interactive-feedback 2.5.10.3

Enhanced MCP server for interactive user feedback with rich file drag-drop, smart canned responses preview, and optimized UI experience in AI-assisted development.

Interactive Feedback MCP

不好意思，之前很多功能下载源代码正常，但是uv安装会有问题

一个简单的 MCP Server，用于在AI辅助开发工具（如 Cursor、Cline 、 Windsurf）和[Augment]插件中实现人机协作工作流。该服务器允许您轻松地直接向AI代理提供反馈，让AI与您之间更好地协作。

详细信息请参阅：

• 功能说明.md - 了解本服务提供的各项功能。
• 安装与配置指南.md - 获取详细的安装和设置步骤。

注意： 此服务器设计为与MCP客户端（例如Cursor、VS Code）在本地一同运行，因为它需要直接访问用户的操作系统以显示UI和执行键盘/鼠标操作。

🖼️ 示例

(请注意，示例图片可能未反映最新的UI调整，但核心交互流程保持不变)

💡 为何使用此工具？

1.在像Cursor这样的环境中，您发送给LLM的每个提示都被视为一个独立的请求——每个请求都会计入您的每月限额（例如，500个高级请求）。当您迭代模糊指令或纠正被误解的输出时，这会变得效率低下，因为每次后续澄清都会触发一个全新的请求。

此MCP服务器引入了一种变通方法：它允许模型在最终确定响应之前暂停并请求澄清。模型不会直接完成请求，而是触发一个工具调用 (interactive_feedback)，打开一个交互式反馈窗口。然后，您可以提供更多细节或要求更改——模型会继续会话，所有这些都在单个请求内完成。

从本质上讲，这只是巧妙地利用工具调用来推迟请求的完成。由于工具调用不计为单独的高级交互，因此您可以在不消耗额外请求的情况下循环执行多个反馈周期。

简而言明，这有助于您的AI助手在猜测之前请求澄清，而不会浪费另一个请求。这意味着更少的错误答案、更好的性能和更少的API使用浪费。

2.一定程度上可替代原有的IDA对话栏，直接使用MCP服务与AI对话

• 💰 减少高级API调用： 避免浪费昂贵的API调用来基于猜测生成代码。
• ✅ 更少错误： 行动前的澄清意味着更少的错误代码和时间浪费。
• ⏱️ 更快周期： 快速确认胜过调试错误的猜测。
• 🎮 更好协作： 将单向指令转变为对话，让您保持控制。

🌟 核心功能与使用技巧

处理图片

• 粘贴： 在反馈窗口的文本输入框中按 Ctrl+V (或 Cmd+V) 粘贴图片。您可以同时粘贴多张图片和文本。
• 拖拽： 直接从文件管理器拖拽图片文件到文本输入框中。
• 选择： 点击"选择文件"按钮，通过文件对话框选择图片文件。
• 图片预览： 添加的图片会在输入框下方显示可点击的缩略图预览。点击缩略图可以移除对应的图片。

文件引用

• 拖拽文件： 将任意文件从文件管理器拖拽到文本输入框，会生成蓝色的文件引用（如 @文件名.txt）。
• 选择文件： 点击"选择文件"按钮选择多个文件，支持图片和普通文件的混合选择。
• 智能处理： 系统自动识别图片文件和普通文件，分别进行相应的处理和显示。

常用语

• hover预览： 鼠标悬停在"常用语"按钮上可快速预览所有常用语，支持滚动查看。
• 快速插入： 在预览窗口中点击常用语可直接插入到输入框，无需打开管理对话框。
• 管理： 点击"常用语"按钮打开管理对话框，可以添加、编辑、删除和排序常用语。

文本优化和增强

• 一键优化： 点击"优化"按钮将口语化输入转换为结构化指令，提高AI理解准确性。
• 自定义增强： 点击"增强"按钮，可使用自定义提示词对文本进行特定处理。
• API配置： 在设置页面配置OpenAI、Gemini、DeepSeek等AI提供商的API密钥。
• 撤销功能： 优化后可使用Ctrl+Z撤销，恢复原始文本内容。

窗口截图

• 矩形截图： 点击截图按钮后，UI窗口自动最小化，可进行矩形区域选择截图。
• 自动集成： 截图完成后自动添加到输入内容中，与图片功能无缝集成。
• 实时预览： 截图选择过程中提供实时的选择区域预览效果。

