Skip to main content
Glama
deenesjakoruzh
Solvro

SOLVRO MCP - Knowledge Graph RAG System

Official
by Solvro
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Python
Hybrid

┌─────────────┐     ┌─────────────┐     ┌─────────────┐     ┌─────────────┐
│  Frontend   │────▶│  ToPWR API  │────▶│  MCP Server │────▶│    Neo4j    │
│    :80      │     │    :8000    │     │    :8005    │     │    :7687    │
└─────────────┘     └─────────────┘     └─────────────┘     └─────────────┘
React + Nginx         FastAPI              FastMCP          Knowledge Graph

  • PWrChat UI — React-чат-бот (боковая панель сессий, переключатель темной/светлой темы, сохранение темы)

  • Интеллектуальная маршрутизация запросов — система фильтров (guardrails) определяет релевантность запроса

  • Естественный язык в Cypher — преобразование вопросов в графовые запросы

  • RAG на графе знаний — генерация с дополнением извлечением (Retrieval-Augmented Generation) с использованием Neo4j

  • Протокол MCP — стандартный интерфейс Model Context Protocol

  • Наблюдаемость — опциональная интеграция трассировки Langfuse

  • Готовность к Docker — развертывание одной командой

Быстрый старт

# 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 services

Related MCP server: Unreal Engine Knowledge Graph MCP Server

Архитектура

Обзор системы

┌─────────────┐     ┌─────────────┐     ┌─────────────┐     ┌─────────────┐
│  Frontend   │────▶│  ToPWR API  │────▶│  MCP Server │────▶│    Neo4j    │
│    :80      │     │    :8000    │     │    :8005    │     │    :7687    │
└─────────────┘     └─────────────┘     └─────────────┘     └─────────────┘
React + Nginx         FastAPI              FastMCP          Knowledge Graph

Сервис

Порт

Описание

frontend

80

PWrChat — React-интерфейс чат-бота, обслуживаемый Nginx

topwr-api

8000

Бэкенд FastAPI для приложения ToPWR

mcp-server

8005

MCP-сервер с конвейером RAG

neo4j

7474/7687

База данных графа знаний

Конвейер RAG

Сердцем системы является конвейер RAG на базе LangGraph, который интеллектуально обрабатывает запросы пользователей:

Поток конвейера:

  1. Фильтры (Guardrails) — быстрая LLM определяет, относится ли запрос к базе знаний

  2. Генерация Cypher — точная LLM преобразует естественный язык в запрос Cypher

  3. Извлечение — выполнение запроса к графу знаний Neo4j

  4. Ответ — возврат структурированных контекстных данных

Конвейер данных

Отдельный ETL-конвейер для загрузки документов в граф знаний:

Этапы конвейера:

  1. Загрузка документов — прием PDF и текстовых документов

  2. Извлечение текста — OCR и извлечение контента

  3. Обработка LLM — генерация запросов Cypher из контента

  4. Наполнение графа — выполнение запросов для построения графа знаний

Конфигурация

Скопируйте .env.example в .env и настройте:

########################################
# 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

Команды

# 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 ETL

Структура проекта

src/
├── 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 proxy

Использование API

Эндпоинт чата

curl -X POST http://localhost:8000/api/chat \
  -H "Content-Type: application/json" \
  -d '{"user_id": "user1", "message": "Czym jest nagroda dziekana?"}'

Ответ:

{
  "session_id": "abc123",
  "message": "Nagroda dziekana to wyróżnienie przyznawane...",
  "metadata": {
    "source": "mcp_knowledge_graph",
    "trace_id": "xyz789"
  }
}

Управление сессиями

# Get session history
curl http://localhost:8000/api/sessions/{session_id}/history

# List user sessions  
curl http://localhost:8000/api/users/{user_id}/sessions

Технологический стек

Технология

Назначение

React 18 + TypeScript

Фронтенд-интерфейс чата

Vite + TailwindCSS v3

Инструменты сборки и стилизация

Nginx

Обслуживание фронтенда + проксирование API

FastMCP

Сервер Model Context Protocol

LangGraph

Машина состояний RAG

LangChain

Оркестрация LLM

Neo4j

База данных графа знаний

FastAPI

Бэкенд REST API

Langfuse

Наблюдаемость (опционально)

Prefect

Оркестрация конвейера данных

Docker

Контейнеризация

Лицензия

MIT © Solvro

This server cannot be deployed

Context All Your Agents Can ShareAgents share what they learn, hand off work, and hold it when you switch models. Start with 5 GB free.fulcradynamics.comAd

Maintenance

ActivityActive
ResponsivenessWithin a week

Resources

Related MCP Connectors

Related MCP Servers

  • Neo4j Knowledge Graph

    mjftw
    F
    license
    Not graded
    quality
    D
    maintenance
    Enables storage and retrieval of knowledge in a graph database format, allowing users to create, update, search, and delete entities and relationships in a Neo4j-powered knowledge graph through natural language.
    5
    -

  • Neo4j MCP Server

    vpro1032
    A
    license
    Not graded
    quality
    D
    maintenance
    Enables AI assistants to interact with Neo4j graph databases through natural language, supporting Cypher queries, schema management, data manipulation, and graph algorithms.
    MIT