gl-mcp-feedback

交互式反馈 MCP 服务器。AI 调用 interactive_feedback 把工作摘要发到浏览器页面，用户在页面里回复文字和图片，回复再回到 AI，把多次试错合并成一次有效沟通。

适用于支持 MCP 的 AI 编辑器，如 Cursor、Cline、Windsurf。

功能

• 微信式对话流：AI 的摘要（Markdown 渲染，代码块带复制按钮）靠左，用户回复靠右，历史消息可回看。
• 文字与图片回复：图片可选文件或 Ctrl/⌘+V 粘贴，Ctrl/⌘+Enter 发送。
• 消息排队：AI 干活期间用户也能继续发消息，最多排 3 条，排队中可以编辑、撤回。装了 Cursor 钩子，AI 调用完任意一次工具就能读到；没装，或 AI 先一步再次提问，则随下一次 interactive_feedback 一并带回，不会因为 AI 再次提问而丢失。
• 多对话分开：每个 Cursor 对话一个页面（/c/<对话 ID>/），回复和排队的消息不会串到别的对话；对话 ID 由 Cursor 钩子填入 conversation_id，没有钩子的调用共用一个页面。/ 列出所有对话。
• 新提问提醒：新一轮提问到达时播放提示音，页面在后台时再弹桌面通知；页面没在被看时，标签页标题前会加 🟢、图标右上角会加绿点，开着好几个对话的页面也能一眼分出哪个有新消息，切回来自动消失。
• 环境自动检测：识别 SSH Remote、WSL 等环境，无法打开浏览器时可通过端口转发访问。

工具与 Prompt

安装与配置

需要 Python ≥ 3.12 和 uv。在 MCP 配置里加入：

{
    "mcpServers": {
        "gl-mcp-feedback": {
            "command": "uvx",
            "args": ["gl-mcp-feedback@latest"],
            "timeout": 600,
            "autoApprove": ["interactive_feedback"]
        }
    }
}

从源码运行：

{
    "mcpServers": {
        "gl-mcp-feedback": {
            "command": "uv",
            "args": ["run", "--directory", "/path/to/gl-mcp-feedback", "gl-mcp-feedback"],
            "timeout": 600
        }
    }
}

配置里的 timeout 只有读它的客户端（比如 Cline）才用得上，Cursor 不读：Cursor 对每次 MCP 工具调用有 120 秒的空闲超时，调用期间每收到一条进度通知就重新计时。所以等用户回复期间，服务端每 30 秒发一条进度通知，一次提问最长能等 10 分钟（timeout 的上限）。

环境变量

在 MCP 配置的 env 里设置。

MCP_WEB_HOST 为 127.0.0.1 时只能本机访问；SSH 远程开发时可设为 0.0.0.0，再用 http://[远程主机 IP]:8765 访问。也可以保持默认，改用 SSH 端口转发把远程的 8765 转到本机。详见 SSH Remote 环境使用指南。

Cursor 钩子

钩子是可选的。它是一个 Python 脚本（仓库里的 hooks/gl-feedback.py，随包发布），管三件事：

• 给每次 interactive_feedback 填上 Cursor 的对话 ID，让每个对话用自己的页面
• AI 调用完任意一次工具时，把用户排队的消息取走，附在那次工具结果后面交给 AI；消息带图片时，图片存成本地文件，路径写在文字里，AI 用 Read 查看；对话的房间销毁时这些图片一并删除，没被删掉的（比如服务异常退出）24 小时后清理
• 对话正常结束时（stop），通知服务销毁这个对话的房间，页面显示「对话已结束」，已有的记录留在页面上，由你自己关掉

