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。
- 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
- 三层项目隔离 - 基于客户端、工作环境和项目的完全隔离设置管理
- 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
无需安装,直接运行:
# 从 GitHub 运行最新版本
uvx --from git+https://github.com/sewall2025/interactive-feedback-mcp.git interactive-feedback-mcp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
# 使用 Python 原生虚拟环境(env 名称为 interactive)
python scripts/run_interactive_env.py --install-only # 创建/更新 virtualenv interactive
python scripts/run_interactive_env.py # 启动 MCP 服务器
# 也可以手动激活 virtualenv 后运行
# source interactive/bin/activate # Windows 使用 interactive\\Scripts\\activate
# python interactive_feedback_mcp/server.py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。
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/sewall2025/interactive-feedback-mcp.git", "interactive-feedback-mcp"],
"timeout": 600,
"autoApprove": ["interactive_feedback"],
"env": {
"worker": "work",
"AI_summary_detail_level": "detailed"
}
}
}
}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。
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"]
}
}
}{
"mcpServers": {
"interactive-feedback-mcp": {
"command": "python",
"args": ["/path/to/interactive-feedback-mcp/interactive_feedback_mcp/server.py"],
"timeout": 600,
"autoApprove": ["interactive_feedback"]
}
}
}Interactive Feedback MCP 支持以下环境变量来自定义行为:
控制 AI 助手提供的 summary 详细程度,支持三种模式:
brief(默认): 简短的一行总结,适合快速了解detailed: 详细的多行描述,包含主要变更点和影响comprehensive: 全面的描述,包含背景、变更、影响、技术细节等
{
"mcpServers": {
"interactive-feedback-mcp": {
"command": "uvx",
"args": ["--from", "git+https://github.com/sewall2025/interactive-feedback-mcp.git", "interactive-feedback-mcp"],
"env": {
"worker": "work",
"AI_summary_detail_level": "comprehensive"
}
}
}
}brief 模式:
summary: "添加了用户认证功能"
detailed 模式:
summary: "添加了用户认证功能,包含登录、注册和密码重置模块,更新了数据库schema和相关测试"
comprehensive 模式:
summary: "实现了完整的用户认证系统:
1. 核心功能:用户注册、登录、密码重置
2. 技术实现:JWT token管理、bcrypt密码加密
3. 数据库变更:新增users表和相关索引
4. 安全措施:权限验证中间件、输入验证
5. 测试覆盖:单元测试和集成测试
6. 文档更新:API文档和用户指南"
工作环境标识符,用于三层项目隔离功能。详见下方的三层项目隔离说明。
Interactive Feedback MCP 提供了基于客户端、工作环境和项目目录的三层隔离功能,确保不同使用场景的设置完全独立。
- 客户端隔离 - 自动从 MCP 协议获取客户端信息(如
cursor、claude-desktop、cline) - 工作环境隔离 - 通过
worker环境变量区分不同工作环境(如work、personal、testing) - 项目隔离 - 基于项目目录自动区分不同项目
{
"mcpServers": {
"interactive-feedback-work": {
"command": "uvx",
"args": ["--from", "git+https://github.com/sewall2025/interactive-feedback-mcp.git", "interactive-feedback-mcp"],
"env": {
"worker": "work"
}
},
"interactive-feedback-personal": {
"command": "uvx",
"args": ["--from", "git+https://github.com/sewall2025/interactive-feedback-mcp.git", "interactive-feedback-mcp"],
"env": {
"worker": "personal"
}
}
}
}- 窗口标题: 动态显示当前隔离上下文,如
Interactive: cursor_work_my-project - 独立设置: 每个组合都有独立的窗口位置、自动提交设置、快捷回复等
- 完全隔离: 不同环境的配置互不干扰
详细文档请参考:三层项目隔离功能说明
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 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。
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。
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。
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。
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
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。
A: 这通常表示客户端信息获取有问题。检查以下几点:
- 确保使用真实的 MCP 客户端(如 Cursor、Claude Desktop)而不是测试工具
- 检查客户端是否正确发送了
clientInfo信息 - 参考 客户端信息排查指南 进行详细调试
A: 检查以下配置:
- 确认
worker环境变量已正确设置 - 验证客户端信息是否正确获取(窗口标题应显示具体的客户端名称)
- 确保项目目录路径有效
- 运行测试:
uv run python tests/test_three_layer_isolation.py
- 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
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!




