Adaptive Graph Of Thoughts MCP Server

🚀 自适应思维图

自适应思维图是一个借助图结构革新AI系统进行科学推理方式的框架，利用Neo4j图数据库开展复杂的科学推理，为复杂研究任务提供高级科学推理思维图（ASR - GoT）框架。

🚀 快速开始

部署前提条件

在运行自适应思维图（无论是本地运行还是通过Docker运行，若不使用包含Neo4j的docker - compose.prod.yml文件）之前，请确保具备以下条件：

• 运行中的Neo4j实例：自适应思维图需要连接到Neo4j图数据库。

  • APOC库：至关重要的是，Neo4j实例必须安装APOC（Awesome Procedures On Cypher）库。应用程序推理阶段中的多个Cypher查询会使用APOC过程（例如apoc.create.addLabels、apoc.merge.node）。若没有APOC，应用程序将无法正常运行。你可以在官方APOC网站上找到安装说明。
  • 配置：确保你的config/settings.yaml（或相应的环境变量）正确指向你的Neo4j实例的URI、用户名和密码。
  • 索引：为了获得最佳性能，请确保创建了适当的Neo4j索引。详情请参阅Neo4j索引策略。

  注意：提供的docker - compose.yml（用于开发）和docker - compose.prod.yml（用于生产）已经包含了预配置APOC库的Neo4j服务，在使用Docker Compose时可满足此要求。

必备条件

• Python 3.11+（如pyproject.toml中所指定，例如Docker镜像使用Python 3.11.x或3.12.x、3.13.x）
• [Poetry](https://python - poetry.org/docs/#installation)：用于依赖管理
• [Docker](https://www.docker.com/get - started) 和 Docker Compose：用于容器化部署

安装与设置（本地开发）

1. 克隆仓库：

git clone https://github.com/SaptaDey/Adaptive Graph of Thoughts.git
cd Adaptive Graph of Thoughts

2. 使用Poetry安装依赖：

poetry install

这将创建一个虚拟环境并安装pyproject.toml中指定的所有必要包。 3. 激活虚拟环境：

poetry shell

4. 配置应用程序：

# 复制示例配置
cp config/settings.example.yaml config/settings.yaml

# 根据需要编辑配置
vim config/settings.yaml

5. 设置环境变量（可选）：

# 创建.env文件用于敏感配置
echo "LOG_LEVEL=DEBUG" > .env
echo "API_HOST=0.0.0.0" >> .env
echo "API_PORT=8000" >> .env

6. 运行开发服务器：

python src/asr_got_reimagined/main.py

或者，若需要更多控制：

uvicorn asr_got_reimagined.main:app --reload --host 0.0.0.0 --port 8000

API将在http://localhost:8000上可用。

Docker部署

graph TB
    subgraph "开发环境"
        A[👨‍💻 开发者] --> B[🐳 Docker Compose]
    end
    
    subgraph "容器编排"
        B --> C[📦 自适应思维图容器]
        B --> D[📊 监控容器]
        B --> E[🗄️ 数据库容器]
    end
    
    subgraph "自适应思维图应用程序"
        C --> F[⚡ FastAPI服务器]
        F --> G[🧠 ASR - GoT引擎]
        F --> H[🔌 MCP协议]
    end
    
    subgraph "外部集成"
        H --> I[🤖 Claude桌面版]
        H --> J[🔗 其他AI客户端]
    end
    
    style A fill:#e1f5fe
    style B fill:#f3e5f5
    style C fill:#e8f5e8
    style F fill:#fff3e0
    style G fill:#ffebee
    style H fill:#f1f8e9

1. 使用Docker Compose快速启动：

# 构建并运行所有服务
docker - compose up --build

# 以分离模式（后台运行）
docker - compose up --build -d

# 查看日志
docker - compose logs -f adaptive - graph - of - thoughts

2. 单个Docker容器：

# 构建镜像
docker build -t adaptive - graph - of - thoughts:latest .

# 运行容器
docker run -p 8000:8000 -v $(pwd)/config:/app/config adaptive - graph - of - thoughts:latest

3. 生产环境部署：

# 使用生产环境的compose文件
docker - compose -f docker - compose.prod.yml up --build -d

特定部署平台说明

• Smithery.ai：部署到Smithery.ai平台通常直接使用提供的Docker镜像。
  • 请参考Smithery.ai的特定文档，了解部署自定义Docker镜像的说明。
  • 端口配置：确保平台配置为暴露端口8000（或通过APP_PORT配置的端口），因为这是FastAPI应用程序使用的默认端口。
  • 健康检查：Smithery.ai可能使用健康检查来监控容器状态。自适应思维图的Docker镜像包含一个HEALTHCHECK指令，用于验证/health端点（例如http://localhost:8000/health）。如果平台需要特定的健康检查路径，请确保Smithery.ai配置为使用此端点。
  • 提供的Dockerfile和docker - compose.prod.yml可作为理解容器设置的基础。请根据Smithery.ai的要求进行调整。

4. 访问服务：
   • API文档：http://localhost:8000/docs
   • 健康检查：http://localhost:8000/health
   • MCP端点：http://localhost:8000/mcp

