Cursor中实用MCP Server 推荐（一）-- interactive-feedback-mcp

首次见于博客；Github网址：interactive-feedback-mcp。

1、介绍（改自官网）

在Cursor中，用户发送给LLM的每个提示都被视为一个不同的请求，每个提示都计入您的每月限额（Pro: 500次高速、慢速无限制；普通用户：50次慢速，Price）。这导致一个任务往往会消耗多次请求，特别是对于不熟练的新人，这不仅会导致用户与AI间交互的连续性降低，还会极大增加用户的使用成本。
此MCP引入了一种解决方法：它允许模型在最终确定响应之前暂停并触发一个工具调用（interactive_feedback），打开一个交互式反馈窗口。然后，用户可以提供更多详细信息或要求更改，模型将继续会话，所有这些都在一个请求中完成。由于工具调用不算作单独的高级交互，因此您可以在不消耗额外请求的情况下循环多个反馈周期。
总结：使一次请求进行多次交互，省钱高效！

2、安装流程

2.1 软件依赖

① Python： 到官网下载合适的版本到本地，安装即可，需要注意：① 将python添加到环境变量；②安装pip（默认）。 详细安装如果有问题请查阅其它文章。


安装好后在 Windows PowerShell （直接搜索就能找到）中，使用python --version和pip检验是否能找到python和pip，成功效果如下：

如果无法找到，就检查系统环境变量，同样搜索即可找到；如下所示检查系统环境变量中python及Python/Script的路径是否和安装路径匹配 （即使上面安装过程选择了加入PATH也可能会出现错误，我安装时环境变量的路径就是错误的）。