MCP Server

Name: MCP Server
Author: JanithSilva

本地服务

github.com/JanithSilva记忆与知识080 周前更新

代码仓库

关于 MCP Server

这是一个 Python MCP 服务，可检索 SharePoint 文档元数据，并通过语义相似度从 Neo4j 知识图谱中查找实体及关系。适用于需要结合文档元数据与图谱实体检索的应用。

主要功能

01检索 SharePoint Documents 中的结构化元数据
02通过语义相似度查找实体
03返回相关图谱实体及关系
04基于 FastMCP 管理工具

适用场景

01获取 SharePoint Documents 库的元数据
02在 Neo4j 图谱中查找相关实体
03探索图谱实体的关联关系

MCP 相关

向 MCP 客户端提供 `metadata_retrieve` 和 `entity_retrieve` 工具，数据来源为 SharePoint 和 Neo4j。

#mcp-server #metadata-retrieval #knowledge-graph

配置

本地服务的配置在各客户端中通用，复制后粘贴到客户端的 MCP 配置文件即可。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址，请按项目 README 中的说明安装。

代码仓库

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具，维护者暂未提供工具列表。

详细介绍

MCP 服务

一个基于 Python 的服务端应用，提供从 SharePoint 检索元数据，以及通过语义相似度搜索从 Neo4j 知识图谱检索实体的工具。

功能

元数据检索：从 SharePoint 的“Documents”库中获取结构化元数据
实体检索：通过语义相似度查询 Neo4j 知识图谱，以查找相关实体及其关系
FastMCP 集成：基于 FastMCP 框架构建，用于工具管理和执行

前置条件

Python 3.x
Neo4j 数据库
SharePoint 访问凭据
OpenAI API 密钥（用于语义搜索）

安装

克隆代码库：

git clone <repository-url>
cd mcp-server

创建并激活虚拟环境：

python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

安装依赖项：

pip install -r requirements.txt

配置环境变量：创建一个 .env 文件，并设置以下变量：

SHAREPOINT_URL=
SHAREPOINT_USERNAME=
SHAREPOINT_PASSWORD=
SHAREPOINT_LIBRARY_NAME=

NEO4J_URI=
NEO4J_USER=
NEO4J_PASSWORD=

EMBEDDING_MODEL_ENDPOINT=
EMBEDDING_MODEL_KEY=
EMBEDDING_MODEL_API_VERSION=
EMBEDDING_MODEL_DEPLOYMENT_NAME=
EMBEDDING_MODEL_CHUNK_SIZE=
EMBEDDING_MODEL_DIMENSION=
EMBEDDING_MODEL_CHUNK_OVERLAP=

用法

启动服务：

python mcp_server.py

服务提供两个主要工具：
- metadata_retrieve：从 SharePoint 检索结构化元数据
- entity_retrieve：通过语义相似度查询知识图谱

项目结构

.
├── mcp_server.py          # Main server application
├── settings.py            # Configuration management
├── services/             # Service implementations
│   ├── graph_store.py    # Neo4j graph operations
│   └── sharepoint.py     # SharePoint integration
├── requirements.txt      # Project dependencies
└── .env                  # Environment variables