Graphiti Mcp Pro

Graphiti MCP Pro

English | 中文

关于 Graphiti

Graphiti 是一个用于构建和查询时间感知知识图谱的框架，专为在动态环境中运行的 AI Agent 量身打造。与传统检索增强生成（RAG）方法不同，Graphiti 持续将用户交互、结构化与非结构化企业数据以及外部信息整合为一个连贯、可查询的图谱。该框架支持增量数据更新、高效检索和精确的历史查询，无需完整重新计算图谱，适合开发交互式、上下文感知的 AI 应用。

本项目是基于 Graphiti 的增强型记忆仓库 MCP 服务与管理平台。相比原项目的 MCP 服务，它提供以下核心优势：增强的核心能力、更广泛的 AI 模型兼容性，以及完善的可视化管理界面。

功能特性

增强的核心能力

异步并行处理

添加记忆是 MCP 服务的核心功能。我们在原实现的基础上引入了异步并行处理机制。同一 group ID（例如不同的开发项目）最多可并行执行 5 个添加记忆任务，显著提升处理效率。

任务管理工具

新增了四个用于管理 add_memory 任务的 MCP 工具：

• list_add_memory_tasks - 列出所有 add_memory 任务
• get_add_memory_task_status - 获取 add_memory 任务状态
• wait_for_add_memory_task - 等待 add_memory 任务完成
• cancel_add_memory_task - 取消 add_memory 任务

统一配置管理

优化了配置管理，解决了命令行参数、环境变量与管理后端数据库配置之间的不一致问题。

说明

启用管理后端后，.env 环境配置文件中的 MCP 服务参数仅在首次启动时生效。后续配置将基于管理后端数据库中的参数。

更广泛的 AI 模型兼容性与灵活性

增强的模型兼容性

通过与 instructor 库集成，模型兼容性得到显著提升。现在支持 DeepSeek、Qwen 等多种模型，甚至支持通过 Ollama、vLLM 本地运行的模型，只要它们提供 OpenAI API 兼容接口即可。

分离的模型配置

原有的统一 LLM 配置已拆分为三个独立配置，可根据实际需求灵活组合：

• 大模型（LLM）：负责实体与关系抽取
• 小模型（Small LLM）：处理实体属性摘要、关系去重、重排序等轻量任务
• 嵌入模型（Embedder）：专用于文本向量化

说明

配置嵌入模型时，请注意其 API 路径与上述两个 LLM 不同。LLM 使用聊天补全路径 {base_url}/chat/completions，而文本嵌入使用 {base_url}/embeddings。如果你在管理后端中选择“与大模型相同”，请确保所配置的大模型支持文本嵌入。

此外，如果你通过 docker compose 运行服务，而 LLM 或嵌入模型在本地运行，base_url 需要配置为 http://host.docker.internal:{port}，其中端口应根据你本地运行的端口进行调整。

综合管理平台

为了提供更好的用户体验和可观测性，我们开发了完整的管理后端和 Web UI。通过管理界面，你可以：

• 服务控制：启动、停止、重启 MCP 服务
• 配置管理：实时更新和调整配置
• 使用监控：查看详细的 token 使用统计
• 日志查看：实时和历史日志查询

快速开始

使用 Docker Compose 运行（推荐）

1. 克隆项目

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

2. 配置环境变量（可选）

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

说明

如果你想继续使用之前的 Graphiti MCP 数据，请将 .env 文件中的 NEO4J_ 相关参数设置为你的 Neo4j 数据库连接信息，其他参数保持默认即可。

3. 启动服务

   docker compose up -d
   

提示

如果项目有更新，需要重新构建镜像，请使用 docker compose up -d --build。

请放心，数据会持久保存在外部数据库中，不会丢失。

4. 访问管理界面 默认地址：http://localhost:6062

手动安装

说明

前置条件：

1. Python 3.10+ 和 uv 项目管理器
2. Node.js 20+
3. 可访问的 Neo4j 5.26+ 数据库服务
4. AI 模型服务

1. 克隆项目

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

2. 安装依赖

   uv sync
   

3. 配置环境变量

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

4. 运行 MCP 服务

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

5. 构建并运行管理前端

   进入前端目录并安装依赖：

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

   构建并运行前端：

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

   访问管理界面：http://localhost:6062

重要说明

已知限制

• 🔒 安全提示：管理后端未实现授权访问机制。请勿将服务暴露在公网服务器上。
• 🧪 测试覆盖：由于资源限制，项目尚未经过充分测试。建议仅用于个人用途。
• 📡 传输协议：仅支持 streamable-http 传输协议。已移除原始项目中的 stdio 和 sse 支持。
• ⚙️ 代码优化：部分架构设计（依赖注入、异常处理、客户端解耦等）仍有优化空间。

使用建议

• 配置说明：请仔细阅读 .env.example.en 中的设置说明和注释
• 模型选择：如果使用 GPT/Gemini/Claude 等原生支持的模型，且不需要详细的运行时信息，可以考虑使用原始的 Graphiti MCP
• 问题反馈：欢迎针对任何使用问题提交 Issue 或 Pull Request

---

在 🤖 Augment Code 的协助下开发