Graphiti MCP Server

Сервер MCP Graphiti

Graphiti — это фреймворк для построения и запроса графов знаний с учетом времени, специально разработанный для агентов ИИ, работающих в динамических средах. В отличие от традиционных методов генерации дополненного поиска (RAG), Graphiti непрерывно интегрирует пользовательские взаимодействия, структурированные и неструктурированные корпоративные данные и внешнюю информацию в связный, запрашиваемый граф. Фреймворк поддерживает инкрементные обновления данных, эффективный поиск и точные исторические запросы без необходимости полного пересчета графа, что делает его подходящим для разработки интерактивных, контекстно-зависимых приложений ИИ.

Это экспериментальная реализация сервера Model Context Protocol (MCP) для Graphiti. Сервер MCP раскрывает ключевую функциональность Graphiti через протокол MCP, позволяя помощникам ИИ взаимодействовать с возможностями графа знаний Graphiti.

Функции

Сервер Graphiti MCP предоставляет следующие ключевые высокоуровневые функции Graphiti:

• Управление эпизодами : добавление, извлечение и удаление эпизодов (текст, сообщения или данные JSON)
• Управление сущностями : поиск и управление узлами сущностей и связями в графе знаний.
• Возможности поиска : поиск фактов (ребер) и сводок узлов с использованием семантического и гибридного поиска.
• Управление группами : организация и управление группами связанных данных с помощью фильтрации group_id.
• Обслуживание графика : очистка графика и перестроение индексов.

Быстрый старт для Claude Desktop, Cursor и других клиентов

1. Клонируйте репозиторий Graphiti GitHub

или

Запомните полный путь к этому каталогу.

2. Установите необходимые компоненты Graphiti .
3. Настройте Claude, Cursor или другой клиент MCP для использования Graphiti с транспортом stdio . См. документацию клиента о том, где найти файлы конфигурации MCP.

Установка

Предпосылки

1. Убедитесь, что у вас установлен Python 3.10 или выше.
2. Работающая база данных Neo4j (требуется версия 5.26 или более поздняя)
3. Ключ API OpenAI для операций LLM

Настраивать

1. Клонируйте репозиторий и перейдите в каталог mcp_server.
2. Используйте uv для создания виртуальной среды и установки зависимостей:

Конфигурация

Сервер использует следующие переменные среды:

• NEO4J_URI : URI для базы данных Neo4j (по умолчанию: bolt://localhost:7687 )
• NEO4J_USER : имя пользователя Neo4j (по умолчанию: neo4j )
• NEO4J_PASSWORD : пароль Neo4j (по умолчанию: demodemo )
• OPENAI_API_KEY : ключ API OpenAI (требуется для операций LLM)
• OPENAI_BASE_URL : дополнительный базовый URL-адрес для OpenAI API.
• MODEL_NAME : Необязательное имя модели для использования при выводе LLM.
• AZURE_OPENAI_ENDPOINT : Необязательный URL-адрес конечной точки Azure OpenAI
• AZURE_OPENAI_DEPLOYMENT_NAME : Необязательное имя развертывания Azure OpenAI
• AZURE_OPENAI_API_VERSION : Необязательная версия API Azure OpenAI
• AZURE_OPENAI_EMBEDDING_DEPLOYMENT_NAME : Необязательное имя развертывания внедрения Azure OpenAI
• AZURE_OPENAI_EMBEDDING_API_VERSION : Необязательная версия API Azure OpenAI
• AZURE_OPENAI_USE_MANAGED_IDENTITY : необязательное использование управляемых удостоверений Azure для аутентификации

Вы можете задать эти переменные в файле .env в каталоге проекта.

Запуск сервера

Чтобы запустить сервер Graphiti MCP напрямую с помощью uv :

С опциями:

Доступные аргументы:

• --model : Укажите имя модели для использования с клиентом LLM.
• --transport : Выберите метод транспорта (sse или stdio, по умолчанию: sse)
• --group-id : Установить пространство имен для графика (необязательно)
• --destroy-graph : Уничтожить все графики Graphiti (использовать с осторожностью)
• --use-custom-entities : включить извлечение сущностей с использованием предопределенных ENTITY_TYPES

Развертывание Docker

Сервер Graphiti MCP можно развернуть с помощью Docker. Dockerfile использует uv для управления пакетами, обеспечивая последовательную установку зависимостей.