没装钩子，所有对话共用一个页面，排队的消息要等 AI 下次调用 interactive_feedback 才送达。

安装

先确认 MCP 已经是新版：钩子会给 interactive_feedback 填 conversation_id，旧版服务端不认这个参数、会拒绝调用，所以先在 Cursor 里把这个 MCP 关掉再打开（uvx 会拉最新版）。然后执行一条命令：

uvx gl-mcp-feedback@latest hooks install

它依次做三件事：

1. 把脚本复制到用户目录下的 .cursor/hooks/gl-feedback.py（macOS / Linux 是 ~/.cursor，Windows 是 %USERPROFILE%\.cursor）
2. 用将要登记的命令试跑一次脚本，确认 uv 和 Python 都能用；试跑不通就停下，不改配置
3. 把五项钩子合并登记进同一个目录的 hooks.json，别的钩子原样保留，改动前先把原文件备份成 hooks.json.bak

登记的命令是 uv run --quiet --no-project --script ./hooks/gl-feedback.py <模式>，脚本路径是相对的（用户级钩子从 .cursor 目录运行），每个人登记的内容都一样。重复执行不会重复登记；已经登记了 gl-feedback.py 的条目（比如你自己指向仓库脚本的）默认不动，加 --force 才改成新位置。升级之后再执行一次，脚本就更新到新版。从源码运行时，在仓库里执行 uv run gl-mcp-feedback hooks install。卸载：uvx gl-mcp-feedback@latest hooks uninstall。

脚本只依赖 uv（用 uvx 启动 MCP 的话已经有了），macOS、Linux 和 Windows 通用。

Windows 上同样用这条命令，不过作者没有 Windows 环境，没有在真机上验证过。Cursor 在 Windows 上通过 PowerShell 执行钩子命令，官方论坛确认过一个问题：Git Bash 在启动进程的祖先里时（比如从 Git Bash 里启动 Cursor），Cursor 会把 PowerShell 写的命令交给 bash，所有钩子都失败，interactive_feedback 也会被拦住（Hook blocked）。从开始菜单或 PowerShell 启动就没有这个问题。遇到这种情况或别的问题，执行 hooks uninstall 卸掉钩子，MCP 照常能用。

各项钩子做什么

pre 给所有项目的对话填对话 ID。Cursor 给 preToolUse 的输入里没有 MCP 服务器名，matcher 只能按工具名匹配，别的 MCP 服务器如果也有叫 interactive_feedback 的工具，它的调用同样会被改写。log 把会话事件的几个字段记进 ~/.cache/gl-mcp-feedback/hook-events.log。

stop 在 AI 的每个回合结束时触发：先记一条事件，再把回合的结束状态报告给这个对话的房间。状态是 completed（正常结束）时，房间 3 秒后销毁（它送达过的图片文件一并删除），页面收到「对话已结束」，输入框锁定，已有的记录留在页面上，页面不会自己关闭；这 3 秒里对话再提问，房间就留下。房间里还有排队中的消息时也留下，等对话下次提问或调用工具时送达。状态是 aborted（被中断）或 error（出错）时，房间只标成「已结束」，不销毁。不管有没有收到 stop，闲置超过 2 小时的房间都会销毁。

标记文件、登记文件、图片和事件日志都放在 GL_FEEDBACK_HOME（默认 ~/.cache/gl-mcp-feedback），服务端和钩子读同一个变量，一般不用改。

推荐的 AI 规则

为了让 AI 稳定地走「先确认 → 再动手 → 最后回收反馈」的流程，建议把下面这段放进 AI 助手的规则（Cursor 的 User Rules / Project Rules、Cline 的 Custom Instructions 等）：

gl-mcp-feedback 交互规范：

1. 代码修改完成后，必须调用 interactive_feedback，在 summary 中说明已完成的修改，等待用户测试反馈。
2. 用户提出新需求时，先调用 interactive_feedback 阐述理解和实现思路，等用户确认后再写代码。
3. 工具调用被中断/取消时，立即调用 interactive_feedback 询问用户。
4. 收到「用户没有回复」的提示、或 MCP 调用超时时，立即重新调用等待反馈（timeout 传 600）。
5. summary 参数使用 Markdown 格式，按需使用标题、列表、文件路径等结构化信息。
6. summary 用 Markdown 时尽量保持简洁：减少代码块嵌套、长串双引号、复杂转义，能用纯文本叙述就用纯文本，能用列表就不要堆段落。代码块仅在贴具体代码/命令时使用。

