Graphiti Mcp Pro

Graphiti MCP Pro

日本語 | 中文

Graphiti について

Graphiti は、時間軸を考慮したナレッジグラフを構築およびクエリするためのフレームワークであり、動的な環境で動作する AI エージェント向けに特化して設計されています。従来の検索拡張生成（RAG）手法とは異なり、Graphiti はユーザーの操作、構造化データおよび非構造化データのエンタープライズデータ、外部情報を継続的に統合し、一貫性のあるクエリ可能なグラフを構築します。このフレームワークは、増分データ更新、効率的な検索、およびグラフ全体の再計算を必要としない正確な履歴クエリをサポートしており、インタラクティブでコンテキストを認識する AI アプリケーションの開発に適しています。

本プロジェクトは、Graphiti をベースにした拡張メモリリポジトリ MCP サービスおよび管理プラットフォームです。オリジナルプロジェクトの MCP サービスと比較して、以下のコアな利点を提供します。コア機能の強化、より幅広い AI モデルとの互換性、および包括的なビジュアル管理インターフェースです。

機能

コア機能の強化

非同期並列処理

メモリの追加は MCP サービスのコア機能です。オリジナルの実装をベースに、非同期並列処理メカニズムを導入しました。同じグループ ID（異なる開発プロジェクトなど）で最大 5 つのメモリ追加タスクを並列実行でき、処理効率が大幅に向上します。

タスク管理ツール

add_memory タスクを管理するための 4 つの新しい MCP ツールが追加されました：

• list_add_memory_tasks - すべての add_memory タスクを一覧表示します
• get_add_memory_task_status - add_memory タスクのステータスを取得します
• wait_for_add_memory_task - add_memory タスクの完了を待機します
• cancel_add_memory_task - add_memory タスクをキャンセルします

統合構成管理

構成管理を最適化し、コマンドラインパラメータ、環境変数、および管理バックエンドのデータベース構成間の不整合を解消しました。

メモ

管理バックエンドが有効な場合、.env 環境構成ファイルの MCP サービスパラメータは初回起動時にのみ有効になります。以降の構成は管理バックエンドのデータベース内のパラメータに基づきます。

より幅広い AI モデルとの互換性と柔軟性

モデル互換性の強化

instructor ライブラリとの統合により、モデルの互換性が大幅に向上しました。DeepSeek、Qwen などの各種モデル、さらには Ollama や vLLM を通じてローカルで実行されるモデルであっても、OpenAI API 互換のインターフェースを提供していればサポートされます。

モデル構成の分離

オリジナルの統合 LLM 構成は 3 つの独立した構成に分割され、実際のニーズに応じて柔軟に組み合わせることができます：

• 大規模モデル (LLM)：エンティティと関係の抽出を担当します
• 小規模モデル (Small LLM)：エンティティ属性の要約、関係の重複排除、再ランキングなどの軽量タスクを処理します
• 埋め込みモデル (Embedder)：テキストのベクトル化専用です

メモ

埋め込みモデルを構成する際、その API パスが上記の 2 つの LLM と異なることに注意してください。LLM はチャット補完パス {base_url}/chat/completions を使用し、テキスト埋め込みは {base_url}/embeddings を使用します。管理バックエンドで「大規模モデルと同じ」を選択した場合、構成した大規模モデルがテキスト埋め込みをサポートしていることを確認してください。

さらに、docker compose 経由でサービスを実行し、LLM または埋め込みモデルがローカルで実行されている場合、base_url は http://host.docker.internal:{port} として構成する必要があります。ポートはローカルで実行されているポートに応じて調整してください。

総合管理プラットフォーム

より良いユーザーエクスペリエンスと可観測性を提供するために、完全な管理バックエンドと Web UI を開発しました。管理インターフェースを通じて、以下が可能です:

• サービス制御: MCP サービスの起動、停止、再起動
• 構成管理: リアルタイムでの構成更新と調整
• 使用状況の監視: 詳細なトークン使用統計の表示
• ログの閲覧: リアルタイムおよび過去のログの照会

はじめに

Docker Compose での実行 (推奨)

1. プロジェクトのクローン

   git clone http://github.com/itcook/graphiti-mcp-pro
   # or git clone [email protected]:itcook/graphiti-mcp-pro.git
   cd graphiti-mcp-pro
   

2. 環境変数の構成 (任意)

   # Copy example configuration file
   mv .env.example.en .env
   # Edit .env file according to the instructions
   

メモ

以前の Graphiti MCP データを引き続き使用する場合は、.env ファイルの NEO4J_ 関連パラメータを Neo4j データベースの接続情報に設定し、その他のパラメータはデフォルトのままにしてください。

3. サービスの起動

   docker compose up -d
   

ヒント

プロジェクトが更新され、イメージを再ビルドする必要がある場合は、docker compose up -d --build を使用してください。

ご安心ください。データは外部データベースに永続的に保存されるため、失われることはありません。

4. 管理インターフェースへのアクセス デフォルトアドレス: http://localhost:6062

手動インストール

メモ

前提条件:

1. Python 3.10+ および uv プロジェクトマネージャー
2. Node.js 20+
3. アクセス可能な Neo4j 5.26+ データベースサービス
4. AI モデルサービス

1. プロジェクトのクローン

   git clone http://github.com/itcook/graphiti-mcp-pro
   # or git clone [email protected]:itcook/graphiti-mcp-pro.git
   cd graphiti-mcp-pro
   

2. 依存関係のインストール

   uv sync
   

3. 環境変数の構成

   # Copy example configuration file
   mv .env.example.en .env
   # Edit .env file according to the instructions
   

4. MCP サービスの実行

   # Run service with management backend
   uv run main.py -m
   # Or run MCP service only
   # uv run main.py
   

5. 管理フロントエンドのビルドと実行

   フロントエンドディレクトリに移動し、依存関係をインストールします:

   cd manager/frontend
   pnpm install  # or npm install / yarn
   

   フロントエンドのビルドと実行:

   pnpm run build   # or npm run build / yarn build
   pnpm run preview # or npm run preview / yarn preview
   

   管理インターフェースへのアクセス: http://localhost:6062

重要な注意事項

既知の制限事項

• 🔒 セキュリティに関する注意: 管理バックエンドには認可アクセス機構が実装されていません。サービスを公開サーバーに公開しないでください。
• 🧪 テストカバレッジ: リソースの制約により、プロジェクトは十分にテストされていません。個人利用のみを推奨します。
• 📡 トランスポートプロトコル: streamable-http トランスポートプロトコルのみをサポートします。元のプロジェクトから stdio および sse のサポートを削除しました。
• ⚙️ コードの最適化: 一部のアーキテクチャ設計 (依存性注入、例外処理、クライアントの分離など) にはまだ最適化の余地があります。

使用上の推奨事項

• 構成の手順: .env.example.en のセットアップ手順とコメントをよくお読みください
• モデルの選択: GPT/Gemini/Claude などネイティブにサポートされているモデルを使用し、詳細な実行時情報を必要としない場合は、元の Graphiti MCP の使用を検討してください
• 問題のフィードバック: 使用上の問題があれば、Issue や Pull Request の提出を歓迎します

---

🤖 Augment Code の支援を受けて開発されました