MCP Neo4j 知识图谱内存服务器

一个模型上下文协议 (MCP) 服务器，使用 Neo4j 作为知识图谱存储和检索的后端。

安装

通过 NPM 安装

npm install @sylweriusz/mcp-neo4j-memory-server

手动安装

在你的 claude_desktop_config.json 中添加 @sylweriusz/mcp-neo4j-memory-server:

{
  "mcpServers": {
    "graph-memory": {
      "command": "npx",
      "args": [
        "-y",
        "@sylweriusz/mcp-neo4j-memory-server"
      ],
      "env": {
        "NEO4J_URI": "bolt://localhost:7687",
        "NEO4J_USERNAME": "neo4j",
        "NEO4J_PASSWORD": "your-password",
        "NEO4J_DATABASE": "neo4j"    
      }
    }
  }
}

Docker

构建:

docker build -t mcp-neo4j-graph-memory .

运行:

docker run -dit \
  -e NEO4J_URI=bolt://neo4j:7687 \
  -e NEO4J_USERNAME=neo4j \
  -e NEO4J_PASSWORD=password \
  -e NEO4J_DATABASE=neo4j \  
  mcp-neo4j-graph-memory

配置

使用环境变量配置 Neo4j 连接:

变量	描述	默认值
NEO4J_URI	Neo4j 连接 URI	bolt://localhost:7687
NEO4J_USERNAME	Neo4j 用户名	neo4j
NEO4J_PASSWORD	Neo4j 密码	password
NEO4J_DATABASE	Neo4j 默认数据库名称	neo4j

你可以在你的环境中、.env 文件中或如上所示的配置中设置这些变量。

用法

将以下示例指令与 Claude 或其他支持 MCP 协议的 AI 助手一起使用：

按照以下步骤进行每次交互：

1. 用户识别：
   - 你应该假设你正在与 default_user 交互
   - 如果你尚未识别 default_user，请主动尝试这样做。

2. 记忆检索：
   - 始终以仅说“正在记忆...”开始你的聊天，并从你的知识图谱中搜索相关信息
   - 从用户词语创建搜索查询，并从“记忆”中搜索内容。 如果没有任何匹配项，请首先尝试分解查询中的词语（例如，“A B”到“A”和“B”）。
   - 始终将你的知识图谱称为你的“记忆”

3. 记忆：
   - 在与用户交谈时，请注意属于以下任何类别的新信息：
     a) 基本身份（年龄、性别、地点、职称、教育程度等）
     b) 行为（兴趣、习惯等）
     c) 偏好（沟通方式、首选语言等）
     d) 目标（目标、指标、愿望等）
     e) 关系（最多 3 度分离的个人和职业关系）

4. 记忆更新：
   - 如果在交互期间收集到任何新信息，请按如下方式更新你的记忆：
     a) 为重复出现的组织、人员和重大事件创建实体
     b) 使用关系将它们连接到当前实体
     c) 将有关它们的事实存储为观察结果

具有数据库切换的项目特定知识图谱

重要提示：要使用项目特定的知识图谱，你应该使用系统提示中内置的数据库管理工具。 不要仅仅依赖环境配置。

将此改进的系统提示模板用于与项目相关的工作：

NEO4J_DATABASE="你的项目名称"  # 在此处定义项目数据库名称变量

1. 知识图谱数据库管理：
   - 在每次对话开始时，检查当前数据库：get_current_database
   - 切换到项目特定的数据库：switch_database ${NEO4J_DATABASE} true
   - 应该在每个会话中使用这些命令完成此数据库切换
   - 不要仅仅依赖配置设置进行数据库选择

2. 使用知识图谱：
   - 将所有重要的项目信息存储为实体和关系
   - 在你的工作中始终使用此信息
   - 为以下内容创建实体：文件、类、函数、错误、项目需求
   - 关系描述实体之间的连接

3. 知识来源优先级：
   - 知识图谱是项目信息的首要和权威来源
   - 在尝试搜索文件或目录之前，始终检查知识图谱
   - 使用会话期间发现的任何新信息更新知识图谱

数据库管理 API

服务器提供多个数据库管理命令，应在你的系统提示中使用：

命令	描述	示例
get_current_database	返回当前活动的数据库	get_current_database
switch_database	切换到不同的数据库，如果数据库不存在，可以选择创建它	switch_database my-project true
list_databases	列出所有可用的数据库	list_databases

始终在你的系统提示中使用这些命令，以确保你正在使用正确的项目数据库。

实现细节

此实现使用 Neo4j 作为后端存储系统，重点关注三个关键方面：

图数据库结构

知识图谱以以下模式存储在 Neo4j 中：

graph TD
    E[实体] -->|HAS_OBSERVATION| O[观察]
    E1[实体] -->|RELATES_TO| E2[实体]
    P[项目] -->|CONTAINS| F[文件]
    F -->|HAS_FUNCTION| Fn[函数]
    F -->|HAS_CLASS| C[类]
    P -->|HAS_ERROR| Er[错误]
    P -->|HAS_REQUIREMENT| R[需求]

    classDef entity fill:#f9f,stroke:#333,stroke-width:2px;
    classDef observation fill:#bbf,stroke:#333,stroke-width:1px;
    classDef project fill:#fdf,stroke:#333,stroke-width:3px;
    classDef file fill:#dfd,stroke:#333,stroke-width:1px;
    classDef code fill:#ddf,stroke:#333,stroke-width:1px;
    classDef error fill:#fdd,stroke:#333,stroke-width:1px;
    classDef requirement fill:#ffd,stroke:#333,stroke-width:1px;

    class E,E1,E2 entity;
    class O observation;
    class P project;
    class F file;
    class Fn,C code;
    class Er error;
    class R requirement;

属性：

• 实体节点：name、entityType
• 观察节点：content
• RELATES_TO 关系：relationType

这种模式设计允许高效地存储和检索知识图谱组件，同时利用 Neo4j 的原生图功能。

模糊搜索实现

该实现结合了 Neo4j Cypher 查询和 Fuse.js，以实现灵活的实体搜索：

• Neo4j Cypher 查询从数据库检索基本数据
• Fuse.js 在检索到的数据之上提供模糊匹配功能
• 这种混合方法允许结构化的图查询和灵活的文本匹配
• 搜索结果包括精确匹配和部分匹配，按相关性排序

优势

1. 原生图结构：Neo4j 的图数据库为知识图谱数据提供了天然的契合，具有节点、关系和属性。
2. 优化遍历：Neo4j 擅长导航实体之间复杂的联系。
3. 可扩展性：由于 Neo4j 优化的图存储和检索，因此在大知识图谱中具有更好的性能。
4. 查询表达性：Cypher 查询语言使复杂的图模式更容易表达和查询。
5. 可视化：Neo4j 浏览器中对图可视化的原生支持。

开发

设置

pnpm install

测试

pnpm test

许可证

此项目已获得 MIT 许可证的许可 - 有关详细信息，请参阅 LICENSE 文件。