用户反馈 MCP 服务器

“用户反馈”MCP 服务器的作用是什么？

用户反馈 MCP 服务器是 Model Context Protocol (MCP) 的一个简单实现，旨在为 Cline 和 Cursor 等开发工具实现人机协作的工作流。它的主要目的是在自动化或 AI 辅助开发任务中促进直接用户反馈。通过集成该服务器，工作流可在关键步骤提示用户输入、审核或审批，结合自动化与人类判断的优势。此功能尤其适用于测试复杂桌面应用或需要细致用户评估后才能完成的流程，通过引入真实用户参与，确保质量并减少错误。

提示语列表

• user_feedback 提示语
  推荐的提示模式：

  在完成任务前，使用 user_feedback MCP 工具向用户请求反馈。
  该提示确保 LLM 或工作流会调用用户反馈工具，在任务完成前请求用户明确的审批或输入。

Ready to grow your business?

Start your free trial today and see results within days.

Request demo Log in

资源列表

• 项目文档或代码库中未明确提及任何资源。

工具列表

• user_feedback
  该工具允许 MCP 服务器向用户请求反馈。它接受如 project_directory（项目路径）和 summary 消息（例如“我已实现了你要求的更改。”）等参数。这样可让工作流暂停，等待人工输入后再继续。

Join our newsletter

Get latest tips, trends, and deals for free.

Email address

Subscribe

此 MCP 服务器的应用场景

• 人机协作任务审批
  自动暂停工作流，在继续前请求用户反馈或审批，减少错误并提升流程质量。
• 桌面应用测试
  与 AI 辅助测试自动化集成，在开发过程中收集真实用户对界面变更或新特性的见解。
• 协作代码评审
  针对自动化代码更改提示用户反馈，确保修改符合人工期望。
• 低信任环境下的工作流审核
  对于敏感或高影响操作，要求自动化流程中显式的用户审批。
• 迭代开发反馈
  在多步开发任务中持续收集用户印象或建议，帮助形成更具响应性和适应性的工作流。

如何设置

Windsurf

项目中未找到 Windsurf 的设置说明。

Claude

项目中未找到 Claude 的设置说明。

Cursor

未找到 Cursor 的详细设置步骤，但服务器已设计为可与 Cursor 协同工作。请参考 Cline 的设置方式。

Cline

1. 安装前置条件：
   • 全局安装 uv ：
     • Windows: pip install uv
     • Linux/Mac: curl -LsSf https://astral.sh/uv/install.sh | sh
2. 克隆仓库：
   • 例如：C:\MCP\user-feedback-mcp
3. 进入 MCP 服务器配置：
   • 打开 Cline 并进入 MCP Servers 配置。
4. 配置服务器：
   • 点击 Installed → Configure MCP Servers（会打开 cline_mcp_settings.json）
5. 添加服务器配置：
   • 插入如下 JSON：

{
  "mcpServers": {
    "github.com/mrexodia/user-feedback-mcp": {
      "command": "uv",
      "args": [
        "--directory",
        "c:\\MCP\\user-feedback-mcp",
        "run",
        "server.py"
      ],
      "timeout": 600,
      "autoApprove": [
        "user_feedback"
      ]
    }
  }
}

关于 API 密钥安全的说明：
文档或代码中未提及该 MCP 服务器需要 API 密钥或密钥管理。

如何在工作流中使用该 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成到你的 FlowHunt 工作流中，请先在流程中添加 MCP 组件并将其连接到你的 AI agent：

点击 MCP 组件以打开配置面板。在系统 MCP 配置部分，使用如下 JSON 格式填写你的 MCP 服务器详情：

{
  "user-feedback-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

配置完成后，AI agent 就可以像工具一样使用该 MCP，并访问其全部功能。请记得将 “user-feedback-mcp” 替换为你实际的 MCP 服务器名称，并将 URL 替换为你自己的 MCP 服务器地址。

总览

我们的看法

该 MCP 服务器聚焦于人机协作反馈，集成简单，但缺乏可扩展性、资源暴露和 API 密钥管理或采样等高级功能。对于仅需反馈把控的开发者来说非常优秀，但在更广泛的 MCP 用途中则较为有限。

MCP 评分

评分： 6/10 —— 非常适合其专注领域，但在更广泛的 MCP 功能和可扩展性方面有所欠缺。