将你的Cursor Pro请求从500个变成 2500 个！

要使用 Interactive Feedback MCP，你需要先安装依赖、配置好本地环境，然后在你的 AI 助手（如 Cursor 或 Claude Desktop）中进行相应设置。

下面是简化版的使用步骤：

1. 安装依赖 

• 需要 Python 3.11 或更高版本。
• 安装 uv（Python 包管理器）：
  • Windows：‎`pip install uv`
  • Linux：‎`curl -LsSf https://astral.sh/uv/install.sh | sh`
  • macOS：‎`brew install uv`

2. 获取代码 

• 克隆仓库：
  ‎`git clone https://github.com/pauoliva/interactive-feedback-mcp.git`
• 或者直接下载源码。

3. 配置 MCP 服务器 

在你的 AI 助手配置文件（如 ‎`claude_desktop_config.json` 或 ‎`mcp.json`）中添加如下内容，并将 ‎`/path/to/interactive-feedback-mcp` 替换为你实际的路径：

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

4. 设置 AI 助手规则 

在 Cursor 设置 > Rules > User Rules 添加如下规则：

如果需求或指令不明确，使用 interactive_feedback 工具向用户提问澄清，不要自行假设。尽量通过 interactive_feedback MCP 工具提供预设选项，方便用户快速决策。

在完成用户请求前，调用 interactive_feedback 工具请求用户反馈。如果反馈为空，则可以结束请求，不要循环调用。

If requirements or instructions are unclear use the tool interactive_feedback to ask clarifying questions to the user before proceeding, do not make assumptions. Whenever possible, present the user with predefined options through the interactive_feedback MCP tool to facilitate quick decisions.

Whenever you're about to complete a user request, call the interactive_feedback tool to request user feedback before ending the process. If the feedback is empty you can end the request and don't call the tool in loop.

5. 启动服务器 

在项目目录下运行：

uv run server.py

6. 开始使用 

• 当你在 AI 助手中输入不明确的指令时，助手会弹出反馈窗口，允许你补充说明或选择预设选项。
• 这样可以在一次请求内多轮交互，减少 API 调用次数，提高效率。

如需更详细说明或遇到问题，可以参考项目的 README 或在 GitHub 上提问。