Interactive Feedback MCP
一个功能强大的 MCP (Model Context Protocol) 服务器，为 AI 辅助开发提供交互式用户反馈和命令执行功能。
🌟 主要功能
- 交互式反馈界面 - 图形用户界面，支持文字和图片反馈
- 命令执行 - 在项目目录中执行命令并实时显示输出
- 自动提交 - 可设置倒计时自动提交反馈
- 快捷回复 - 预设常用回复内容
- 图片支持 - 上传图片文件和剪贴板粘贴，自动压缩优化
📸 界面预览
cursor配置
🚀 快速开始
直接使用（推荐）
无需安装，直接运行：
# 使用 uvx 直接运行（推荐）
uvx interactive-feedback-mcp
# 从 GitHub 运行最新版本
uvx --from git+https://github.com/duolabmeng6/interactive-feedback-mcp.git interactive-feedback-mcp
本地开发
如果您已经克隆了项目：
# 进入项目目录
cd interactive-feedback-mcp
# 使用 uv 运行
uv run interactive-feedback-mcp
# 或者直接运行 Python 脚本
uv run python interactive_feedback_mcp/server.py
参数说明
工具启动后会等待 MCP 协议的输入。通常情况下，您不需要手动运行这些命令，而是通过 AI 助手的 MCP 配置来使用。
⚡ MCP 配置
使用 uvx (推荐)
在 Cursor 或其他支持 MCP 的 AI 助手中添加以下配置：
{
"mcpServers": {
"interactive-feedback-mcp": {
"command": "uvx",
"args": ["--from", "git+https://github.com/duolabmeng6/interactive-feedback-mcp.git", "interactive-feedback-mcp"],
"timeout": 600,
"autoApprove": ["interactive_feedback"]
}
}
}
注意：使用
uvx interactive-feedback-mcp而不是uvx run interactive-feedback-mcp。uvx 是 uv tool run 的别名，直接指定工具名即可。
使用 uv (本地安装)
如果您已经克隆了项目到本地：
{
"mcpServers": {
"interactive-feedback-mcp": {
"command": "uv",
"args": ["run", "--directory", "/path/to/interactive-feedback-mcp", "interactive-feedback-mcp"],
"timeout": 600,
"autoApprove": ["interactive_feedback"]
}
}
}
或者使用传统方式：
{
"mcpServers": {
"interactive-feedback-mcp": {
"command": "uv",
"args": ["run", "--directory", "/path/to/interactive-feedback-mcp", "python", "interactive_feedback_mcp/server.py"],
"timeout": 600,
"autoApprove": ["interactive_feedback"]
}
}
}
使用 Python (本地安装)
{
"mcpServers": {
"interactive-feedback-mcp": {
"command": "python",
"args": ["/path/to/interactive-feedback-mcp/interactive_feedback_mcp/server.py"],
"timeout": 600,
"autoApprove": ["interactive_feedback"]
}
}
}
🎯 提示工程规则
为了获得最佳的交互体验，建议在您的 AI 助手中添加以下规则：
MCP Interactive Feedback 使用规则
# MCP Interactive Feedback 规则
1. 在任何流程、任务、对话进行时，无论是询问、回复、或完成阶段性任务，皆必须调用 MCP interactive-feedback-mcp。
2. 每当收到用户反馈，若反馈内容非空，必须再次调用 MCP interactive-feedback-mcp，并根据反馈内容调整行为。
3. 仅当用户明确表示「结束」或「不再需要交互」时，才可停止调用 MCP interactive-feedback-mcp，流程才算结束。
4. 除非收到结束指令，否则所有步骤都必须重复调用 MCP interactive-feedback-mcp。
5. 完成任务前，必须使用 MCP interactive-feedback-mcp 工具向用户询问反馈。
6. 当用户提供图片时，要仔细分析图片内容并在后续交互中参考图片信息。
7. 利用终端功能执行必要的命令来验证或实施用户的需求。
另外一份提示词
你是Cursor IDE的AI编程助手，遵循核心工作流（研究->构思->计划->执行->评审）用中文协助用户，面向专业程序员，交互应简洁专业，避免不必要解释。
[沟通守则]
1. 响应以模式标签 `[模式：X]` 开始，初始为 `[模式：研究]`。
2. 核心工作流严格按 `研究->构思->计划->执行->评审` 顺序流转，用户可指令跳转。
[核心工作流详解]
1. `[模式：研究]`：理解需求。
2. `[模式：构思]`：提供至少两种可行方案及评估（例如：`方案1：描述`）。
3. `[模式：计划]`：将选定方案细化为详尽、有序、可执行的步骤清单（含原子操作：文件、函数/类、逻辑概要；预期结果；新库用`Context7`查询）。不写完整代码。完成后用`interactive-feedback`请求用户批准。
4. `[模式：执行]`：必须用户批准方可执行。严格按计划编码执行。计划简要（含上下文和计划）存入`./issues/任务名.md`。关键步骤后及完成时用`interactive-feedback`反馈。
5. `[模式：评审]`：对照计划评估执行结果，报告问题与建议。完成后用`interactive-feedback`请求用户确认。
[快速模式]
`[模式：快速]`：跳过核心工作流，快速响应。完成后用`interactive-feedback`请求用户确认。
[主动反馈与MCP服务]
* **通用反馈**：研究/构思遇疑问时，使用 `interactive_feedback` 征询意见。任务完成（对话结束）前也需征询。
* **MCP服务**：
* `interactive_feedback`: 用户反馈。
* `Context7`: 查询最新库文档/示例。
* 优先使用MCP服务。
❓ 常见问题
Q: 如何直接测试工具是否正常工作？
A: 运行 uvx interactive-feedback-mcp，工具会启动并等待 MCP 协议输入。如果没有错误信息，说明工具正常工作。
Q: 运行 uvx run interactive-feedback-mcp 时提示错误怎么办？
A: 正确的命令是 uvx interactive-feedback-mcp（不需要 run）。如果看到提示询问是否要执行正确命令，输入 y 确认即可。
Q: uvx、uv run、uv tool run 有什么区别？
A:
uvx=uv tool run：用于运行独立工具，工具会安装在临时隔离环境中uv run：在项目环境中运行命令，适用于项目内的脚本和工具
Q: 工具启动后没有界面怎么办？
A: 这是正常的！工具启动后会等待 MCP 协议的输入。只有当 AI 助手调用 interactive_feedback 功能时，才会弹出图形界面。
使用建议
- 持续交互：确保在每个关键步骤都获取用户反馈
- 图片利用：充分利用图片上传功能来提供更准确的帮助
- 命令执行：使用终端功能来验证和执行用户的需求
- 设置优化：根据使用习惯调整自动提交、窗口置顶等设置
📄 许可证
本项目采用 MIT 许可证 - 详见 LICENSE 文件。
如果这个项目对您有帮助，请给个 ⭐ Star！
打赏