Конфигурация среды

Перед запуском настройки Docker Compose вам необходимо настроить переменные среды. У вас есть два варианта:

1. Использование файла .env (рекомендуется):
   • Скопируйте предоставленный файл .env.example , чтобы создать файл .env :
     cp .env.example .env
   • Отредактируйте файл .env , чтобы задать ключ API OpenAI и другие параметры конфигурации:
     # Required for LLM operations OPENAI_API_KEY=your_openai_api_key_here MODEL_NAME=gpt-4.1-mini # Optional: OPENAI_BASE_URL only needed for non-standard OpenAI endpoints # OPENAI_BASE_URL=https://api.openai.com/v1
   • Настройка Docker Compose настроена на использование этого файла, если он существует (это необязательно)
2. Использование переменных окружения напрямую :
   • Вы также можете задать переменные сре��ы при запуске команды Docker Compose:
     OPENAI_API_KEY=your_key MODEL_NAME=gpt-4.1-mini docker compose up

Конфигурация Neo4j

Настройка Docker Compose включает контейнер Neo4j со следующей конфигурацией по умолчанию:

• Имя пользователя: neo4j
• Пароль: demodemo
• URI: bolt://neo4j:7687 (из сети Docker)
• Настройки памяти оптимизированы для использования в разработке

Работа с Docker Compose

Запустите службы с помощью Docker Compose:

Или, если вы используете старую версию Docker Compose:

Это запустит как базу данных Neo4j, так и сервер Graphiti MCP. Настройка Docker:

• Использует uv для управления пакетами и запуска сервера
• Устанавливает зависимости из файла pyproject.toml
• Подключается к контейнеру Neo4j с использованием переменных среды
• Предоставляет сервер на порту 8000 для HTTP-транспорта SSE
• Включает проверку работоспособности Neo4j, чтобы убедиться в его полной работоспособности перед запуском сервера MCP.

Интеграция с клиентами MCP

Конфигурация

Чтобы использовать сервер Graphiti MCP с клиентом, совместимым с MCP, настройте его для подключения к серверу:

[!ВАЖНО] Вам понадобится установленный менеджер пакетов Python, uv . Пожалуйста, ознакомьтесь с инструкциями по установке uv .

Убедитесь, что вы указали полный путь к двоичному файлу uv и папке вашего проекта Graphiti.

Для транспорта SSE (на основе HTTP) можно использовать следующую конфигурацию:

Доступные инструменты

Сервер Graphiti MCP предоставляет следующие инструменты:

• add_episode : Добавить эпизод в граф знаний (поддерживает текст, JSON и форматы сообщений)
• search_nodes : Поиск в графе знаний соответствующих сводок узлов
• search_facts : Поиск в графе знаний соответствующих фактов (ребер между сущностями)
• delete_entity_edge : Удалить ребро сущности из графа знаний
• delete_episode : Удалить эпизод из графика знаний
• get_entity_edge : Получить ребро сущности по ее UUID
• get_episodes : Получить последние эпизоды для определенной группы
• clear_graph : Очистить все данные из графа знаний и перестроить индексы
• get_status : Получить статус сервера Graphiti MCP и соединения Neo4j

Работа с данными JSON

Сервер Graphiti MCP может обрабатывать структурированные данные JSON через инструмент add_episode с source="json" . Это позволяет автоматически извлекать сущности и связи из структурированных данных:

Интеграция с Cursor IDE

Чтобы интегрировать Graphiti MCP Server с Cursor IDE, выполните следующие действия:

1. Запустите сервер Graphiti MCP с использованием транспорта SSE:

Подсказка: укажите group_id для сохранения данных предыдущего графика. Если вы не укажете group_id , сервер создаст новый график

2. Настройте курсор для подключения к серверу Graphiti MCP.

3. Добавьте правила Graphiti в пользовательские правила Cursor. Подробности см. в cursor_rules.md .
4. Запустите сеанс агента в Cursor.

Интеграция позволяет помощникам ИИ в Cursor поддерживать постоянную память с помощью возможностей графа знаний Graphiti.

Требования

• Python 3.10 или выше
• База данных Neo4j (требуется версия 5.26 или более поздняя)
• Ключ API OpenAI (для операций LLM и встраиваний)
• MCP-совместимый клиент

Лицензия

Данный проект лицензирован по той же лицензии, что и проект Graphiti.