Feedback Loop MCP

🚀 反馈循环MCP

这是一个简单的MCP服务器，用于在Cursor等AI辅助开发工具中实现人工参与的工作流程。该服务器允许你运行命令、查看输出，并直接向AI提供文本反馈。它还兼容Cline和Windsurf。

灵感来源：本项目受Fábio Ferreira（@fabiomlferreira）的 interactive-feedback-mcp 启发。

✨ 主要特性

• 跨平台：可在macOS、Windows和Linux上运行。
• 交互式用户界面：拥有现代、响应式的界面，用于收集反馈。
• 设置持久化：可按项目保存和恢复用户界面偏好设置。
• MCP集成：能够与支持MCP的AI助手无缝集成。
• macOS覆盖层支持：在macOS上提供原生覆盖窗口支持。
• 动态快速反馈：通过MCP工具调用直接提供自定义、可点击的快速反馈选项，实现特定上下文的建议。

📷 截图

带有macOS模糊效果的反馈收集界面

📦 安装指南

使用npx快速开始（推荐）

使用此MCP服务器的最简单方法是通过npx：

npx feedback-loop-mcp

全局安装

若需频繁使用，可进行全局安装：

npm install -g feedback-loop-mcp
feedback-loop-mcp

本地开发设置

若要进行开发或自定义：

1. 克隆仓库：

   git clone <repository-url>
   cd feedback-loop-mcp
   

2. 安装依赖：

   npm install
   

3. 以开发模式运行：

   npm run dev
   

🛠️ MCP服务器配置

Cursor IDE

在你的Cursor设置（mcp.json）中添加以下配置：

{
  "mcpServers": {
    "feedback-loop-mcp": {
      "command": "npx",
      "args": ["feedback-loop-mcp"],
      "timeout": 600,
      "autoApprove": [
        "feedback_loop"
      ]
    }
  }
}

Cline / Windsurf

遵循类似的设置原则。在你的MCP设置中配置服务器命令：

{
  "mcpServers": {
    "feedback-loop-mcp": {
      "command": "npx",
      "args": ["feedback-loop-mcp"]
    }
  }
}

Claude Desktop

在你的Claude Desktop配置中添加：

{
  "mcpServers": {
    "feedback-loop-mcp": {
      "command": "npx",
      "args": ["feedback-loop-mcp"]
    }
  }
}

💻 使用示例

工具参数

feedback_loop 工具接受以下参数：

• project_directory（字符串，必需）：项目目录的完整路径。
• prompt（字符串，必需）：综合摘要和问题，描述已完成的工作并请求特定反馈。
• quickFeedbackOptions（字符串数组，可选）：预定义的反馈字符串列表，将在用户界面中显示为可点击选项，以便快速反馈。

调用示例

以下是从AI助手调用该工具的示例：

feedback_loop_mcp({
  project_directory: "/path/to/your/project",
  prompt: "我使用JWT实现了新的用户认证流程。这种方法是否满足你的要求？",
  quickFeedbackOptions: [
    "是的，看起来不错！",
    "错误处理需要进行一些小改动。",
    "请尝试其他方法。"
  ]
});

运行服务器

通过npx（推荐）

npx feedback-loop-mcp

通过全局安装

feedback-loop-mcp

本地开发

npm start

命令行参数

该应用程序接受以下命令行参数：

• --project-directory <path>：设置项目目录。
• --prompt <text>：设置初始提示/摘要文本。

示例：

npm start -- --project-directory "/path/to/project" --prompt "请审查此代码"

可用工具

MCP服务器提供以下工具：

• feedback_loop：显示用于收集用户反馈的用户界面并返回响应。

以下是在AI助手中使用的示例：

{
  "tool_name": "feedback_loop",
  "arguments": {
    "project_directory": "/path/to/your/project",
    "summary": "我已经实现了你要求的更改并重构了主模块。"
  }
}

📝 提示工程

为获得最佳效果，请在你的AI助手的自定义提示中添加以下内容：

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

这可确保你的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。

🌟 优点

通过引导AI助手与用户进行交互，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（例如，OpenAI工具调用）数量。在某些情况下，它有助于将多达25次的工具调用合并为一个支持反馈的请求，从而节省资源并提高性能。

构建后的应用程序将位于 dist 目录中。

📁 项目结构

feedback-loop-mcp/
├── main.js              # 主Electron进程
├── preload.js           # 用于安全IPC的预加载脚本
├── package.json         # 项目配置
├── README.md           # 本文件
├── assets/             # 静态资源
│   └── feedback.png    # 应用程序图标
├── renderer/           # 渲染进程文件
│   ├── index.html      # 主用户界面
│   ├── styles.css      # 样式
│   └── renderer.js     # 用户界面逻辑
└── server/             # MCP服务器
    └── mcp-server.js   # Node.js MCP服务器

⚙️ 配置

该应用程序使用Electron的内置存储自动保存设置：

• 常规设置：窗口大小、位置和用户界面偏好设置。
• 特定项目设置：命令历史记录和特定项目的配置。

设置存储在每个平台的标准应用程序数据目录中。

📋 功能概述

反馈收集

• 富文本反馈输入。
• 反馈自动保存。
• 采用JSON输出格式，便于集成。
• 包含时间戳和项目信息。

提示工程

编写有效的提示是获得有用反馈的关键。使用 prompt 参数时，应遵循以下原则：

1. 简洁而完整：用清晰的单一语句描述已完成的工作以及所需的反馈。
2. 提供上下文：提及影响所需反馈的关键实现细节或选择。
3. 提出具体问题：以明确的问题结尾，引导用户提供所需的反馈。
4. 正确构建问题：例如，不要问“这个看起来好吗？”，而是问“这种实现方法是否满足你对X的要求？”

以下是一个有效的提示示例：

我使用JWT实现了用户认证，设置了24小时过期时间和刷新令牌。这种方法是否为该应用程序提供了你所需的安全级别？

快速反馈选项

定义 quickFeedbackOptions 时，应考虑以下几点：

• 最多提供3 - 5个选项，以获得最佳用户体验。
• 同时包含积极和建设性的反馈选项。
• 使选项与上下文相关，而非通用选项。
• 按从最积极到最关键的顺序排列选项。

以下是设计良好的快速反馈选项示例：

quickFeedbackOptions: [
  "完美，正是我所需要的",
  "方法不错，但请添加更多验证",
  "我更喜欢其他认证方法",
  "让我们更详细地讨论替代方案"
]

🛠️ 开发

有关开发和构建的信息，请参阅 DEVELOPMENT.md。

🐞 故障排除

常见问题

1. MCP服务器无法连接：确保服务器正在运行且配置正确。
2. 找不到npx命令：确保已正确安装Node.js和npm。
3. 权限错误：在Unix系统上，你可能需要使二进制文件可执行。

调试模式

以调试输出模式运行：

DEBUG=* npx feedback-loop-mcp

📄 许可证

本项目采用MIT许可证，详情请参阅 package.json。