演员-评论家思维 MCP 服务器

“演员-评论家思维” MCP 服务器的功能是什么？

演员-评论家思维 MCP 服务器是一款基于模型上下文协议（MCP）的双视角分析工具。它使 AI 助手和客户端能够通过在“演员”（创作者或表演者）与“评论家”（分析者或评估者）角色间切换，实现全面的绩效评估。这一方法将同理心理解与客观分析相结合，带来更平衡的评价。服务器支持细致的多维度评价，并能输出可执行的反馈与改进建议。通过桥接意图与执行，它提升了开发流程，尤其适用于创意评审、绩效考核和迭代优化等主客观标准兼具的重要场景。

提示词列表

• 演员视角提示词：引导 AI 从创作者视角反思意图、创意选择、情感背景、所面临的挑战及自我反思。
• 评论家视角提示词：指引 AI 分析技术实现，评价成效与观众影响，进行对比分析，并提出客观反馈及改进建议。
• 轮次追踪提示词：通过追踪轮次和角色，维护演员-评论家对话的上下文和流程。
• 多维度评价提示词：确保评估覆盖主观（同理心/愿景）与客观（执行/影响）两个维度。

资源列表

• 角色视角指南：为演员与评论家角色提供结构化操作指南，标准化评估流程。
• 参数文档：详述内容、角色、nextRoundNeeded、thoughtNumber、totalThoughts 等所需输入，保证交互一致性。
• 示范演示：包含（有/无演员-评论家思维）视觉示例，帮助用户理解评估流程。
• 改进建议：基于双视角分析，输出可执行的反馈资源。

工具列表

• 分析引擎：在演员与评论家视角间切换，生成全面评价（基于内容、角色、nextRoundNeeded、thoughtNumber、totalThoughts 等必要参数）。

该 MCP 服务器的应用场景

• 艺术表演评估：对创意作品进行双视角评估，将创作意图与批判性反馈结合，提升艺术产出。
• 差距分析：识别意图与执行的差异，帮助开发者或创作者优化流程。
• 建设性反馈：平衡创意愿景与技术要求，给出可执行的改进建议。
• 复杂场景审查：适用于需要同理心（演员）与客观性（评论家）双重视角的场景，如产品开发或用户体验测试。
• 绩效评审：支持自我反思与外部评价，适合团队或个人的绩效考核。

如何设置

Windsurf

1. 确保系统已安装 Node.js 和 npm。
2. 打开您的 Windsurf 配置文件。
3. 在 mcpServers 部分添加演员-评论家思维 MCP 服务器：

   {
     "mcpServers": {
       "actor-critic-thinking": {
         "command": "npx",
         "args": ["-y", "mcp-server-actor-critic-thinking"]
       }
     }
   }
   

4. 保存配置并重启 Windsurf。
5. 通过 Windsurf UI 或日志确认服务器已运行。

Claude

1. 如未安装，请先安装 Node.js 和 npm。
2. 找到 Claude 的配置文件。
3. 在 mcpServers 键下插入以下内容：

   {
     "mcpServers": {
       "actor-critic-thinking": {
         "command": "npx",
         "args": ["-y", "mcp-server-actor-critic-thinking"]
       }
     }
   }
   

4. 保存文件并重启 Claude。
5. 通过平台仪表板确认服务器已激活。

Cursor

1. 安装前置条件（Node.js 和 npm）。
2. 编辑 Cursor 的配置文件。
3. 添加演员-评论家思维 MCP 服务器配置：

   {
     "mcpServers": {
       "actor-critic-thinking": {
         "command": "npx",
         "args": ["-y", "mcp-server-actor-critic-thinking"]
       }
     }
   }
   

4. 保存更改并重启 Cursor。
5. 在 Cursor 的 UI 中检查服务器状态。

Cline

1. 请确保已安装 Node.js 和 npm。
2. 打开 Cline 的配置文件。
3. 添加如下 MCP 服务器配置：

   {
     "mcpServers": {
       "actor-critic-thinking": {
         "command": "npx",
         "args": ["-y", "mcp-server-actor-critic-thinking"]
       }
     }
   }
   

4. 保存并重启 Cline。
5. 通过 Cline 的界面或日志验证设置。

API 密钥安全性

• 将敏感 API 密钥存储于环境变量中。
• 在您的配置中参考如下方式引用：

  {
    "mcpServers": {
      "actor-critic-thinking": {
        "command": "npx",
        "args": ["-y", "mcp-server-actor-critic-thinking"],
        "env": {
          "API_KEY": "${API_KEY}"
        },
        "inputs": {
          "apiKey": "${API_KEY}"
        }
      }
    }
  }
  

如何在流程中使用 MCP

在 FlowHunt 中集成 MCP

要将 MCP 服务器集成到您的 FlowHunt 工作流中，请先在流程内添加 MCP 组件，并与您的 AI agent 连接：

点击 MCP 组件，打开配置面板。在系统 MCP 配置区，按如下 JSON 格式输入 MCP 服务器信息：

{
  "actor-critic-thinking": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

配置完成后，AI agent 即可作为工具访问和使用此 MCP 的全部功能和能力。请记得将 “actor-critic-thinking” 替换为您的实际 MCP 服务器名称，并将 URL 替换为您的 MCP 服务器地址。

概览

从表格来看，该 MCP 服务器文档完善，提示词清晰，配置说明详尽。但未见采样或 roots 相关信息，工具集定位专注。仓库结构规范，功能聚焦。综合来看，其可用性、清晰度和直接性可评为 7/10，扩展性尚无体现。

MCP 评分