Feedback Loop MCP

🚀 反饋循環MCP

這是一個簡單的MCP服務器，用於在Cursor等AI輔助開發工具中實現人工參與的工作流程。該服務器允許你運行命令、查看輸出，並直接向AI提供文本反饋。它還兼容Cline和Windsurf。

靈感來源：本項目受Fábio Ferreira（@fabiomlferreira）的 interactive-feedback-mcp 啟發。

✨ 主要特性

• 跨平臺：可在macOS、Windows和Linux上運行。
• 交互式用戶界面：擁有現代、響應式的界面，用於收集反饋。
• 設置持久化：可按項目保存和恢復用戶界面偏好設置。
• MCP集成：能夠與支持MCP的AI助手無縫集成。
• macOS覆蓋層支持：在macOS上提供原生覆蓋窗口支持。
• 動態快速反饋：通過MCP工具調用直接提供自定義、可點擊的快速反饋選項，實現特定上下文的建議。

📷 截圖

帶有macOS模糊效果的反饋收集界面

📦 安裝指南

使用npx快速開始（推薦）

使用此MCP服務器的最簡單方法是通過npx：

npx feedback-loop-mcp

全局安裝

若需頻繁使用，可進行全局安裝：

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

本地開發設置

若要進行開發或自定義：

1. 克隆倉庫：

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

2. 安裝依賴：

   npm install
   

3. 以開發模式運行：

   npm run dev
   

🛠️ MCP服務器配置

Cursor IDE

在你的Cursor設置（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

遵循類似的設置原則。在你的MCP設置中配置服務器命令：

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

Claude Desktop

在你的Claude Desktop配置中添加：

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

💻 使用示例

工具參數

feedback_loop 工具接受以下參數：

• project_directory（字符串，必需）：項目目錄的完整路徑。
• prompt（字符串，必需）：綜合摘要和問題，描述已完成的工作並請求特定反饋。
• quickFeedbackOptions（字符串數組，可選）：預定義的反饋字符串列表，將在用戶界面中顯示為可點擊選項，以便快速反饋。

調用示例

以下是從AI助手調用該工具的示例：

feedback_loop_mcp({
  project_directory: "/path/to/your/project",
  prompt: "我使用JWT實現了新的用戶認證流程。這種方法是否滿足你的要求？",
  quickFeedbackOptions: [
    "是的，看起來不錯！",
    "錯誤處理需要進行一些小改動。",
    "請嘗試其他方法。"
  ]
});

運行服務器

通過npx（推薦）

npx feedback-loop-mcp

通過全局安裝

feedback-loop-mcp

本地開發

npm start

命令行參數

該應用程序接受以下命令行參數：

• --project-directory <path>：設置項目目錄。
• --prompt <text>：設置初始提示/摘要文本。

示例：

npm start -- --project-directory "/path/to/project" --prompt "請審查此代碼"

可用工具

MCP服務器提供以下工具：

• feedback_loop：顯示用於收集用戶反饋的用戶界面並返回響應。

以下是在AI助手中使用的示例：

{
  "tool_name": "feedback_loop",
  "arguments": {
    "project_directory": "/path/to/your/project",
    "summary": "我已經實現了你要求的更改並重構了主模塊。"
  }
}

📝 提示工程

為獲得最佳效果，請在你的AI助手的自定義提示中添加以下內容：

每當你想問問題時，始終調用MCP feedback_loop工具。
每當你即將完成用戶請求時，調用MCP feedback_loop工具而不是簡單地結束流程。
持續調用feedback_loop工具，直到用戶的反饋為空，然後結束請求。

這可確保你的AI助手在將任務標記為完成之前使用此MCP服務器請求用戶反饋。

🌟 優點

通過引導AI助手與用戶進行交互，而不是進行推測性、高成本的工具調用，此模塊可以大幅減少Cursor等平臺上的高級請求（例如，OpenAI工具調用）數量。在某些情況下，它有助於將多達25次的工具調用合併為一個支持反饋的請求，從而節省資源並提高性能。

構建後的應用程序將位於 dist 目錄中。

📁 項目結構

feedback-loop-mcp/
├── main.js              # 主Electron進程
├── preload.js           # 用於安全IPC的預加載腳本
├── package.json         # 項目配置
├── README.md           # 本文件
├── assets/             # 靜態資源
│   └── feedback.png    # 應用程序圖標
├── renderer/           # 渲染進程文件
│   ├── index.html      # 主用戶界面
│   ├── styles.css      # 樣式
│   └── renderer.js     # 用戶界面邏輯
└── server/             # MCP服務器
    └── mcp-server.js   # Node.js MCP服務器

⚙️ 配置

該應用程序使用Electron的內置存儲自動保存設置：

• 常規設置：窗口大小、位置和用戶界面偏好設置。
• 特定項目設置：命令歷史記錄和特定項目的配置。

設置存儲在每個平臺的標準應用程序數據目錄中。

📋 功能概述

反饋收集

• 富文本反饋輸入。
• 反饋自動保存。
• 採用JSON輸出格式，便於集成。
• 包含時間戳和項目信息。

提示工程

編寫有效的提示是獲得有用反饋的關鍵。使用 prompt 參數時，應遵循以下原則：

1. 簡潔而完整：用清晰的單一語句描述已完成的工作以及所需的反饋。
2. 提供上下文：提及影響所需反饋的關鍵實現細節或選擇。
3. 提出具體問題：以明確的問題結尾，引導用戶提供所需的反饋。
4. 正確構建問題：例如，不要問“這個看起來好嗎？”，而是問“這種實現方法是否滿足你對X的要求？”

以下是一個有效的提示示例：

我使用JWT實現了用戶認證，設置了24小時過期時間和刷新令牌。這種方法是否為該應用程序提供了你所需的安全級別？

快速反饋選項

定義 quickFeedbackOptions 時，應考慮以下幾點：

• 最多提供3 - 5個選項，以獲得最佳用戶體驗。
• 同時包含積極和建設性的反饋選項。
• 使選項與上下文相關，而非通用選項。
• 按從最積極到最關鍵的順序排列選項。

以下是設計良好的快速反饋選項示例：

quickFeedbackOptions: [
  "完美，正是我所需要的",
  "方法不錯，但請添加更多驗證",
  "我更喜歡其他認證方法",
  "讓我們更詳細地討論替代方案"
]

🛠️ 開發

有關開發和構建的信息，請參閱 DEVELOPMENT.md。

🐞 故障排除

常見問題

1. MCP服務器無法連接：確保服務器正在運行且配置正確。
2. 找不到npx命令：確保已正確安裝Node.js和npm。
3. 權限錯誤：在Unix系統上，你可能需要使二進制文件可執行。

調試模式

以調試輸出模式運行：

DEBUG=* npx feedback-loop-mcp

📄 許可證

本項目採用MIT許可證，詳情請參閱 package.json。