Feedback Loop MCP

一个简单的MCP服务器，用于在类似Cursor这样的AI辅助开发工具中实现人机交互工作流程。此服务器允许您运行命令、查看其输出，并直接向AI提供文本反馈。它还兼容Cline和Windsurf。

灵感来源：该项目受到Fábio Ferreira (@fabiomlferreira)的interactive-feedback-mcp项目的启发。

特性

• 跨平台：支持macOS、Windows和Linux
• 交互式UI：现代且响应式的界面，用于收集反馈
• 设置持久化：保存并恢复每个项目的UI偏好设置
• MCP集成：无缝集成到与MCP兼容的AI助手
• macOS叠加窗口支持：在macOS上原生支持叠加窗口
• 动态快速反馈：通过MCP工具调用直接提供自定义的可点击快速反馈选项，允许针对特定上下文提出建议。

截图

带有macOS活力效果的反馈收集界面

安装

快速开始（推荐）

使用npx是最简单的方式：

npx feedback-loop-mcp

全局安装

对于频繁使用，可以全局安装：

npm install -g feedback-loop-mcp
feedback-loop-mcp

本地开发环境设置

为了开发或定制：

1. 克隆仓库：

   git clone <repository-url>
   cd feedback-loop-mcp
   

2. 安装依赖：

   npm install
   

3. 开发模式运行：

   npm run dev
   

MCP服务器配置

Cursor IDE

在您的Cursor设置(mcp.json)中添加以下配置：

{
  "mcpServers": {
    "feedback-loop-mcp": {
      "command": "npx",
      "args": ["feedback-loop-mcp"],
      "timeout": 600,
      "autoApprove": [
        "feedback_loop"
      ]
    }
  }
}

Cline / Windsurf

类似的设置原则适用。在您的MCP设置中配置服务器命令：

{
  "mcpServers": {
    "feedback-loop-mcp": {
      "command": "npx",
      "args": ["feedback-loop-mcp"]
    }
  }
}

Claude Desktop

在您的Claude Desktop配置中添加：

{
  "mcpServers": {
    "feedback-loop-mcp": {
      "command": "npx",
      "args": ["feedback-loop-mcp"]
    }
  }
}

使用方法

feedback_loop工具接受以下参数：

• project_directory（字符串，必需）：项目目录的完整路径。
• prompt（字符串，必需）：结合总结和问题描述，说明已做了什么并请求具体的反馈。
• quickFeedbackOptions（字符串数组，可选）：一组预定义的反馈字符串，将在UI中显示为可点击的选项，以便更快地提供反馈。

来自AI助手的示例工具调用：

feedback_loop_mcp({
  project_directory: "/path/to/your/project",
  prompt: "我实现了新的用户认证流程，使用了JWT。这种方法是否符合您的要求？",
  quickFeedbackOptions: [
    "是的，看起来很好！",
    "需要对错误处理进行一些小改动。",
    "请尝试不同的方法。"
  ]
});

运行服务器

通过npx（推荐）

npx feedback-loop-mcp

通过全局安装

feedback-loop-mcp

本地开发

npm start

命令行参数

应用程序接受以下命令行参数：

• --project-directory <path>：设置项目目录
• --prompt <text>：设置初始提示/总结文本

示例：

npm start -- --project-directory "/path/to/project" --prompt "请审阅这段代码"

可用工具

MCP服务器提供了以下工具：

• feedback_loop：显示用于收集用户反馈的UI，并返回响应

在AI助手中的示例使用：

{
  "tool_name": "feedback_loop",
  "arguments": {
    "project_directory": "/path/to/your/project",
    "summary": "我已经实现了您请求的更改，并重构了主模块。"
  }
}

提示工程

为了获得最佳结果，在您的AI助手的自定义提示中添加以下内容：

每当您想要提问时，请始终调用MCP的feedback_loop工具。
当您即将完成用户请求时，请调用MCP的feedback_loop工具，而不是简单地结束过程。
持续调用feedback_loop工具，直到用户的反馈为空，然后结束请求。

这确保您的AI助手在标记任务为已完成之前，使用这个MCP服务器请求用户反馈。

优势

通过引导助手检查用户反馈而不是分支出投机性的高成本工具调用，该模块可以大大减少像Cursor这样的平台上昂贵的请求数量（例如OpenAI工具调用）。在某些情况下，它可以将多达25次的工具调用整合成一次反馈感知请求——节省资源并提高性能。

构建的应用程序将可在dist目录中找到。

项目结构

feedback-loop-mcp/
├── main.js              # 主Electron进程
├── preload.js           # 用于安全IPC的预加载脚本
├── package.json         # 项目配置
├── README.md           # 此文件
├── assets/             # 静态资产
│   └── feedback.png    # 应用图标
├── renderer/           # 渲染器进程文件
│   ├── index.html      # 主UI
│   ├── styles.css      # 样式
│   └── renderer.js     # UI逻辑
└── server/             # MCP服务器
    └── mcp-server.js   # Node.js MCP服务器

配置

应用程序自动使用Electron内置存储保存设置：

• 通用设置：窗口大小、位置和UI偏好设置
• 项目特定设置：命令历史记录和项目特定配置

设置存储在每个平台的标准应用数据目录中。

功能概述

反馈收集

• 富文本反馈输入
• 自动保存反馈
• JSON输出格式，便于集成
• 包含时间戳和项目信息

提示工程

有效提示的关键在于获取有用的反馈。使用prompt参数时，目标是：

1. 简洁但完整：用一个清晰的陈述描述所做的事情以及所需的反馈。
2. 包含上下文：提及影响您寻求反馈的关键实现细节或选择。
3. 提出具体问题：以一个明确的问题结尾，引导用户提供您需要的反馈。
4. 正确表述问题：不要问“这看起来好吗？”而是问“这种实现是否满足您对X的需求？”

有效提示的示例：

我已使用JWT实现了用户认证，具有24小时过期时间和刷新令牌。这种方法是否提供了此应用程序所需的保护级别？

快速反馈选项

定义quickFeedbackOptions时，考虑以下几点：

• 最多提供3-5个选项以获得最佳用户体验
• 包括积极和建设性的反馈选项
• 让选项具体针对上下文，而非泛泛而谈
• 按从最积极到最重要的顺序排列选项

设计良好的快速反馈选项示例：

quickFeedbackOptions: [
  "完美，正是我需要的",
  "好的方法，但请增加更多的验证",
  "我更喜欢不同的认证方法",
  "让我们详细讨论其他替代方案"
]

开发

有关开发和构建的信息，请参见DEVELOPMENT.md。

故障排除

常见问题

1. MCP服务器无法连接：确保服务器正在运行并且配置正确
2. 未找到npx命令：确保Node.js和npm已正确安装
3. 权限错误：在Unix系统上，可能需要将二进制文件设为可执行

调试模式

带调试输出运行：

DEBUG=* npx feedback-loop-mcp

许可证

MIT许可证 - 详情见package.json。