┌─────────────┐ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ Frontend │────▶│ ToPWR API │────▶│ MCP Server │────▶│ Neo4j │
│ :80 │ │ :8000 │ │ :8005 │ │ :7687 │
└─────────────┘ └─────────────┘ └─────────────┘ └─────────────┘
React + Nginx FastAPI FastMCP Knowledge GraphPWrChat UI - Reactチャットボット（セッションサイドバー、ダーク/ライトモード切り替え、テーマの永続化）
インテリジェントクエリルーティング - ガードレールシステムがクエリの関連性を判断
自然言語からCypherへの変換 - 質問をグラフクエリに変換
ナレッジグラフRAG - Neo4jを使用した検索拡張生成
MCPプロトコル - 標準モデルコンテキストプロトコルインターフェース
可観測性 - オプションのLangfuseトレーシング統合
Docker対応 - ワンコマンドデプロイ
# Setup
just setup
cp .env.example .env # Edit with your API keys
# Run with Docker
just up # Start Neo4j + MCP Server + API
just logs # View logs
just down # Stop servicesRelated MCP server: Unreal Engine Knowledge Graph MCP Server
┌─────────────┐ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ Frontend │────▶│ ToPWR API │────▶│ MCP Server │────▶│ Neo4j │
│ :80 │ │ :8000 │ │ :8005 │ │ :7687 │
└─────────────┘ └─────────────┘ └─────────────┘ └─────────────┘
React + Nginx FastAPI FastMCP Knowledge Graphサービス | ポート | 説明 |
| 80 | PWrChat — Nginxで提供されるReactチャットボットUI |
| 8000 | ToPWRアプリ用FastAPIバックエンド |
| 8005 | RAGパイプラインを備えたMCPサーバー |
| 7474/7687 | ナレッジグラフデータベース |
システムの中心は、ユーザーのクエリをインテリジェントに処理するLangGraphベースのRAGパイプラインです：
パイプラインフロー：
ガードレール - 高速LLMがクエリがナレッジベースに関連しているかを判断
Cypher生成 - 高精度LLMが自然言語をCypherクエリに変換
検索 - Neo4jナレッジグラフに対してクエリを実行
応答 - 構造化されたコンテキストデータを返却
ドキュメントをナレッジグラフに取り込むための独立したETLパイプライン：
パイプラインステップ：
ドキュメント読み込み - PDFおよびテキストドキュメントの取り込み
テキスト抽出 - OCRおよびコンテンツ抽出
LLM処理 - コンテンツからCypherクエリを生成
グラフ構築 - クエリを実行してナレッジグラフを構築
.env.example を .env にコピーして設定します：
########################################
# LLM / AI Provider Keys
########################################
# OpenAI API key (optional)
OPENAI_API_KEY=
# DeepSeek API key (optional)
DEEPSEEK_API_KEY=
# Google Generative AI / PaLM API key (optional)
GOOGLE_API_KEY=
# CLARIN LLM API key (optional, used by API & client)
CLARIN_API_KEY=
########################################
# Langfuse Observability
########################################
LANGFUSE_SECRET_KEY=
LANGFUSE_PUBLIC_KEY=
LANGFUSE_HOST=https://cloud.langfuse.com
########################################
# Neo4j Database
########################################
# URI used by data pipeline, MCP server and graph config
NEO4J_URI=bolt://localhost:7687
NEO4J_USER=neo4j
NEO4J_PASSWORD=
########################################
# Data Pipeline Runtime Controls
########################################
# Max parallel pages processed per batch
DATA_PIPELINE_MAX_CONCURRENCY=4
# Minutes after which a stuck in-progress hash can be reclaimed
DATA_PIPELINE_CLAIM_STALE_MINUTES=30
########################################
# MCP Server Networking
########################################
# Bind host for the MCP server process
MCP_BIND_HOST=0.0.0.0
# Host/port used by API and MCP client to reach the MCP server
MCP_HOST=127.0.0.1
MCP_PORT=8005# Docker Stack
just up # Start all services (including frontend at :80)
just down # Stop services
just logs # View logs
just ps # Service status
just nuke # Remove everything
# Local Development
just mcp-server # Run MCP server
just api # Run FastAPI
just kg "query" # Query knowledge graph
# Frontend
just frontend-install # Install npm dependencies
just frontend-dev # Start dev server at :3000 (requires running API)
just frontend-build # Build for production
# Quality
just lint # Format & lint
just test # Run tests
just ci # Full CI pipeline
uv run --with pytest python -m pytest tests/data_pipeline/test_pipeline_concurrency.py -q
# Run pipeline concurrency/idempotency tests only
# Data Pipeline
just prefect-up # Start Prefect
just pipeline # Run ETLsrc/
├── mcp_server/ # MCP server + RAG pipeline
├── mcp_client/ # CLI client
├── topwr_api/ # FastAPI backend
├── config/ # Configuration
└── data_pipeline/ # Prefect ETL flows
frontend/
├── src/
│ ├── api/ # API client
│ ├── hooks/ # useUserId, useSessions, useChat, useTheme
│ ├── components/ # Sidebar, Chat, shared UI
│ └── types/ # TypeScript mirrors of backend models
└── package.json # React + Vite + TailwindCSS
docker/
├── compose.stack.yml # Main stack (Neo4j + MCP + API + Frontend)
├── compose.prefect.yml # Data pipeline
├── Dockerfile.mcp # MCP server image
├── Dockerfile.api # FastAPI image
├── Dockerfile.frontend # React + Nginx image
└── nginx.conf # SPA fallback + API proxycurl -X POST http://localhost:8000/api/chat \
-H "Content-Type: application/json" \
-d '{"user_id": "user1", "message": "Czym jest nagroda dziekana?"}'レスポンス：
{
"session_id": "abc123",
"message": "Nagroda dziekana to wyróżnienie przyznawane...",
"metadata": {
"source": "mcp_knowledge_graph",
"trace_id": "xyz789"
}
}# Get session history
curl http://localhost:8000/api/sessions/{session_id}/history
# List user sessions
curl http://localhost:8000/api/users/{user_id}/sessions技術 | 用途 |
React 18 + TypeScript | フロントエンドチャットUI |
Vite + TailwindCSS v3 | ビルドツールおよびスタイリング |
Nginx | フロントエンド提供 + APIプロキシ |
FastMCP | モデルコンテキストプロトコルサーバー |
LangGraph | RAGステートマシン |
LangChain | LLMオーケストレーション |
Neo4j | ナレッジグラフデータベース |
FastAPI | REST APIバックエンド |
Langfuse | 可観測性（オプション） |
Prefect | データパイプラインオーケストレーション |
Docker | コンテナ化 |
MIT © Solvro
This server cannot be deployed
Cloud or self-hosted knowledge for AI agents: hybrid search, reranking, GraphRAG, scoped MCP tools.
AI routing, memory, guardrails, and governance. Routes across Claude, GPT, Gemini.
Knowledge graph for AI agents. Query concepts, walk edges, get advisories.
Ingest, manage, and retrieve documents for RAG-powered AI applications
