使用说明
Human-In-MCP
让 AI 在完成任务后通过 MCP 向用户展示信息并获取下一步指示，实现无限对话循环。
功能特点
- 任务总结展示: AI 完成任务后向用户展示工作总结
- 困难反馈: 显示 AI 遇到的问题或需要的帮助
- 选项交互: 用户可以从预设选项中选择或输入自定义指令
- 多轮对话: 支持通过 ConversationID 跟踪对话状态
- 无限循环: AI 可以持续与用户交互，直到用户选择结束
安装运行
go run human_in_mcp_server.go
服务器将在 http://localhost:8093 启动。
MCP 配置
在 Claude Desktop 或其他 MCP 客户端配置：
{
"mcpServers": {
"human-in-mcp": {
"command": "go",
"args": ["run", "d:/code/a_go/proj/human_in_mcp/human_in_mcp_server.go"],
"env": {}
}
}
}
工具使用
human_interaction
AI 调用此工具向用户展示信息并获取下一步指示。
参数:
| 参数 | 类型 | 必需 | 说明 |
|---|---|---|---|
summary |
string | 是 | 完成任务的简单总结 |
difficulties |
string | 是 | 遇到的困难、需要的帮助或其他重要信息 |
conversationId |
string | 是 | 对话ID，用于跟踪多轮对话（建议使用时间戳或UUID） |
nextOptions |
string | 是 | 可选项的 JSON 数组字符串，如 ["继续", "修改", "结束"] |
返回:
{
"conversationId": "string",
"selectedIndex": 0, // -1 表示自定义输入
"customInput": "string",
"continue": true
}
AI 使用示例
当 AI 完成任务后，可以这样调用：
我已完成代码重构工作。
调用 human_interaction 工具向用户展示:
- summary: "重构了用户认证模块，将代码从500行减少到300行，提高了可读性"
- difficulties: "部分遗留代码逻辑复杂，建议后续逐步重构"
- conversationId: "task-001-1738250000"
- nextOptions: ["继续优化其他模块", "添加单元测试", "提交代码", "查看具体改动"]
用户交互示例
======================================================================
🤖 AI 任务完成报告 [对话ID: task-001-1738250000]
======================================================================
📋 任务总结:
重构了用户认证模块，将代码从500行减少到300行，提高了可读性
⚠️ 遇到的问题/需要的帮助:
部分遗留代码逻辑复杂，建议后续逐步重构
🔄 接下来的可选项:
[1] 继续优化其他模块
[2] 添加单元测试
[3] 提交代码
[4] 查看具体改动
[0] 自定义输入
[q] 结束对话
----------------------------------------------------------------------
请选择操作 (输入数字或命令): 2
✅ 已记录您的选择，将继续执行...
======================================================================
工作流程
┌─────────────────────────────────────────────────────────────────┐
│ AI Agent │
│ 1. 执行任务 │
│ 2. 调用 human_interaction 工具 │
│ ┌─────────────────────────────────────┐ │
│ │ 传入: summary, difficulties, │ │
│ │ conversationId, nextOptions │ │
│ └─────────────────────────────────────┘ │
│ ↓ │
│ 3. 等待用户选择 │
│ ↑ │
│ ┌─────────────────────────────────────┐ │
│ │ 返回: selectedIndex, customInput, │ │
│ │ continue │ │
│ └─────────────────────────────────────┘ │
│ 4. 根据 continue 决定: │
│ - true: 继续执行下一步任务 → 回到步骤 1 │
│ - false: 结束对话 │
└─────────────────────────────────────────────────────────────────┘
↕
┌─────────────────┐
│ 用户控制台 │
│ 查看任务报告 │
│ 选择下一步操作 │
└─────────────────┘
与 AI Agent 集成示例
# AI Agent 伪代码示例
def execute_with_human_loop(agent):
conversation_id = str(int(time.time()))
while True:
# 1. AI 执行任务
result = agent.execute()
# 2. 向用户展示并获取下一步指示
response = mcp.call("human_interaction", {
"summary": result.summary,
"difficulties": result.difficulties,
"conversationId": conversation_id,
"nextOptions": json.dumps(result.suggestions)
})
# 3. 检查是否继续
if not response["continue"]:
break
# 4. 根据用户选择继续
if response["selectedIndex"] == -1:
agent.set_custom_task(response["customInput"])
else:
agent.select_option(response["selectedIndex"])
注意事项
- conversationId 应该在同一个对话循环中保持一致，用于跟踪对话状态
- nextOptions 必须是有效的 JSON 数组字符串格式
- 用户输入
q可随时结束对话 - 选择
0可输入自定义指令