界面布局

• 布局切换： 在设置页面可以选择垂直布局（上下分布）或水平布局（左右分布）。
• 分割器拖拽： 拖拽分割器手柄可以调整各区域的大小，双击分割器可重置为默认比例。
• 状态保存： 布局选择和分割器位置会自动保存，下次启动时恢复。

显示模式配置

• 简单模式： 显示AI处理后的简洁问题，适合快速交互。
• 完整模式： 显示AI的原始完整回复内容，适合详细查看。
• 动态切换： 可在设置页面实时切换显示模式，立即生效。

🛠️ 工具

此服务器通过模型上下文协议 (MCP) 公开以下工具：

interactive_feedback

• 功能： 向用户发起交互式会话，显示提示信息，提供可选选项，并收集用户的文本、图片和文件引用反馈。支持多种交互方式包括文本输入、图片粘贴/拖拽、文件拖拽/选择等。

• 参数：

  • message (str, 可选): 简单模式下显示的简洁问题或提示
  • full_response (str, 可选): 完整模式下显示的AI原始完整回复内容
  • predefined_options (List[str], 可选): 一个字符串列表，每个字符串代表一个用户可以选择的预定义选项。如果提供，这些选项会显示为复选框。

• 智能回退机制：

  • 简单模式：优先使用 message 参数，如果为空则自动回退到 full_response
  • 完整模式：优先使用 full_response 参数，如果为空则自动回退到 message
  • 实时模式检测：每次调用都读取最新的用户模式配置，支持动态切换
  • 错误处理：只有当两个参数都为空时才返回错误，避免不必要的调用失败

• 用户交互方式：

  • 文本输入：在主输入框中输入反馈文本

  • 图片处理：通过Ctrl+V粘贴或拖拽图片文件

  • 文件引用：通过拖拽文件或点击"选择文件"按钮添加文件引用

  • 常用语：通过hover预览或管理对话框快速插入预设短语

  • 布局调整：通过拖拽分割器调整界面布局

  • 文本优化：通过优化和增强按钮处理输入文本

  • 窗口截图：通过截图按钮进行矩形选择截图

• 返回给AI助手的数据格式： 该工具会返回一个包含结构化反馈内容的元组 (Tuple)。元组中的每个元素可以是字符串 (文本反馈或文件引用信息) 或 fastmcp.Image 对象 (图片反馈)。 具体来说，从UI收集到的数据会转换成以下 content 项列表，并由 MCP 服务器进一步处理成 FastMCP兼容的元组：

  // UI返回给MCP服务器的原始JSON结构示例
  {
    "content": [
      {"type": "text", "text": "用户的文本反馈..."},
      {"type": "image", "data": "base64_encoded_image_data", "mimeType": "image/jpeg"},
      {"type": "file_reference", "display_name": "@example.txt", "path": "/path/to/local/example.txt"}
      // ... 可能有更多项
    ]
  }
  

  • 文本内容 (type: "text")：包含用户输入的文本和/或选中的预定义选项组合文本。
  • 图片内容 (type: "image")：包含 Base64 编码后的图片数据和图片的 MIME 类型 (如 image/jpeg)。这些在 MCP 服务器中会被转换为 fastmcp.Image 对象。
  • 文件引用 (type: "file_reference")：包含用户拖拽或选择的文件的显示名 (如 @filename.txt) 和其在用户本地的完整路径。这些信息通常会作为文本字符串传递给AI助手。

  注意：

  • 即便没有任何用户输入（例如用户直接关闭反馈窗口），工具也会返回一个表示"无反馈"的特定消息，如 ("[User provided no feedback]",)。

optimize_user_input

• 功能： 使用配置的LLM API来优化或增强用户输入的文本，将口语化、可能存在歧义的输入转化为更结构化、更清晰、更便于AI模型理解的文本。
• 参数：
  • original_text (str): 必须参数。用户的原始输入文本
  • mode (str): 必须参数。优化模式：
    • 'optimize': 一键优化，使用预设的通用优化指令
    • 'reinforce': 提示词强化，使用用户自定义的强化指令
  • reinforcement_prompt (str, 可选): 在 'reinforce' 模式下用户的自定义指令
• 支持的AI提供商：
  • OpenAI: GPT-4o-mini 等模型
  • Google Gemini: Gemini-2.0-flash 等模型
  • DeepSeek: DeepSeek-chat 等模型
  • 火山引擎: DeepSeek-v3 等模型
• 返回： 优化后的文本内容或错误信息

