Interactive Feedback MCP - 交互式反馈收集器

基于 Fábio Ferreira (@fabiomlferreira) 的原始项目进行二次开发
参考项目：sanshao85/mcp-feedback-collector
当前维护者：bulice
更多 AI 开发增强工具请访问 dotcursorrules.com

📖 项目概述

Interactive Feedback MCP 是一个基于 MCP (Model Context Protocol) 的服务器，专为 AI 辅助开发工具（如 Cursor、Cline、Windsurf）设计的人机交互反馈系统。

本项目基于 Fábio Ferreira 的原始设计进行了二次开发和优化，同时参考了 sanshao85/mcp-feedback-collector 项目的现代化实现，通过提供图形化界面，让用户能够在 AI 开发过程中实时提供文字反馈、上传图片、执行命令并查看输出，从而实现真正的人机协作开发模式。

✨ 核心功能

🎯 交互式反馈

• 📝 文字反馈: 提供详细的文本反馈给 AI 助手
• 🖼️ 图片支持: 支持多图片上传或剪贴板粘贴
• 💬 实时交互: 与 AI 助手进行实时对话和反馈

🎨 用户界面

• 🌙 深色主题: 护眼的深色界面，适合长时间使用
• ☀️ 浅色主题: 清爽的浅色界面，适合明亮环境
• 🎛️ 主题切换: 支持动态切换界面主题
• 📱 响应式设计: 自适应窗口大小和布局

⚙️ 命令执行

• 🔄 实时输出: 实时显示命令执行结果
• 📊 进程监控: 监控命令执行状态和进程信息
• 🚀 自动执行: 可选的启动时自动执行命令
• 💾 命令历史: 保存和管理常用命令

🗂️ 项目管理

• 📁 项目特定设置: 每个项目独立保存配置
• ⚙️ 配置持久化: 使用 Qt QSettings 保存用户偏好
• 🔧 灵活配置: 支持多种启动和配置方式

🏗️ 技术架构

核心技术栈

• Python 3.11+: 主要开发语言
• FastMCP: MCP 服务器框架
• PySide6: 跨平台 GUI 框架
• psutil: 系统进程管理
• Pillow: 图像处理库

项目结构

interactive-feedback-mcp/
├── server.py              # MCP 服务器主程序
├── feedback_ui.py          # GUI 界面实现
├── diagnose_mcp.py         # MCP 连接诊断工具
├── test_mcp.py            # MCP 服务器测试脚本
├── mcp_server.sh          # 服务器启动脚本
├── requirements.txt       # Python 依赖包
├── pyproject.toml         # 项目配置文件
├── cursor_mcp_config.json # Cursor 配置示例
├── images/                # 图片资源目录
├── logs/                  # 日志文件目录
└── README.md              # 项目说明文档

核心组件

1. MCP 服务器 (server.py)

• 实现 MCP 协议的服务器端
• 提供 interactive_feedback 和 get_image_info 工具
• 处理与 AI 助手的通信

2. GUI 界面 (feedback_ui.py)

• 基于 PySide6 的现代化界面
• 支持深色/浅色主题切换
• 实现文字输入、图片上传、命令执行等功能

3. 诊断工具 (diagnose_mcp.py)

• 检查 MCP 服务器连接状态
• 验证依赖和配置
• 生成配置建议

🚀 安装配置

系统要求

• Python: 3.11 或更高版本
• 操作系统: Windows、macOS、Linux
• 包管理器: uv (推荐) 或 pip

安装步骤

1. 获取代码

git clone https://github.com/bulice/interactive-feedback-mcp.git
cd interactive-feedback-mcp

2. 安装依赖

# 使用 uv (推荐)
uv sync

# 或使用 pip
pip install -r requirements.txt

3. 运行服务器

# 使用 uv
uv run server.py

# 或直接运行
python server.py

Cursor 配置

在 Cursor 的 MCP 配置文件中添加以下配置：

  "mcpServers": {
"interactive-feedback-mcp": {
      "command": "/Users/lee/tmp/interactive-feedback-mcp/mcp_server.sh",
      "args": [],
      "timeout": 600,
      "autoApprove": [
        "interactive_feedback"
      ]
    }
  }

注意: 请将 /path/to/interactive-feedback-mcp 替换为实际的项目路径。

其他 AI 工具配置

对于 Cline、Windsurf 等工具，配置方式类似，只需在相应的 MCP 设置中指定服务器命令和参数即可。

📋 使用方法

基本使用流程

1. 启动服务器: 运行 MCP 服务器
2. 配置 AI 工具: 在 Cursor 等工具中配置 MCP 服务器
3. AI 调用: AI 助手通过 MCP 协议调用反馈工具
4. 用户交互: 在弹出的界面中提供反馈
5. 反馈传递: 反馈信息返回给 AI 助手

提示词工程

为了获得最佳效果，建议在 AI 助手的自定义提示词中添加以下规则：

当你想要询问问题时，总是调用 MCP `interactive_feedback` 工具。
当你即将完成用户请求时，调用 MCP `interactive_feedback` 工具而不是直接结束流程。
持续调用 MCP 直到用户反馈为空，然后结束请求。

主题选择

# 使用深色主题（默认）
python feedback_ui.py --theme dark --prompt "您的消息"

# 使用浅色主题
python feedback_ui.py --theme light --prompt "您的消息"

命令行参数

• --project-directory: 指定项目目录
• --prompt: 设置提示信息
• --theme: 选择界面主题 (light/dark)
• --output-file: 指定输出文件路径

🔧 开发调试

开发模式运行

uv run fastmcp dev server.py

这将启动一个 Web 界面，方便测试 MCP 工具。

连接诊断

python diagnose_mcp.py

运行诊断工具检查 MCP 服务器连接状态。

测试服务器

python test_mcp.py

测试 MCP 服务器的基本功能。

💡 使用价值

通过引导 AI 助手在完成任务前与用户确认，而不是进行推测性的高成本工具调用，该模块可以显著减少平台（如 Cursor）上的高级请求数量。在某些情况下，它可以将原本需要 25 次工具调用的操作整合为单次反馈感知请求，从而节省资源并提高性能。

📁 配置管理

项目使用 Qt 的 QSettings 按项目存储配置，包括：

• 要运行的命令
• 是否在下次启动时自动执行命令
• 命令区域的显示/隐藏状态
• 窗口几何形状和状态

这些设置通常存储在平台特定的位置（Windows 注册表、macOS plist 文件、Linux 配置文件等）。

🤝 致谢与联系

原始项目致谢

本项目基于以下优秀项目进行开发：

• 原始创意: Fábio Ferreira 的 Interactive Feedback MCP
• 现代化实现: sanshao85/mcp-feedback-collector

感谢这些开发者的原创贡献和开源精神。如果您觉得这个项目有用，建议关注原作者们的工作。

当前维护

• 维护者: bulice
• 项目地址: https://github.com/bulice/interactive-feedback-mcp
• 问题反馈: 请在 GitHub 项目页面提交 Issue

相关资源

请查看 dotcursorrules.com 获取更多 AI 辅助开发工作流程的增强资源。

📄 许可证

本项目采用开源许可证，详见 LICENSE 文件。