Interactive Feedback MCP

Um servidor MCP para feedback interativo do usuário e execução de comandos no desenvolvimento assistido por IA.

Documentação

Interactive Feedback MCP

Desenvolvido por Fábio Ferreira (@fabiomlferreira). Confira dotcursorrules.com para mais melhorias no desenvolvimento com IA.

Um servidor MCP simples para habilitar um fluxo de trabalho com humano no circuito em ferramentas de desenvolvimento assistidas por IA, como o Cursor. Este servidor permite que você execute comandos, visualize sua saída e forneça feedback textual diretamente à IA. Ele também é compatível com Cline e Windsurf.

Interactive Feedback UI - Main View Interactive Feedback UI - Command Section Open

Engenharia de Prompt

Para obter os melhores resultados, adicione o seguinte ao seu prompt personalizado no seu assistente de IA. Você deve adicioná-lo em uma regra ou diretamente no prompt (por exemplo, no Cursor):

Sempre que quiser fazer uma pergunta, chame o MCP interactive_feedback.
Sempre que estiver prestes a concluir uma solicitação do usuário, chame o MCP interactive_feedback em vez de simplesmente encerrar o processo. Continue chamando o MCP até que o feedback do usuário esteja vazio; então, encerre a solicitação.

Isso garantirá que seu assistente de IA use este servidor MCP para solicitar feedback do usuário antes de marcar a tarefa como concluída.

💡 Por que usar isso?

Ao orientar o assistente a verificar com o usuário em vez de se ramificar em chamadas de ferramentas especulativas e de alto custo, este módulo pode reduzir drasticamente o número de solicitações premium (por exemplo, invocações de ferramentas da OpenAI) em plataformas como o Cursor. Em alguns casos, ele ajuda a consolidar o que seriam até 25 chamadas de ferramentas em uma única solicitação ciente do feedback — economizando recursos e melhorando o desempenho.

Configuração

Este servidor MCP usa o QSettings do Qt para armazenar configurações por projeto. Isso inclui:

O comando a ser executado.
Se o comando deve ser executado automaticamente na próxima inicialização para aquele projeto (veja a caixa de seleção "Execute automatically on next run").
O estado de visibilidade (mostrado/oculto) da seção de comando (isso é salvo imediatamente ao alternar).
Geometria e estado da janela (preferências gerais de interface).

Essas configurações são normalmente armazenadas em locais específicos da plataforma (por exemplo, registro no Windows, arquivos plist no macOS, arquivos de configuração em ~/.config ou ~/.local/share no Linux) sob o nome da organização "FabioFerreira" e o nome do aplicativo "InteractiveFeedbackMCP", com um grupo exclusivo para cada diretório de projeto.

O botão "Save Configuration" na interface salva principalmente o comando atual digitado no campo de entrada de comando e o estado da caixa de seleção "Execute automatically on next run" para o projeto ativo. A visibilidade da seção de comando é salva automaticamente quando você a alterna. O tamanho e a posição gerais da janela são salvos quando o aplicativo é fechado.

Instalação (Cursor)

Instalation on Cursor

Pré-requisitos:
- Python 3.11 ou mais recente.
- uv (gerenciador de pacotes Python). Instale-o com:
  - Windows: pip install uv
  - Linux/Mac: curl -LsSf https://astral.sh/uv/install.sh | sh
Obtenha o código:
- Clone este repositório: git clone https://github.com/noopstudios/interactive-feedback-mcp.git
- Ou baixe o código-fonte.
Navegue até o diretório:
- cd path/to/interactive-feedback-mcp
Instale as dependências:
- uv sync (isso cria um ambiente virtual e instala os pacotes)
Execute o servidor MCP:
- uv run server.py
Configure no Cursor:
- O Cursor normalmente permite especificar servidores MCP personalizados em suas configurações. Você precisará apontar o Cursor para este servidor em execução. O mecanismo exato pode variar, então consulte a documentação do Cursor para adicionar MCPs personalizados.
- Configuração manual (por exemplo, via mcp.json) Lembre-se de alterar o caminho /Users/fabioferreira/Dev/scripts/interactive-feedback-mcp para o caminho real onde você clonou o repositório no seu sistema.
```
{
  "mcpServers": {
    "interactive-feedback-mcp": {
      "command": "uv",
      "args": [
        "--directory",
        "/Users/fabioferreira/Dev/scripts/interactive-feedback-mcp",
        "run",
        "server.py"
      ],
      "timeout": 600,
      "autoApprove": [
        "interactive_feedback"
      ]
    }
  }
}
```
- Você pode usar um identificador de servidor como interactive-feedback-mcp ao configurá-lo no Cursor.

Para Cline / Windsurf

Princípios de configuração semelhantes se aplicam. Você configuraria o comando do servidor (por exemplo, uv run server.py com o argumento --directory correto apontando para o diretório do projeto) nas configurações de MCP da respectiva ferramenta, usando interactive-feedback-mcp como identificador do servidor.

Desenvolvimento

Para executar o servidor em modo de desenvolvimento com uma interface web para testes:

uv run fastmcp dev server.py

Isso abrirá uma interface web e permitirá que você interaja com as ferramentas MCP para testes.

Ferramentas disponíveis

Aqui está um exemplo de como o assistente de IA chamaria a ferramenta 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>

Agradecimentos e Contato

Se você achar este Interactive Feedback MCP útil, a melhor forma de demonstrar apreço é seguindo Fábio Ferreira no X @fabiomlferreira.

Para qualquer dúvida, sugestão, ou se você quiser apenas compartilhar como está usando, sinta-se à vontade para entrar em contato no X!

Além disso, confira dotcursorrules.com para mais recursos sobre como aprimorar seu fluxo de trabalho de desenvolvimento assistido por IA.