cognee-mcp

<div align="center"> <a href="https://github.com/topoteretes/cognee"> <img src="https://raw.githubusercontent.com/topoteretes/cognee/refs/heads/dev/assets/cognee-logo-transparent.png" alt="Cognee Logo" height="60"> </a> <br /> cognee - AI应用和智能体的记忆层 <p align="center"> <a href="https://www.youtube.com/watch?v=1bezuvLwJmw&t=2s">演示</a> . <a href="https://cognee.ai">了解更多</a> · <a href="https://discord.gg/NQPKmU5CCg">加入Discord</a> </p> [](https://GitHub.com/topoteretes/cognee/network/) [](https://GitHub.com/topoteretes/cognee/stargazers/) [](https://GitHub.com/topoteretes/cognee/commit/) [](https://github.com/topoteretes/cognee/tags/) [](https://pepy.tech/project/cognee) [](https://github.com/topoteretes/cognee/blob/main/LICENSE) [](https://github.com/topoteretes/cognee/graphs/contributors) 可靠的AI智能体响应。 使用可扩展、模块化的ECL（提取、认知、加载）管道构建动态智能体记忆。 更多[使用场景](https://docs.cognee.ai/use_cases)。 <div style="text-align: center"> <img src="cognee_benefits_zh.JPG" alt="为什么选择cognee？" width="100%" /> </div> </div> ## 功能特性 - 互联并检索您的历史对话、文档、图像和音频转录 - 减少幻觉、开发人员工作量和成本 - 仅使用Pydantic将数据加载到图形和向量数据库 - 从30多个数据源摄取数据时进行数据操作 ## 开始使用 通过Google Colab <a href="https://colab.research.google.com/drive/1g-Qnx6l_ecHZi0IOw23rg0qC4TYvEvWZ?usp=sharing">笔记本</a>或<a href="https://github.com/topoteretes/cognee-starter">入门项目</a>快速上手 ## 贡献 您的贡献是使这成为真正开源项目的核心。我们**非常感谢**任何贡献。更多信息请参阅[`CONTRIBUTING.md`](CONTRIBUTING.md)。 ## 📦 安装 您可以使用**pip**、**poetry**、**uv**或任何其他Python包管理器安装Cognee。 ### 使用pip ```bash pip install cognee ``` ## 💻 基本用法 ### 设置 ``` import os os.environ["LLM_API_KEY"] = "YOUR OPENAI_API_KEY" ``` 您也可以通过创建.env文件设置变量，使用我们的<a href="https://github.com/topoteretes/cognee/blob/main/.env.template">模板</a>。 要使用不同的LLM提供商，请查看我们的<a href="https://docs.cognee.ai">文档</a>获取更多信息。 ### 简单示例 此脚本将运行默认管道： ```python import cognee import asyncio async def main(): # Add text to cognee await cognee.add("自然语言处理（NLP）是计算机科学和信息检索的跨学科领域。") # Generate the knowledge graph await cognee.cognify() # Query the knowledge graph results = await cognee.search("告诉我关于NLP") # Display the results for result in results: print(result) if __name__ == '__main__': asyncio.run(main()) ``` 示例输出： ``` 自然语言处理（NLP）是计算机科学和信息检索的跨学科领域。它关注计算机和人类语言之间的交互，使机器能够理解和处理自然语言。 ``` 图形可视化： <a href="https://rawcdn.githack.com/topoteretes/cognee/refs/heads/main/assets/graph_visualization.html"><img src="https://rawcdn.githack.com/topoteretes/cognee/refs/heads/main/assets/graph_visualization.png" width="100%" alt="图形可视化"></a> 在[浏览器](https://rawcdn.githack.com/topoteretes/cognee/refs/heads/main/assets/graph_visualization.html)中打开。 有关更高级的用法，请查看我们的<a href="https://docs.cognee.ai">文档</a>。 ## 了解我们的架构 <div style="text-align: center"> <img src="cognee_diagram_zh.JPG" alt="cognee概念图" width="100%" /> </div> ## 演示 1. 什么是AI记忆： [了解cognee](https://github.com/user-attachments/assets/8b2a0050-5ec4-424c-b417-8269971503f0) 2. 简单GraphRAG演示 [简单GraphRAG演示](https://github.com/user-attachments/assets/f57fd9ea-1dc0-4904-86eb-de78519fdc32) 3. cognee与Ollama [cognee与本地模型](https://github.com/user-attachments/assets/834baf9a-c371-4ecf-92dd-e144bd0eb3f6) ## 行为准则 我们致力于为我们的社区提供愉快和尊重的开源体验。有关更多信息，请参阅<a href="https://github.com/topoteretes/cognee/blob/main/CODE_OF_CONDUCT.md"><code>CODE_OF_CONDUCT</code></a>。 ## 💫 贡献者 <a href="https://github.com/topoteretes/cognee/graphs/contributors"> <img alt="contributors" src="https://contrib.rocks/image?repo=topoteretes/cognee"/> </a> ## Star历史 [](https://star-history.com/#topoteretes/cognee&Date)