Interact MCP

🚀 提示工程

为了获得最佳效果，请在你的AI助手的自定义提示中添加以下内容。你可以将其作为规则添加，或者直接添加到提示中（例如在Cursor中）：

每当你想问问题时，始终调用MCP interactive_feedback。 每当你即将完成用户请求时，调用MCP interactive_feedback，而不是简单地结束流程。 持续调用MCP，直到用户的反馈为空，然后结束请求。

这将确保你的AI助手在将任务标记为完成之前，使用此MCP服务器请求用户反馈。

💡 为何使用此功能？

通过引导助手向用户确认信息，而不是进行推测性、高成本的工具调用，此模块可以大幅减少Cursor等平台上的高级请求数量（例如OpenAI工具调用）。在某些情况下，它有助于将多达25次的工具调用整合为一次具有反馈感知的请求，从而节省资源并提高性能。

📦 安装指南（Cursor）

1. 前提条件：
   • Python 3.11或更高版本。
   • uv（Python包管理器）。使用以下命令进行安装：
     • 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
   • 或者下载源代码。
3. 进入目录：
   • 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包）
5. 运行MCP服务器：
   • uv run server.py
6. 在Cursor中进行配置：

   • Cursor通常允许在其设置中指定自定义MCP服务器。你需要将Cursor指向正在运行的此服务器。具体机制可能有所不同，请参考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） 请记得将/Users/fabioferreira/Dev/scripts/interactive-feedback-mcp路径更改为你在系统上克隆仓库的实际路径。

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

   • 在Cursor中配置时，你可以使用interactive-feedback-mcp作为服务器标识符。

针对Cline / Windsurf

类似的设置原则同样适用。你需要在相应工具的MCP设置中配置服务器命令（例如uv run server.py，并使用正确的--directory参数指向项目目录），使用interactive-feedback-mcp作为服务器标识符。

🔧 配置说明

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。
• 该项目下次启动时是否自动执行命令（请参阅“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）（切换时会立即保存）。
• 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特定于平台的位置（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），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”按钮主要保存当前在命令输入字段中输入的命令，以及活动项目的“下次运行时自动执行”复选框的状态。命令部分的可见性在切换时会自动保存。应用程序关闭时会保存一般的窗口大小和位置。

💻 使用示例

开发模式运行服务器

若要在开发模式下运行服务器并使用Web界面进行测试，请执行以下命令：

uv run fastmcp dev server.py

这将打开一个Web界面，允许你与MCP工具进行交互以进行测试。

AI助手调用interactive_feedback工具示例

以下是AI助手调用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."
    }
  </arguments>
</use_mcp_tool>