第 1、2 条是核心：改代码前先确认、改代码后回收反馈。第 5、6 条与渲染有关：summary 会在 Web UI 里以 Markdown 展示，写得简洁可读性最好。

常见问题

页面没有收到新的反馈：多半是 WebSocket 断了，刷新浏览器页面即可。

对话进行到一半，页面显示「已断开」，并提示 MCP 服务已断开：MCP 进程被重启了，多半是 Cursor 自己重启的（按日志观察，它每次启动后会把 MCP 重启一次，多数在几秒内，偶尔晚到几分钟；在设置里手动重载 MCP 也一样）。房间和记录都在进程内存里，刷新页面恢复不了；AI 下次提问时会在新进程里新开一个页面，旧页面上的记录还留着，直接关掉即可。

AI 在我没回复时又发来一条很短的提问：用户在 10 分钟（timeout 的上限）内没有回复，这一轮提问就标为超时，页面上显示「该轮对话已超时，未收到回复」，AI 收到一条让它再次提问的提示，于是用一两句话重新发起；上一轮的完整内容还留在页面上。如果两三分钟就报 MCP error -32001: Request timed out，说明进度通知没起作用：先确认 MCP 是最新版本并且重启过（uvx 用 @latest，从源码运行的在 Cursor 设置里把 gl-mcp-feedback 关掉再打开）。

排队的消息要等 AI 下次提问才送达：钩子没生效。重新执行 uvx gl-mcp-feedback@latest hooks install，它会试跑脚本，哪里不通会直接告诉你；也可以确认 ~/.cursor/hooks.json 里登记了 post，以及 Cursor 的 PATH 里有 uv。

AI 等后台命令的时候发的消息，要等它等完才读到：钩子只在工具调用结束时送达。AI 用 AwaitShell 等后台命令期间，Cursor 每秒会触发几次内部轮询，这些触发送出去的内容会被丢弃，所以钩子跳过它们，消息在等待结束后的第一次工具调用结束时送达。

对话结束了，页面还开着：页面不会自己关闭，免得你不在时 AI 留下的消息跟着消失。对话正常结束后页面显示「对话已结束」、输入框锁定，已有的记录还在，看完手动关掉即可；刷新页面会跳回房间列表，记录就看不到了（房间在服务端已经销毁，记录只在页面里）。如果对话结束后页面一直没有显示「对话已结束」，确认 ~/.cursor/hooks.json 里 stop 登记的命令是 ... gl-feedback.py stop（不是 log）。

interactive_feedback 被拦住（提示 Hook blocked 或被拒绝）：钩子脚本跑不起来时，Cursor 会拒绝 preToolUse 钩子管着的调用，比如 uv 出错，或 Windows 上被 Git Bash 搅乱。执行 uvx gl-mcp-feedback@latest hooks uninstall 卸掉钩子，MCP 照常能用，排除原因后再装。

AI 没有调用出 MCP：确认 MCP 工具状态为绿灯，反复开关一次 MCP，等几秒让它重新连接。

出现 Unexpected token 'D' 之类的解析错误：调试输出干扰了通信，设置 MCP_DEBUG=false 或去掉该变量。

Web UI 打不开：检查防火墙，或用 MCP_WEB_PORT 换一个端口。

开发

git clone https://github.com/youjunxiaji/gl-mcp-feedback.git
cd gl-mcp-feedback
uv sync

uv run gl-mcp-feedback test --web   # 启动一个测试用的 Web UI
uv run gl-mcp-feedback version      # 查看版本

uv run pytest                       # 测试
uv run ruff check .                 # lint
uv run pyright                      # 类型检查

致谢

• noopstudios/interactive-feedback-mcp（Fábio Ferreira）：原始项目
• Minidoracat/mcp-feedback-enhanced：本项目直接基于的增强版本
• sanshao85/mcp-feedback-collector：UI 设计灵感
• leo108：SSH 远程开发支持（MCP_WEB_HOST）
• fireinice：工具文档优化（LLM 指令移至 docstring）

授权

MIT，详见 LICENSE。