Разработано Фабио Феррейра (@fabiomlferreira). Посмотрите dotcursorrules.com для получения дополнительных улучшений в разработке ИИ.

Простой MCP Server позволяет поддерживать рабочий процесс с участием человека в ИИ-инструментах разработки, таких как Cursor. Этот сервер позволяет выполнять команды, просматривать их выводы и предоставлять текстовую обратную связь непосредственно ИИ. Он также совместим с Cline и Windsurf.

Инженерия Prompt

Для наилучшего результата добавьте следующее в пользовательском запросе в вашем AI-ассистенте, добавьте это к правилу или непосредственно в подсказке (например, в Cursor):

Когда хотите задать вопрос, всегда звоните MCP interactive_feedback.
Когда вы собираетесь выполнить пользовательский запрос, позвоните в MCP interactive_feedback, вместо того чтобы просто завершать процесс. Продолжайте вызывать MCP, пока отзыв пользователя не опустеет, затем завершите запрос.

Это гарантирует, что ваш AI-ассистент будет использовать этот MCP-сервер для запроса обратной связи пользователя перед тем, как пометить задачу как выполненную.

💡 Зачем использовать это?

Направляя ассистента для связи с пользователем, а не переходя в спекулятивные, дорогие вызовы инструментов, этот модуль может значительно сократить количество премиум-запросов (например,

Interactive Feedback MCP

Developed by Fábio Ferreira (@fabiomlferreira). Check out dotcursorrules.com for more AI development enhancements.

Simple MCP Server to enable a human-in-the-loop workflow in AI-assisted development tools like Cursor. This server allows you to run commands, view their output, and provide textual feedback directly to the AI. It is also compatible with Cline and Windsurf.

Prompt Engineering

For the best results, add the following to your custom prompt in your AI assistant, you should add it on a rule or directly in the prompt (e.g., Cursor):

Whenever you want to ask a question, always call the MCP interactive_feedback.
Whenever you’re about to complete a user request, call the MCP interactive_feedback instead of simply ending the process. Keep calling MCP until the user’s feedback is empty, then end the request.

This will ensure your AI assistant uses this MCP server to request user feedback before marking the task as completed.

💡 Why Use This?

By guiding the assistant to check in with the user instead of branching out into speculative, high-cost tool calls, this module can drastically reduce the number of premium requests (e.g., OpenAI tool invocations) on platforms like Cursor. In some cases, it helps consolidate what would be up to 25 tool calls into a single, feedback-aware request — saving resources and improving performance.

Configuration

This MCP server uses Qt’s QSettings to store configuration on a per-project basis. This includes:

• The command to run.
• Whether to execute the command automatically on the next startup for that project (see “Execute automatically on next run” checkbox).
• The visibility state (shown/hidden) of the command section (this is saved immediately when toggled).
• Window geometry and state (general UI preferences).

These settings are typically stored in platform-specific locations (e.g., registry on Windows, plist files on macOS, configuration files in ~/.config or ~/.local/share on Linux) under an organization name “FabioFerreira” and application name “InteractiveFeedbackMCP”, with a unique group for each project directory.

The “Save Configuration” button in the UI primarily saves the current command typed into the command input field and the state of the “Execute automatically on next run” checkbox for the active project. The visibility of the command section is saved automatically when you toggle it. General window size and position are saved when the application closes.