Interactive Feedback MCP

Interactive Feedback MCP

Desarrollado por Fábio Ferreira (@fabiomlferreira). Consulta dotcursorrules.com para más mejoras en el desarrollo asistido por IA.

Un servidor MCP sencillo para habilitar un flujo de trabajo con intervención humana en herramientas de desarrollo asistido por IA como Cursor. Este servidor te permite ejecutar comandos, ver su salida y proporcionar comentarios textuales directamente a la IA. También es compatible con Cline y Windsurf.

Ingeniería de Prompts

Para obtener los mejores resultados, añade lo siguiente a tu prompt personalizado en tu asistente de IA; debes agregarlo en una regla o directamente en el prompt (por ejemplo, en Cursor):

Cada vez que quieras hacer una pregunta, llama siempre al MCP interactive_feedback.
Cada vez que estés a punto de completar una solicitud del usuario, llama al MCP interactive_feedback en lugar de simplemente finalizar el proceso. Sigue llamando al MCP hasta que los comentarios del usuario estén vacíos; luego finaliza la solicitud.

Esto asegurará que tu asistente de IA use este servidor MCP para solicitar comentarios del usuario antes de marcar la tarea como completada.

💡 ¿Por qué usar esto?

Al guiar al asistente para que consulte al usuario en lugar de ramificarse en llamadas de herramientas especulativas y costosas, este módulo puede reducir drásticamente el número de solicitudes premium (por ejemplo, invocaciones de herramientas de OpenAI) en plataformas como Cursor. En algunos casos, ayuda a consolidar lo que serían hasta 25 llamadas de herramientas en una sola solicitud consciente de los comentarios, ahorrando recursos y mejorando el rendimiento.

Configuración

Este servidor MCP utiliza QSettings de Qt para almacenar la configuración por proyecto. Esto incluye:

• El comando a ejecutar.
• Si se debe ejecutar el comando automáticamente en el próximo inicio para ese proyecto (consulta la casilla "Ejecutar automáticamente en la próxima ejecución").
• El estado de visibilidad (mostrado/oculto) de la sección de comandos (esto se guarda inmediatamente al alternarlo).
• La geometría y el estado de la ventana (preferencias generales de la interfaz).

Estos ajustes se almacenan típicamente en ubicaciones específicas de la plataforma (por ejemplo, el registro en Windows, archivos plist en macOS, archivos de configuración en ~/.config o ~/.local/share en Linux) bajo el nombre de organización "FabioFerreira" y el nombre de aplicación "InteractiveFeedbackMCP", con un grupo único para cada directorio de proyecto.

El botón "Guardar configuración" en la interfaz guarda principalmente el comando actual escrito en el campo de entrada de comandos y el estado de la casilla "Ejecutar automáticamente en la próxima ejecución" para el proyecto activo. La visibilidad de la sección de comandos se guarda automáticamente cuando la alternas. El tamaño y la posición generales de la ventana se guardan cuando la aplicación se cierra.

Instalación (Cursor)

1. Requisitos previos:
   • Python 3.11 o más reciente.
   • uv (gestor de paquetes de Python). Instálalo con:
     • Windows: pip install uv
     • Linux/Mac: curl -LsSf https://astral.sh/uv/install.sh | sh
2. Obtén el código:
   • Clona este repositorio: git clone https://github.com/noopstudios/interactive-feedback-mcp.git
   • O descarga el código fuente.
3. Navega al directorio:
   • cd path/to/interactive-feedback-mcp
4. Instala las dependencias:
   • uv sync (esto crea un entorno virtual e instala los paquetes)
5. Ejecuta el servidor MCP:
   • uv run server.py
6. Configura en Cursor:

   • Cursor normalmente permite especificar servidores MCP personalizados en su configuración. Deberás apuntar Cursor a este servidor en ejecución. El mecanismo exacto puede variar, así que consulta la documentación de Cursor para agregar MCP personalizados.

   • Configuración manual (por ejemplo, a través de mcp.json) Recuerda cambiar la ruta de /Users/fabioferreira/Dev/scripts/interactive-feedback-mcp a la ruta real donde clonaste el repositorio en tu sistema.

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

   • Puedes usar un identificador de servidor como interactive-feedback-mcp al configurarlo en Cursor.

Para Cline / Windsurf

Se aplican principios de configuración similares. Configurarías el comando del servidor (por ejemplo, uv run server.py con el argumento --directory correcto apuntando al directorio del proyecto) en la configuración MCP de la herramienta respectiva, usando interactive-feedback-mcp como identificador del servidor.

Desarrollo

Para ejecutar el servidor en modo de desarrollo con una interfaz web para pruebas:

uv run fastmcp dev server.py

Esto abrirá una interfaz web y te permitirá interactuar con las herramientas MCP para realizar pruebas.

Herramientas disponibles

Aquí hay un ejemplo de cómo el asistente de IA llamaría a la herramienta interactive_feedback:

<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>

Agradecimientos y contacto

Si encuentras útil este Interactive Feedback MCP, la mejor manera de mostrar tu agradecimiento es siguiendo a Fábio Ferreira en X @fabiomlferreira.

Para cualquier pregunta, sugerencia, o si solo quieres compartir cómo lo estás usando, ¡no dudes en contactarme en X!

También consulta dotcursorrules.com para más recursos sobre cómo mejorar tu flujo de trabajo de desarrollo asistido por IA.