📦 安装

方式一：开发安装（推荐）

推荐使用开发模式安装，以获得最佳的稳定性和功能完整性。

开发模式安装提供：

• ✅ 完整的功能支持和最佳稳定性
• ✅ 实时的代码更新和bug修复
• ✅ 完整的资源文件和配置支持
• ✅ 更好的调试和问题排查能力
• ✅ 避免PyPI安装可能遇到的资源文件缺失问题

为什么推荐开发模式？

• PyPI安装可能存在资源文件缺失、配置问题等
• 开发模式确保所有功能完整可用
• 可以及时获得最新的功能改进和bug修复

1. 先决条件：

   • Python 3.11 或更新版本
   • uv (推荐的Python包管理工具)
     • Windows: pip install uv
     • Linux/macOS: curl -LsSf https://astral.sh/uv/install.sh | sh

2. 获取代码：

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

3. 安装依赖：

   uv pip install -r requirements.txt
   

当前版本： v2.5.10 - 文档重大更新，推荐开发模式安装；修复UI控件选中状态视觉效果

方式二：PyPI安装（备选）

使用uvx：

# 直接运行，无需安装
uvx interactive-feedback@latest

# 如果首次安装失败，可以预安装：
uv tool install interactive-feedback@latest

使用pip：

pip install interactive-feedback

注意： PyPI安装可能存在资源文件缺失或配置问题，推荐使用开发模式安装。

⚙️ 配置

方式一：开发模式配置（推荐）

将以下配置添加到您的 claude_desktop_config.json (Claude Desktop) 或 mcp_servers.json (Cursor, 通常在 .cursor-ai/mcp_servers.json 或用户配置目录中)：

{
  "mcpServers": {
    "interactive-feedback": {
      "command": "python",
      "args": [
        "/path/to/interactive-feedback-mcp/src/interactive_feedback_server/server.py"
      ],
      "cwd": "/path/to/interactive-feedback-mcp",
      "timeout": 600,
      "autoApprove": [
        "interactive_feedback",
        "optimize_user_input"
      ]
    }
  }
}

请将 /path/to/interactive-feedback-mcp 替换为您实际的项目路径。

方式二：uvx配置（备选）

如果您选择使用uvx安装，可以使用以下配置：

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

推荐配置方式：开发模式 + UI 设置

MCP JSON 中配置开发模式，API key 通过 UI 设置页面管理：

{
  "mcpServers": {
    "interactive-feedback": {
      "command": "python",
      "args": [
        "/path/to/interactive-feedback-mcp/src/interactive_feedback_server/server.py"
      ],
      "cwd": "/path/to/interactive-feedback-mcp",
      "timeout": 600,
      "autoApprove": [
        "interactive_feedback",
        "optimize_user_input"
      ]
    }
  }
}

开发模式优势：

• ✅ 最佳稳定性：完整的功能支持和资源文件
• ✅ 实时更新：可以获得最新的代码修复
• ✅ 完整功能：避免PyPI安装可能遇到的问题
• ✅ 灵活配置：API key 通过 UI 界面管理
• ✅ 多提供商：支持多个 AI 提供商配置和切换
• ✅ 用户友好：直观的图形界面配置

优势：

• ✅ 零安装：无需手动安装任何依赖
• ✅ 自动更新：总是使用最新版本
• ✅ 灵活配置：API key 通过 UI 界面管理
• ✅ 多提供商：支持多个 AI 提供商配置和切换
• ✅ 用户友好：直观的图形界面配置

使用步骤：

1. 在 MCP JSON 中添加上述配置
2. 重启 AI 助手
3. 在 UI 设置页面中配置 API key
4. 开始使用所有功能

方式二：使用pip安装后配置

如果您使用pip安装，配置如下：

{
  "mcpServers": {
    "interactive-feedback": {
      "command": "interactive-feedback",
      "timeout": 600,
      "autoApprove": [
        "interactive_feedback"
      ]
    }
  }
}

