Interactive Feedback MCP - 交互式反馈MCP服务器

🌐 Language / 語言切換: 简体中文 |English

一个强大的 MCP 服务器，在AI辅助开发工具如 Cursor 中实现无缝的人机协作工作流程。该服务器允许您运行命令、查看输出结果，并通过直观的图形界面直接向AI提供丰富的文本反馈。

Interactive Feedback UI - 主界面

✨ 核心特性

🚀 先进的用户界面

现代化Qt图形界面 - 直观设计和响应式布局
多语言支持 - 中英文界面即时切换
图片拖拽支持 - 自动压缩和Base64编码
智能按钮布局 - 自适应屏幕尺寸和用户偏好
工具菜单集成 - 有序组织的系统维护功能

🎯 智能快捷响应系统

预配置响应按钮 - 覆盖常见开发工作流程
RIPER-5协议集成 - (研究 → 创新 → 计划 → 执行 → 审查)
可自定义快捷操作 - 支持拖拽重新排序
项目特定配置 - 记住您的偏好设置
智能MCP调用 - 智能判断何时需要请求反馈

🔧 强大的命令执行

跨平台命令执行 - 实时输出流传输
自动执行模式 - 适用于重复性工作流程
进程管理 - 启动/停止控制和状态监控
命令历史 - 每个项目的命令持久化
控制台输出 - 语法高亮和滚动支持

🖼️ 高级图片处理

剪贴板图片支持 - Ctrl+V粘贴功能
多种图片格式 - PNG、JPG、JPEG、GIF、BMP、WebP
智能压缩 - 可配置的目标大小（30KB-100KB）
Base64传输 - 直接AI图像识别
临时文件管理 - 自动清理功能

⚙️ 专业配置管理

项目特定设置 - 使用Qt QSettings安全存储
按钮自定义 - 尺寸、可见性和内容控制
性能优化 - 布局缓存和批量更新
备份和恢复 - 配置管理功能
主题和布局 - 持久化存储偏好设置

💡 为什么使用这个工具？

通过引导助手与用户确认而不是分支到投机性的高成本工具调用，该模块可以大幅减少像Cursor这样的平台上的高级请求数量（例如OpenAI工具调用）。在某些情况下，它帮助将原本多达25个工具调用合并为单个具有反馈感知的请求——节省资源并提高性能。

性能优势

降低API成本 - 通过最小化不必要的工具调用
提高准确性 - 在关键决策点进行人工验证
增强生产力 - 通过简化的反馈工作流程
更好的协作 - AI和人类开发者之间的配合

🎮 使用方法

基本工作流程

启动界面 - 当AI助手调用时启动
查看摘要 - 审查AI已完成的工作
使用快捷响应按钮 - 处理常见反馈场景：
- ✅ 看起来不错 - 批准当前工作
- 🔧 需要小调整 - 请求轻微修改
- 📋 完成所有清单 - 执行剩余任务
- 🎯 智能执行清单 - 智能处理剩余项目

高级功能

🔍 RIPER-5 协议工作流程

系统包含用于系统性问题解决的专用按钮：

🔍 深度分析问题 - 深度分析模式和系统性分解
💡 创新解决方案 - 头脑风暴多种方法并评估选项
📋 制定实施计划 - 生成详细的实施计划和审查检查点
⚡ 执行计划步骤 - 按计划执行，带有交互反馈
🎯 验证最终结果 - 根据需求进行全面验证

🖼️ 图片集成

拖拽图片 - 直接拖入界面或使用Ctrl+V粘贴截图
配置传输选项 - 启用Base64进行AI识别
调整压缩设置 - 选择目标大小以获得最佳性能
发送前预览 - 使用缩略图预览功能

⚙️ 自定义选项

编辑快捷按钮 - 点击⚙️按钮自定义响应
工具菜单 - 访问系统功能，如临时文件清理
语言切换 - 在中英文界面之间切换
布局偏好 - 调整按钮大小和窗口布局

命令执行功能

切换命令区域 - 显示/隐藏命令执行面板
自动执行模式 - 启用启动时自动命令运行
实时输出 - 查看命令执行结果
进程控制 - 启动、停止和监控运行中的进程

📋 提示词工程

为了获得最佳效果，请将以下内容添加到您的AI助手自定义提示中任意一种：

示例1：

每当您想要提问时，始终调用MCP `interactive_feedback`。
每当您即将完成用户请求时，调用MCP `interactive_feedback`而不是简单地结束过程。
继续调用MCP直到用户反馈为空，然后结束请求。

使用RIPER-5协议按钮时，遵循系统化方法：
1. 🔍 研究：在提出解决方案之前彻底分析问题
2. 💡 创新：探索多种创造性方法
3. 📋 计划：创建详细的、可审查的实施计划
4. ⚡ 执行：按步骤执行计划，设置检查点
5. 🎯 审查：根据原始需求验证结果