✨ 主要特性

• 利用Neo4j图数据库进行复杂科学推理，图操作在其管道阶段进行管理。
• 实现模型上下文协议（MCP），与Claude桌面版等AI应用集成。
• 处理复杂的科学查询，采用基于图的推理方式。
• 动态置信度评分，进行多维度评估。
• 采用现代Python和FastAPI构建，性能卓越。
• 支持Docker化，便于部署。
• 模块化设计，具有可扩展性和可定制性。

📦 安装指南

本地开发安装

1. 克隆仓库：

git clone https://github.com/SaptaDey/Adaptive Graph of Thoughts.git
cd Adaptive Graph of Thoughts

2. 使用Poetry安装依赖：

poetry install

3. 激活虚拟环境：

poetry shell

4. 配置应用程序：

# 复制示例配置
cp config/settings.example.yaml config/settings.yaml

# 根据需要编辑配置
vim config/settings.yaml

5. 设置环境变量（可选）：

# 创建.env文件用于敏感配置
echo "LOG_LEVEL=DEBUG" > .env
echo "API_HOST=0.0.0.0" >> .env
echo "API_PORT=8000" >> .env

6. 运行开发服务器：

python src/asr_got_reimagined/main.py

或者：

uvicorn asr_got_reimagined.main:app --reload --host 0.0.0.0 --port 8000

Docker部署安装

使用Docker Compose

# 构建并运行所有服务
docker - compose up --build

# 以分离模式（后台运行）
docker - compose up --build -d

# 查看日志
docker - compose logs -f adaptive - graph - of - thoughts

单个Docker容器

# 构建镜像
docker build -t adaptive - graph - of - thoughts:latest .

# 运行容器
docker run -p 8000:8000 -v $(pwd)/config:/app/config adaptive - graph - of - thoughts:latest

生产环境部署

# 使用生产环境的compose文件
docker - compose -f docker - compose.prod.yml up --build -d

💻 使用示例

基础用法

以下是使用asr_got.query方法的示例请求：

{
    "jsonrpc": "2.0",
    "method": "asr_got.query",
    "params": {
        "query": "Analyze the relationship between microbiome diversity and cancer progression.",
        "parameters": {
            "include_reasoning_trace": true,
            "include_graph_state": false
        }
    },
    "id": "123"
}

高级用法

目前暂未提供高级用法示例，后续可根据项目发展补充。

📚 详细文档

关于自适应思维图的全面信息，包括详细的安装说明、使用指南、配置选项、API参考、贡献指南和项目路线图，请访问我们的完整文档站点： [➡️ 自适应思维图文档站点](https://saptadey.github.io/Adaptive - Graph - of - Thoughts - MCP - server/) (注意：此链接将在通过新工作流程部署GitHub Pages站点后激活。)

🔧 技术细节

项目架构

项目的组织架构如下（更多详细信息请参阅文档站点）：

Adaptive Graph of Thoughts/
├── 📁 .github/                           # GitHub特定文件（工作流）
├── 📁 config/                            # 配置文件（settings.yaml）
├── 📁 docs_src/                          # MkDocs文档的源文件
├── 📁 src/                               # 源代码
│   └── 📁 adaptive_graph_of_thoughts     # 主应用程序包
├── 📁 tests/                             # 测试套件
├── Dockerfile                            # Docker容器定义
├── docker - compose.yml                  # 用于开发的Docker Compose文件
├── docker - compose.prod.yml             # 用于生产的Docker Compose文件
├── mkdocs.yml                            # MkDocs配置
├── poetry.lock                           # Poetry依赖锁定文件
├── pyproject.toml                        # Python项目配置（Poetry）
├── pyrightconfig.json                    # Pyright类型检查器配置
├── README.md                             # 本文件
└── setup_claude_connection.py            # 用于设置Claude桌面版连接的脚本（手动运行）

API端点

MCP协议端点

POST /mcp：此端点用于与MCP客户端（如Claude桌面版）进行通信。

健康检查端点

GET /health：提供应用程序的简单健康状态。示例响应如下：

{
    "status": "healthy",
    "version": "0.1.0" 
}

会话处理（session_id）

目前，API请求（例如asr_got.query）中可用的session_id参数以及响应中包含的session_id主要用于识别和跟踪单个完整的查询 - 响应周期，也用于将进度通知（如got/queryProgress）与发起的查询相关联。

未来增强功能

持久会话

未来可能实现持久会话功能，允许用户：

1. 持久化状态：将查询生成的图状态和相关推理上下文与session_id关联，可能存储在Neo4j数据库中。
2. 重新加载状态：当使用现有session_id提交新查询时，系统可以重新加载保存的状态作为进一步处理的起点。
3. 细化和扩展：允许新查询与加载的图进行交互，例如细化先前的假设、向现有结构添加新证据或基于已建立的上下文探索替代推理路径。

异步和并行阶段执行

目前，自适应思维图推理管道的8个阶段按顺序执行。为了处理复杂查询或进一步优化性能，未来可能会探索对管道的某些部分进行异步或并行执行。

📄 许可证

本项目采用Apache License 2.0许可。许可证。

🤝 贡献

我们欢迎贡献！请参阅我们的贡献指南（也可在文档站点上找到），了解如何开始、我们的分支策略、代码风格等详细信息。

🙏 致谢

• NetworkX 社区提供的图分析功能
• FastAPI 团队提供的优秀Web框架
• Pydantic 提供的强大数据验证功能
• 科学研究社区提供的灵感和反馈