方式三：开发模式配置

如果您克隆了仓库进行开发，配置如下：

重要提示： 将 /path/to/interactive-feedback-mcp 替换为您在系统上克隆或解压本仓库的 实际绝对路径。

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

关于 command 和 args 的说明:

• 如果 uv 在您的系统路径中，并且您希望 uv 管理虚拟环境和运行脚本，可以使用 "command": "uv", "args": ["run", "interactive-feedback"]。
• 如果您更倾向于直接使用系统Python（并已在全局或项目虚拟环境中安装了依赖），可以使用 "command": "interactive-feedback" (需要先安装包)。
• cwd (Current Working Directory): 强烈建议设置 cwd 为此项目的根目录，以确保脚本能正确找到其依赖文件。

2. 将以下自定义规则添加到您的AI助手中 (例如，在 Cursor 的设置 -> Rules -> User Rules):

   Always respond in Chinese-simplified
   你是 IDE 的 AI 编程助手，遵循核心工作流（研究 -> 构思 -> 计划 -> 执行 -> 优化 -> 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 -> 优化 -> 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：优化]`：在`[模式：执行]完成后，必须自动进行本模式[模式：优化]，自动检查并分析本次任务已实现（仅本次对话产生的相关代码），在[模式：执行]下产生的相关代码。聚焦冗余、低效、垃圾代码，提出具体优化建议（含优化理由与预期收益），用户确认后执行相关优化功能。
   6.  `[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 `mcp-feedback-enhanced` 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]
   # 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。
   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，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，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。
   5. 完成任务前，必须使用 MCP interactive-feedback 工具向用户询问反馈。
   * **MCP 服务 **：
       * `interactive-feedback`: 用户反馈。
       * `Context7`: 查询最新库文档 / 示例。
       * `DeepWiki`: 查询相关 GitHub 仓库的文档 / 示例。
       * 优先使用 MCP 服务。
   

   这将确保您的AI助手遵循专业的编程工作流，并在适当时机使用此MCP服务器进行交互式反馈。

🔧 故障排除

如果在安装或配置过程中遇到问题，请参考以下解决方案：

uvx安装故障排除

问题1：首次uvx安装失败，通常由于PySide6等大包下载超时。

解决方案：

1. 预安装工具：

   uv tool install interactive-feedback@latest
   

2. 修改MCP配置（预安装后）：

   {
     "mcpServers": {
       "interactive-feedback": {
         "command": "uvx",
         "args": [
           "interactive-feedback"
         ],
         "timeout": 600,
         "autoApprove": ["interactive_feedback"]
       }
     }
   }
   

配置方式区别：

• @latest：临时运行，每次都下载最新版本
• 不带版本号：使用已安装的工具，启动更快

问题2：MCP配置中使用 "command": "uvx" 时出现"命令未找到"错误。

解决方案：

1. 检查uvx安装位置：

   # Windows
   where uvx
   
   # Linux/macOS
   which uvx
   

2. 使用完整路径：

   将MCP配置中的 "uvx" 替换为完整路径，例如：

   {
     "mcpServers": {
       "interactive-feedback": {
         "command": "D:/python/Scripts/uv.exe",
         "args": ["interactive-feedback@latest"],
         "timeout": 600,
         "autoApprove": ["interactive_feedback"]
       }
     }
   }
   

MCP配置问题

问题：AI助手无法识别或启动服务。

解决方案：

1. 验证JSON格式：确保配置文件语法正确
2. 检查文件位置：确认 mcp_servers.json 在正确目录
3. 重启AI助手：修改配置后重启应用程序
4. 询问AI助手：将配置文件内容提供给AI，请求配置建议

示例：在Cursor中询问："我在配置MCP服务时遇到问题，请帮我检查这个配置：[粘贴您的配置]"

详细的故障排除指南请参阅 安装与配置指南.md。

🙏 致谢

• 原始概念和初步开发由 Fábio Ferreira (@fabiomlferreira) 完成。
• 由 pawa (@pawaovo) 进行了功能增强，并借鉴了 interactive-feedback-mcp 项目中的一些想法。
• 当前版本由 pawaovo 维护和进一步开发。

📄 许可证

此项目使用 MIT 许可证。详情请参阅 LICENSE 文件。