它有助于将多达25个工具调用整合到一个单一的、有反馈意识的请求中，从而节省资源并提高性能。

配置

此MCP服务器使用Qt QSettings 以每个项目为基础存储配置。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（请参阅“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）（切换后立即保存）。
  • 窗口几何图形和状态（通用UI首选项）。

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、 ~/.config 或 ~/.local/share 在Linux上），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”按钮主要保存在命令输入字段中键入的当前命令以及活动项目的“下次运行时自动执行”复选框的状态。当您切换命令部分时，它的可见性会自动保存。当应用程序关闭时，会保存常规窗口大小和位置。

安装（光标）

  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/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软件包）
  5. 运行MCP服务器：
    • uv run server.py
  6. 在游标中配置：

    • 游标通常允许在其设置中指定自定义MCP服务器。您需要将游标指向此正在运行的服务器。确切的机制可能会有所不同，因此请参阅Cursor的文档以添加自定义MCP。

    • 手动配置（例如，通过 mcp.json) 记住要更改 /Users/fabioferreira/Dev/scripts/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-mcp": {
      "command": "uv",
      "args": [
        "--directory",
        "/Users/fabioferreira/Dev/scripts/interactive-feedback-mcp",
        "run",
        "server.py"
      ],
      "timeout": 600,
      "autoApprove": [
        "interactive_feedback"
      ]
    }
  }
}

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

适用于Cline/Windsurf

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

发展

要在开发模式下使用web界面运行服务器进行测试，请执行以下操作：

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

下面是一个AI助手如何调用 interactive_feedback 工具：

<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>

致谢与联系

如果你觉得这个互动反馈MCP很有用，表达感激之情的最佳方式是关注法比奥·费雷拉 X@fabiomlferreira.

如果有任何问题、建议，或者你只是想分享你是如何使用它的，请随时联系X！

另外，请查看 网站 dotcursorrules.com 获取更多关于增强人工智能辅助开发工作流程的资源。

相关 MCP