故事要从一个网友分享的小技巧说起。有个叫 ultrasev 的开发者分享了一个很有意思的"咒语"
他在 Cursor 的提示词里加了这么一段：
... 每次你觉得你修好了，你就在终端里询问我是否满意 ( read -P "修复完成，是否满意？(y/n) " response && echo $response ) ，直到我回复 yes，你才能退出，如果我不回复或者回复其他的，请继续修复，重复上面过程直到你读取到 yes，这一点非常重要。
这个技巧巧妙地利用了 Cursor 的 tool calling（工具调用）功能，把原本需要多次请求才能完成的任务，压缩到一次请求里。AI 不再是闷头干完活就交差，而是每完成一步就停下来问你："搞定了，满意不？"你不点头说 'y'，它就继续改，直到你满意为止。
这个思路很棒，但手动写这种提示词还是有点麻烦，而且不够通用。于是就有大神把这个需求做成了一个标准化的 MCP 工具。
mcp-feedback-enhanced
MCP Feedback Enhanced 就是这样一个专门解决 Cursor 额度问题的开源项目。它的核心思想很简单：建立一个反馈导向的开发工作流程，让 AI 不再进行推测性操作，而是每次都与用户确认，将多次工具调用合并为单次反馈导向请求。
整个工作流程是这样的：
-
AI 调用 → mcp-feedback-enhanced
-
环境检测 → 自动选择合适的交互界面
-
用户交互 → 通过命令执行、文字反馈、甚至图片上传来沟通
-
反馈传递 → 信息返回给 AI
-
流程继续 → AI 根据反馈调整或结束任务
这样一来，原本需要多轮对话才能完成的复杂任务，现在只需要一次 Cursor 请求，然后通过这个反馈系统不断迭代优化，直到你满意为止。
功能亮点
| 功能模块 | 描述 |
|---|---|
| 双界面系统 | Qt GUI（适合本地）+ Web UI（适合 WSL/SSH） |
| 响应式界面 | 模块化、可适配不同分辨率，体验非常现代 |
| 支持图像上传 | 拖拽 / 粘贴都支持，自动压缩处理，最大 1MB |
| 多语言支持 | 简中/英文/繁中，系统自动识别、可实时切换 |
| 环境适配 | 自动识别并适配本地、WSL、SSH Remote |
| 配置灵活 | 支持自定义启动命令、端口、调试开关 |
| 平台支持 | 不仅支持 Cursor，还支持 Cline、Windsurf、Augment、Trae 等 |
快速上手指南
安装和配置过程非常简单，苏米带大家走一遍：
第一步：安装并测试
# 安装 uv（如果还没装的话）
pip install uv
# 快速测试一下
uvx mcp-feedback-enhanced@latest test
第二步：配置 MCP
在你的 MCP 配置文件里加上这段：
{
"mcpServers": {
"mcp-feedback-enhanced": {
"command": "uvx",
"args": ["mcp-feedback-enhanced@latest"],
"timeout": 600,
"autoApprove": ["interactive_feedback"]
}
}
}
如果需要自定义环境，可以用进阶配置：
{
"mcpServers": {
"mcp-feedback-enhanced": {
"command": "uvx",
"args": ["mcp-feedback-enhanced@latest"],
"timeout": 600,
"env": {
"FORCE_WEB": "true",
"MCP_DEBUG": "false",
"MCP_WEB_PORT": "8765"
},
"autoApprove": ["interactive_feedback"]
}
}
}
第三步：设定提示工程规则
这一步很关键，需要在 AI 助手中添加以下规则：
# MCP Interactive Feedback 规则
1. 在任何流程、任务、对话进行时，无论是询问、回复、或完成阶段性任务，皆必须调用 MCP mcp-feedback-enhanced。
2. 每当收到用户反馈，若反馈内容非空，必须再次调用 MCP mcp-feedback-enhanced，并根据反馈内容调整行为。
3. 仅当用户明确表示「结束」或「不再需要交互」时，才可停止调用 MCP mcp-feedback-enhanced，流程才算结束。
4. 除非收到结束指令，否则所有步骤都必须重复调用 MCP mcp-feedback-enhanced。
5. 完成任务前，必须使用 MCP mcp-feedback-enhanced 工具向用户询问反馈。
实际体验
苏米使用了一段时间后，感觉这个工具真的解决了 Cursor 额度不够用的核心痛点。以前遇到复杂的代码重构或者 bug 修复，往往需要来来回回好几轮对话，每次都要重新描述问题和需求，不仅浪费额度，还容易丢失上下文。
现在有了 MCP Feedback Enhanced，一次请求就能搞定整个任务。AI 会在每个关键节点停下来征求你的意见，你可以通过文字、图片甚至命令执行结果来给反馈，整个过程就像有个贴心的助手在旁边随时待命。
比如修复一个复杂的前端组件问题，AI 会先分析问题，然后问你："我打算从这几个方面入手，你觉得这个思路对吗？"得到确认后开始修改，改完一部分又问："这部分修改完了，你看看效果如何？"如果不满意，直接说出问题，它会继续优化，直到你满意为止。
整个过程只算一次 Cursor 请求，但获得的效果比以前多轮对话还要好。
写在最后
MCP Feedback Enhanced 这个工具的出现，可以说是给 Cursor 用户送了一份大礼。它不仅解决了额度焦虑的问题，更重要的是改变了我们与 AI 协作的方式，让开发过程变得更加高效和可控。
如果你也被 Cursor 的额度限制困扰，强烈建议试试这个工具。
如果这篇文章对你有帮助，记得点个赞支持一下！
项目地址：https://github.com/Minidoracat/mcp-feedback-enhanced
项目在 GitHub 开源，有什么问题也可以到项目页面提 issue。
该项目是基于sanshao85/mcp-feedback-collector的WEB开发而来的，后续再测试一下这个项目的效果