Enhanced Interactive Feedback MCP Server
An advanced MCP server that provides interactive feedback mechanisms with support for various feedback types, multi-language capabilities, and team collaboration features for AI tools like Cursor, Cline, and Windsurf.
Tools
interactive_feedback
增强型交互式反馈工具 Args: project_directory: 项目目录路径 message: 反馈消息或问题 feedback_type: 反馈类型 (question/confirmation/selection/code_review/suggestion/error_report) priority: 优先级 (low/medium/high/urgent) options: 预设选项列表 (用于选择题) language: 语言设置 (en/zh) timeout: 超时时间(秒) tags: 标签列表 user_id: 用户ID Returns: 包含用户反馈和分析信息的字典
get_feedback_analytics
获取反馈分析报告 Args: project_directory: 项目目录 days: 分析天数 user_id: 用户ID Returns: 分析报告
create_feedback_template
创建自定义反馈模板 Args: template_name: 模板名称 template_content: 模板内容 (多语言支持) template_type: 模板类型 Returns: 创建结果
execute_with_feedback
执行命令并请求反馈 Args: command: 要执行的命令 project_directory: 项目目录 require_confirmation: 是否需要确认 language: 语言设置 Returns: 执行结果和反馈
README
Enhanced Interactive Feedback MCP Server
🚀 Features
原有功能增强
- ✅ 交互式反馈机制(支持问题、确认、选择等多种类型)
- ✅ 项目级配置管理
- ✅ 跨平台支持(Windows、macOS、Linux)
- ✅ 多AI工具兼容(Cursor、Cline、Windsurf等)
🆕 新增功能
1. 智能分析引擎
- 📊 反馈模式分析和可视化
- 🤖 基于历史数据的智能建议
- 📈 性能监控和响应时间分析
- 🎯 个性化反馈优化
2. 多语言支持
- 🌐 支持中文、英文等多种语言
- 🔄 自动语言检测
- 📝 本地化反馈模板
3. 团队协作
- 👥 多用户支持
- 🔐 基于角色的访问控制
- 📝 团队反馈历史共享
- 💬 协作式代码审查
4. 反馈模板系统
- 📋 内置常用模板
- ✏️ 自定义模板创建
- 🔧 模板参数化支持
- 📚 模板库管理
5. 增强的反馈类型
- ❓ 问题询问
- ✅ 操作确认
- 📋 选项选择
- 🔍 代码审查
- 💡 建议提供
- ⚠️ 错误报告
6. 通知和提醒
- 🔔 多渠道通知(控制台、文件、Webhook)
- ⏰ 优先级管理
- 🎵 声音提醒
- 📱 移动端推送(计划中)
7. 插件系统
- 🔌 Slack集成
- 💬 Discord集成
- 📧 邮件通知
- 🎫 Jira集成
📦 Installation
快速安装
# 下载安装脚本
curl -LsSf https://github.com/your-repo/enhanced-feedback-mcp/install.sh | sh
# 或手动安装
git clone https://github.com/your-repo/enhanced-feedback-mcp.git
cd enhanced-feedback-mcp
chmod +x install.sh
./install.sh
手动安装
# 1. 克隆项目
git clone https://github.com/your-repo/enhanced-feedback-mcp.git
cd enhanced-feedback-mcp
# 2. 安装依赖
uv sync
# 3. 运行服务器
uv run server.py
⚙️ Configuration
MCP配置示例(Cursor)
{
"mcpServers": {
"enhanced-interactive-feedback-mcp": {
"command": "uv",
"args": [
"--directory", "/path/to/enhanced-feedback-mcp",
"run", "server.py"
],
"timeout": 600,
"autoApprove": [
"interactive_feedback",
"get_feedback_analytics",
"create_feedback_template",
"execute_with_feedback"
]
}
}
}
自定义提示词
在完成任何任务之前,请务必调用 interactive_feedback MCP工具来获取用户反馈。
使用中文进行交互,并根据任务类型选择合适的 feedback_type。
如果反馈为空,可以结束请求,但不要循环调用。
🛠️ Usage Examples
基础反馈
# AI助手调用示例
interactive_feedback(
project_directory="/path/to/project",
message="我已经实现了用户登录功能,需要您确认是否符合要求?",
feedback_type="confirmation",
language="zh",
priority="medium"
)
代码审查
interactive_feedback(
project_directory="/path/to/project",
message="请审查这个新增的用户认证模块",
feedback_type="code_review",
language="zh",
tags=["authentication", "security"],
priority="high"
)
错误处理
execute_with_feedback(
command="npm test",
project_directory="/path/to/project",
require_confirmation=True,
language="zh"
)
获取分析报告
get_feedback_analytics(
project_directory="/path/to/project",
days=30
)
📊 Analytics Dashboard
增强版提供详细的分析功能:
- 📈 反馈频率趋势
- ⏱️ 平均响应时间
- 🏷️ 常用标签分析
- 🎯 智能建议准确性
- 👥 团队协作统计
🔧 Advanced Features
自定义模板
# templates/custom_template.yaml
type: "custom"
content:
en: "Custom template: {message}"
zh: "自定义模板:{message}"
插件开发
# plugins/custom_plugin.py
class CustomPlugin:
def on_feedback_received(self, feedback):
# 自定义处理逻辑
pass
Webhook集成
# 配置Webhook通知
notifications:
webhook:
url: "https://your-webhook.com/feedback"
headers:
Authorization: "Bearer your-token"
🤝 Contributing
欢迎贡献代码和建议!
- Fork 项目
- 创建功能分支
- 提交更改
- 创建 Pull Request
📄 License
MIT License - 详见 LICENSE 文件
🙏 Acknowledgments
基于原始项目 interactive-feedback-mcp 由 @fabiomlferreira 开发
增强功能由 AI 辅助开发完成
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。
VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。