mcpField
G
graphrag-ts citation provenance

graphrag-ts citation provenance

リモート
github.com/sadofriodその他9今日更新
リポジトリ

graphrag-ts citation provenance について

graphrag-ts は、Markdown コーパスを対象とする TypeScript 製 GraphRAG 実装です。PostgreSQL のナレッジグラフとハイブリッド検索で根拠に基づく回答を行い、Python ランタイムを必要としません。

主な機能

  1. 01Markdown の取り込みとエンティティ・関係の抽出
  2. 02コミュニティ検出を伴うグラフ構築と更新
  3. 03ベクトル・キーワード・グラフのハイブリッド検索
  4. 04コーパス全体への Map-Reduce クエリ
  5. 05ワークスペースの分離

活用シーン

  1. 01Markdown コーパスを対象とした質問応答
  2. 02コーパスの変更後にグラフを更新
  3. 03複数の検索方式を組み合わせた根拠の取得

MCP 対応

MCP サーバーを提供し、Markdown GraphRAG の機能を MCP クライアントに公開します。ワークスペースは分離されています。

設定

リモートサーバーはインストール不要です。クライアントを選んで設定をコピーするか、ワンクリックで導入できます。

エンドポイントhttps://mcp.ashesborn.cloud/mcp
インストールコマンドをコピー
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

コマンドはターミナルで実行し、JSON は各クライアントの MCP 設定に貼り付けて再起動します。認可が必要なサーバーは初回接続時にログインを求めます。

すべてのエンドポイント
Streamable HTTPhttps://mcp.ashesborn.cloud/mcp認証が必要

ツール

詳細

graphrag-ts

Markdown コーパス向けの TypeScript GraphRAG です。ナレッジグラフを構築し、コミュニティを検出して、エビデンスに基づく検索で回答します。

ベンチマーク／基準レポート 英語レポート · 中国語レポート

概要

graphrag-ts は、Markdown コーパス向けの TypeScript GraphRAG リファレンス実装です。PostgreSQL にナレッジグラフを構築し、Python ランタイムを必要とせずに、ハイブリッド検索とソースエビデンスを用いて質問に回答します。

  • Markdown の取り込み、エンティティ／関係の抽出、コミュニティ検出
  • 全件および差分ビルド。変更されていないコミュニティの要約は再利用されます
  • ベクトル検索、キーワード検索、グラフ検索を組み合わせたハイブリッド検索と、コーパス全体を対象とする Map-Reduce クエリ
  • 分離されたワークスペースとローカルブラウザーのショーケースを備えた MCP サーバー

パイプラインとモジュールの詳細については、アーキテクチャガイドを参照してください。

クイックスタート

Docker Compose で MCP を使用する

Compose スタックは PostgreSQL／pgvector と MCP サービスを起動します。接続可能なチャットおよび埋め込みエンドポイントを指定する必要があります。設定、クライアントのセットアップ、ワークスペースの動作については、MCP ガイドを参照してください。

cp .env.example .env
# Configure the database password and model endpoints in .env.
docker compose up -d --build
curl http://127.0.0.1:3000/healthz

MCP クライアントを http://127.0.0.1:3000/mcp に接続します。任意のローカルブラウザーショーケースを使用する場合は、モデルを設定して docker compose --profile showcase up -d --build --wait を実行し、http://127.0.0.1:8080 を開きます。ショーケースはローカルデモであり、認証レイヤーではありません。信頼できないユーザーに公開しないでください。

ライブラリを使用する
pnpm install
pnpm run db:generate
cp .env.example .env
# Configure DATABASE_URL and RAG_* model settings; see the guides below.
pnpm run db:push
bun run examples/demo.ts

このライブラリには Bun、pgvector を備えた PostgreSQL、互換性のあるチャットおよび埋め込みエンドポイントが必要です。環境のセットアップ、API の例、アダプター、調整方法については、英語ガイドまたは中国語ガイドを参照してください。

ベンチマーク

報告されたコーパス内の実行では、インデックス化された5章からの12件の質問に対し、厳密一致が10/12件、複合語彙再現率が95.8％に達しました。これは小規模なプロジェクトベンチマークであり、人間による意味的評価やプロジェクト間の比較ではありません。レポートには、手法、クエリごとの結果、制限事項が記載されています。

英語と中国語のレポートへのリンクは、このページの上部にあります。 3問の Docker スモークベンチマークを実行するには、モデルエンドポイントを設定して読み込んだ状態で pnpm benchmark:docker:quick を使用します。前提条件についてはMCP ガイドを、ベンチマークの対象範囲についてはレポートを参照してください。

ドキュメント

コントリビューション

Issue やプルリクエストを通じたコントリビューションを歓迎します。このプロジェクトは、小さくテスト可能なモジュールを中心に構成されているため、特に有用な変更は通常、次のいずれかの領域に当てはまります。

  • グラフ構築の品質
  • 検索品質とランキング
  • 名前空間の分離
  • モデル読み込みの堅牢性
  • ドキュメントと例

ライセンス

MIT

コメント

Markdown 対応

MCP は初めてですか？

プロトコルの概要から最初のサーバーの導入まで、よくある疑問にまとめて答えます。

AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。