Interactive Feedback MCP

fork 自 https://github.com/noopstudios/interactive-feedback-mcp.git

🚀 优化和更改

1. 优化UI样式 - 提升用户界面美观性和用户体验，采用深色主题设计
2. 新增 task_id 参数 - 为每个任务提供明确的标识符，在界面上以蓝色标签显示，帮助用户区分不同任务
3. 粘贴格式自动清除 - 输入框支持粘贴时自动清除原始文本格式，保持统一的白色文字样式
4. 新增自动在规定时间内重新调用工具以延续对话 - Cursor等IDE有会话超时时间限制，当超时后在该工具中输入提交后会直接报错，在超时时间内进行自动重新调用可以使会话始终保持活跃，持续等待用户输入新的下一步指令，从而达到一次请求在较长一段时间内仍能完成多次任务的需求
5. 新增显示当前项目以用于多窗口时的区分 - 便于在多项目同时开发时快速识别当前操作的项目
6. 支持环境变量配置 - 支持通过环境变量配置自动重新调用时间
7. "确认方案后再执行"功能 - 当勾选该选项时，AI会在执行前先输出执行计划和方案，然后通过交互反馈窗口询问用户是否满意，确保方案经过用户确认后再执行，避免执行不合适的操作

界面包含项目名称、任务标识符（蓝色标签）、深色主题设计和自动格式清除功能

📖 项目简介

这是一个MCP Server，用于在AI辅助开发工具中实现人机交互工作流，如Cursor。该服务器允许您运行命令、查看输出，并直接向AI提供文本反馈。也兼容Cline和Windsurf。

💡 为什么使用这个工具？

通过引导AI助手在进行推测性、高成本的工具调用前先与用户确认，这个模块可以大幅减少Cursor等平台上的高级请求次数（例如OpenAI工具调用）。在某些情况下，它可以将原本需要25个工具调用的工作整合为单个反馈感知请求——节省资源并提升性能。

安装说明 (Cursor)

1. 先决条件：

   • Python 3.11 或更新版本
   • uv (Python包管理器)。安装方法：
     • 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/your-username/interactive-feedback-mcp.git
   • 或下载源代码

3. 进入目录：

   • cd path/to/interactive-feedback-mcp

4. 安装依赖：

   • uv sync (这将创建虚拟环境并安装包)

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指向此正在运行的服务器。具体机制可能有所不同，请查阅Cursor文档了解如何添加自定义MCP。

   • 手动配置（例如通过mcp.json） 请将/Users/fabioferreira/Dev/scripts/interactive-feedback-mcp路径更改为您系统中克隆仓库的实际路径。

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

对于 Cline / Windsurf

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

配置

环境变量配置

您可以通过设置环境变量来自定义行为：

• INTERACTIVE_FEEDBACK_TIMEOUT_SECONDS: 设置自动反馈的超时时间（秒），默认为290秒（约4分50秒）。这个值控制用户界面显示多长时间后自动提交反馈。

例如，在您的MCP配置文件（如 ~/.cursor/mcp.json 或其他IDE的MCP配置）中可以这样设置：

{
  "mcpServers": {
    "interactive-feedback-mcp": {
      "command": "uv",
      "args": [
        "--directory",
        "/path/to/interactive-feedback-mcp",
        "run",
        "server.py"
      ],
      "env": {
        "INTERACTIVE_FEEDBACK_TIMEOUT_SECONDS": "600"
      },
      "timeout": 60000,
      "autoApprove": [
        "interactive_feedback"
      ]
    }
  }
}

配置建议

• 快速反馈场景：设置较短的超时时间，如 90 或 120 秒，适合简单的确认操作
• 复杂任务场景：设置较长的超时时间，如 600 或 900 秒，给用户更多时间考虑和输入详细反馈
• 默认值：如果不设置此环境变量，默认使用 290 秒（约4分50秒）(cursor 会话超时时间5分钟)

注意：timeout 字段（这里设置为60000毫秒）是MCP客户端的超时设置，与自动反馈超时是不同的概念。前者控制整个MCP请求的超时时间，后者控制用户界面的自动反馈时间，用于保持活跃。

项目配置

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
• 是否在下次启动时为此项目自动执行命令（参见"Execute automatically on next run"复选框）
• 是否启用"确认方案后再执行"功能（参见"需要先确认方案后再执行"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）

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~/.config或~/.local/share中的配置文件），组织名称为"FabioFerreira"，应用程序名称为"InteractiveFeedbackMCP"，每个项目目录有唯一的组。

UI中的"Save Configuration"按钮主要保存命令输入字段中输入的当前命令、活动项目的"Execute automatically on next run"复选框状态以及"需要先确认方案后再执行"复选框状态。命令部分的可见性在切换时自动保存。应用程序关闭时保存一般窗口大小和位置。

开发

要在开发模式下运行服务器并带有用于测试的Web界面：

uv run fastmcp dev server.py

这将打开Web界面并允许您与MCP工具交互进行测试。

可用工具

以下是AI助手如何调用interactive_feedback工具的示例：

<use_mcp_tool>
  <server_name>interactive-feedback-mcp</server_name>
  <tool_name>interactive_feedback</tool_name>
  <arguments>
    {
      "project_directory": "/path/to/your/project",
      "summary": "I've implemented the changes you requested and refactored the main module.",
      "task_id": "FEATURE_DEV_001"
    }
  </arguments>
</use_mcp_tool>

参数说明

• project_directory (必需): 完整的项目目录路径
• summary (必需): 简短的更改摘要或询问用户的问题
• task_id (必需): 任务标识符，用于区分不同任务，在界面上以蓝色标签显示

task_id 参数帮助用户在多个并行任务中快速识别当前操作，避免混淆不同任务的反馈窗口。

"确认方案后再执行"功能详解

功能说明

"确认方案后再执行"是一个重要的安全和交互功能，当您在反馈界面中勾选"需要先确认方案后再执行"复选框时：

1. 方案审查：AI会先输出详细的执行计划和方案
2. 用户确认：AI会调用interactive_feedback工具打开确认窗口，询问用户是否满意该方案
3. 条件执行：只有在用户确认满意后，AI才会继续执行方案
4. 方案优化：如果用户不同意，AI会思考其他方案并再次请求确认

使用场景

• 复杂任务：对于涉及多个步骤或可能产生重大影响的操作
• 不确定性任务：当AI的执行方案可能不完全符合您的期望时
• 安全敏感操作：如数据库修改、文件删除等高风险操作

工作流程示例

1. 用户在AI对话中表达需求
2. AI分析需求并准备执行方案
3. AI调用interactive_feedback工具，用户勾选"需要先确认方案后再执行"
4. 用户输入需求并提交
5. AI收到包含确认指令的反馈
6. AI输出详细的执行计划和方案
7. AI调用interactive_feedback工具询问用户确认
8. 用户在确认窗口中回复"是"或"否"
9. 根据用户反馈，AI决定继续执行或重新思考方案

配置选项

该功能可以通过UI中的复选框进行配置：

• 启用：勾选"需要先确认方案后再执行"复选框
• 保存：设置会自动保存到项目配置中
• 恢复：下次打开同一项目时会恢复之前的设置

这个功能确保了AI操作的透明度和用户控制力，避免了执行不符合预期的操作。