在使用 Cursor 时，用户会面临着每月 500 次 “快车道” 请求的限制，一旦用超，需要排队等待或者额外付费。

一个名为 “Interactive Feedback MCP” 的开源项目为Cursor用户提供了一种创新的节省快速请求的方式：旨在通过在单次Token消耗周期内实现无限轮次的追问和反馈，从而大幅提升付费额度的使用效率。其核心原理是在Cursor准备结束当前对话时拦截该信号，并允许用户输入新的反馈或指令，使对话在保持完整上下文的情况下继续进行，而不是开启新的、消耗额外Token的会话。

什么是 Interactive Feedback MCP

Interactive Feedback MCP (MCP: Model-Coordinator-Provider) 是一个本地运行的服务，它与Cursor的MCP协议集成，充当用户与AI模型之间的交互协调者。当AI完成一次响应后，此MCP会介入，询问用户是否需要进一步修改或有新的问题，并将用户的反馈无缝地融入当前对话流中。这意味着最初的一次请求所消耗的Token可以支持后续多轮的迭代优化，据称能将500次请求有效交互扩展数倍。

项目地址：https://github.com/noopstudios/interactive-feedback-mcp

安装步骤

依赖软件

• Python 3.11 或更新版本。
• uv（Python包管理器）。安装方法如下：
  • Windows: pip install uv
  • Linux/Mac: curl -LsSf https://astral.sh/uv/install.sh | sh

获取代码

clone interactive-feedback-mcp 仓库：

下载源代码也可以

下载完成后进入到代码目录。

安装 mcp

在 interactive-feedback-mcp 代码目录下执行如下命令：

该指令会创建一个虚拟环境并安装各种包（因此执行耗时也比较长）。

执行完成后，执行如下指令运行 MCP 服务器（还是在interactive-feedback-mcp 代码目录下）：

在 Cursor 中配置 MCP

通过 Settings > Tools & MCP > Add Custom MCP 添加 MCP ：

我这里安装后MCP没能立即启动，将 Cursor 退出重启后才会执行成功。执行成功后会有绿色状态标识。

在 Cursor 中配置 Rule

因为期望 Cursor 在每次请求结束前自动调用 MCP 服务，需要配置下 Cursor 的 Rule （Settings > Rules, Skills, Subagents > Rules > New User Rule ）:

总结

通过拦截 Cursor 工作结束信号，在结束时调用 Interactive Feedback MCP 服务，允许用户在 Interactive Feedback 的交互窗口进行追问。

使得追问和修改都在同一个请求会话中进行，达到减少请求 Cursor 次数的效果。

注意： 随着会话上下文拉长，Cursor 会变得很蠢，需要适时的关闭交互窗口结束对话。

END！！！