AI工具有那些? @ 香港AI工具平台
MCP評價收集器:mcp-feedback-collector 是一個專為模型內容協定 (Model Context Protocol, MCP) 設計的伺服器,其核心功能是為 AI 助理提供一個現代化、互動式的圖形化使用者介面 (GUI),用以收集使用者的回饋。
MCP工具

MCP評價收集器

mcp-feedback-collector 是一個專為模型內容協定 (Model Context Protocol, MCP) 設計的伺服器,其核心功能是為 AI 助理提供一個現代化、互動式的圖形化使用者介面 (GUI),用以收集使用者的回饋

這個專案的獨特之處在於,它在 AI 與使用者之間建立了一座即時溝通的橋樑。傳統上,AI 完成任務後對話就結束了,但透過這個工具,AI 可以在完成任務的最後一步,主動「詢問」使用者的意見,從而實現真正的人機協作閉環 (Human-in-the-loop)

核心價值:讓 AI 主動尋求你的意見

此專案將 AI 從一個單純的指令執行者,轉變為一個能夠在關鍵節點暫停、尋求使用者確認和補充說明的協作者。AI 不再是埋頭工作,而是在完成後會「敲敲你的門」,問一聲:「我這樣做可以嗎?您還有沒有其他想法或需要補充的資料?」

主要功能與特色

  • 現代化的圖形介面: 提供一個美觀、易於使用的 GUI 視窗,讓使用者可以直觀地提供回饋,而非在終端機中輸入指令。
  • 多模態回饋能力: 這是其最強大的功能之一。使用者不僅可以輸入文字,還可以非常方便地提交一張或多張圖片作為回饋。圖片可以從檔案中選擇,也可以直接從剪貼簿貼上,這對於提供截圖、設計稿等視覺化回饋極為高效。
  • 靈活的回饋組合: 支援純文字、純圖片,或是文字加圖片的組合式回饋。
  • 零配置安裝: 透過 uvx 工具即可一鍵安裝並在 MCP 客戶端(如 Claude Desktop)中啟用,極大地簡化了設定過程。
  • 智慧型逾時設定: 回饋視窗可以設定等待時間,避免因使用者暫時離開而導致 AI 處理程序中斷。

核心工具與使用流程

專案的核心工具是 collect_feedback()。其典型工作流程如下:

  1. AI 助理執行完一項任務(例如,重構了一段程式碼、草擬了一封郵件)。
  2. 在結束工作前,AI 呼叫 collect_feedback() 工具,並附上一段訊息,例如:「我已經完成了程式碼優化工作,請您檢視並提供回饋。」
  3. 此時,使用者的螢幕上會彈出一個回饋視窗,顯示 AI 的訊息,並提供文字輸入框和圖片上傳區。
  4. 使用者可以輸入意見、貼上程式碼執行結果的截圖,然後點擊「提交」。
  5. AI 收到使用者的回饋後,可以根據回饋內容繼續修改,或在使用者表示滿意後(例如回饋為空)才正式結束任務。

技術與安裝

此專案基於 Python,使用 tkinterPillow 函式庫來建構 GUI。安裝過程對使用者非常友好,只需透過 pip 安裝 uvx,並在 MCP 設定檔中加入幾行設定即可。

總結來說,mcp-feedback-collector 是一個極具創意的 MCP 工具,它深刻地改變了 AI 助理的互動模式。它讓使用者從一個被動的指令下達者,變成了 AI 工作流程中一個積極的、受歡迎的參與者,極大地提升了 AI 輔助工作的準確性和滿意度。

  • MCP平台來源: github
  • 連結: https://github.com/sanshao85/mcp-feedback-collector

立即試用MCP工具