示例2：

配套当前mcp的cursor提示词：RIPER-5-cursor-rule

这确保您的AI助手有效使用MCP服务器并遵循结构化的问题解决方法。

🔧 配置

此MCP服务器使用Qt的QSettings在每个项目基础上存储配置，包括：

存储的设置

命令偏好 - 每个项目的默认命令
执行设置 - 自动执行偏好和命令历史
UI偏好 - 窗口几何、按钮可见性、语言选择
快捷响应自定义 - 自定义按钮、大小和排列
图片处理设置 - 压缩偏好和传输选项
性能设置 - 布局缓存和更新偏好

存储位置

设置存储在特定于平台的位置：

Windows: 注册表 HKEY_CURRENT_USER\Software\InteractiveFeedbackMCP\InteractiveFeedbackMCP
macOS: ~/Library/Preferences/com.InteractiveFeedbackMCP.InteractiveFeedbackMCP.plist
Linux: ~/.config/InteractiveFeedbackMCP/InteractiveFeedbackMCP.conf

配置组织结构

全局设置: 窗口几何、语言偏好等通用UI设置存储在MainWindow_General组中
项目特定设置: 每个项目根据其目录路径哈希获得唯一的配置组，格式为Project_{项目名}_{目录哈希}
基础传输设置: Base64传输配置等全局功能设置直接存储在根级别

配置隔离机制

系统通过以下方式确保不同项目的配置互不干扰：

目录哈希: 使用项目目录的MD5哈希值生成唯一标识符
组分离: 不同项目的设置存储在独立的配置组中
回退机制: 项目特定设置优先，未设置时使用全局默认值

存储的具体配置项

每个项目配置组包含以下设置：

run_command: 项目的默认执行命令
execute_automatically: 是否自动执行命令
suffix_mode: 反馈后缀模式（force/smart/none）
button_size: 按钮大小设置（small/medium/large/custom）
custom_button_width/height: 自定义按钮尺寸
visible_buttons: 可见快捷按钮列表
language: 界面语言设置
use_base64_transmission: 是否启用Base64图片传输
base64_target_size_kb: Base64传输的目标文件大小
commandSectionVisible: 命令区域是否可见
quick_responses: 自定义快捷响应按钮配置

配置文件示例

在Linux系统上，配置文件内容类似：

[MainWindow_General]
geometry=@ByteArray(...)
windowState=@ByteArray(...)

[Project_MyProject_a1b2c3d4]
run_command=python main.py
execute_automatically=false
suffix_mode=force
button_size=medium
language=zh_CN
use_base64_transmission=true
base64_target_size_kb=30

🚀 安装

前置要求

Python 3.11 或更新版本
uv (Python包管理器)
- Windows: pip install uv
- Linux/Mac: curl -LsSf https://astral.sh/uv/install.sh | sh

安装步骤

克隆仓库：

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

安装依赖：

uv venv
uv sync --index-url https://pypi.tuna.tsinghua.edu.cn/simple

与AI工具集成

Cursor 配置

Cursor 安装示例添加到您的 mcp.json 配置文件：

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

重要提醒： 将 /path/to/interactive-feedback-mcp 替换为您克隆仓库的实际路径。

Cline / Windsurf 配置

在相应工具的MCP设置中使用类似的配置原理，指定 interactive-feedback-mcp 作为服务器标识符。

🛠️ 开发

开发模式

使用Web界面运行服务器进行测试：

uv run fastmcp dev server.py

这会打开一个用于测试MCP工具交互的Web界面。

项目结构

interactive-feedback-mcp/
├── feedback_ui.py          # 主UI控制器 (773行)
├── ui_layout.py           # 布局管理 (372行)  
├── ui_performance.py      # 性能优化 (120行)
├── button_core.py         # 按钮核心逻辑 (195行)
├── ui_events.py          # 事件处理 (178行)
├── ui_settings.py        # 配置管理 (142行)
├── feedback_logic.py     # 业务逻辑 (215行)
├── quick_response_manager.py # 快捷响应系统 (180行)
├── ui_dialogs.py         # 对话框组件 (580行)
├── cleanup_temp_images.py # 图片清理工具 (222行)
├── clipboard_image_widget.py # 图片处理 (540行)
├── i18n.py              # 国际化 (352行)
├── server.py            # MCP服务器入口点 (74行)
└── config.py            # 配置工具 (44行)

架构亮点

模块化设计 - 清晰的关注点分离
基于Qt的UI - 现代设计模式
性能优化 - 包括布局缓存和批量更新
全面的国际化 - 支持多语言
健壮的错误处理 - 优雅降级

🔨 可用工具