🚀 图形RAG MCP 服务器

图形RAG MCP服务器是一个用于查询混合图和向量数据库系统的模型上下文协议（Model Context Protocol）服务器。它结合了Neo4j（图数据库）和Qdrant（向量数据库），实现了强大的语义和基于图的文档检索，为大型语言模型与混合检索系统的集成提供了有力支持。

🚀 快速开始

GraphRAG MCP 提供了大型语言模型与混合检索系统之间的无缝集成，该系统利用了图数据库（Neo4j）和向量数据库（Qdrant）的优势。这使得语义搜索、基于图的上下文扩展、混合搜索等功能成为可能，并且能与Claude和其他大语言模型（LLM）通过MCP协议完全集成。该项目遵循模型上下文协议规范，与任何启用MCP的客户端兼容。

✨ 主要特性

• 语义搜索：使用句子嵌入和Qdrant进行。
• 基于图的上下文扩展：借助Neo4j实现。
• 混合搜索：结合了向量相似性和图关系两种方法。
• MCP工具和资源：用于LLM集成。
• 完整记录Neo4j模式和Qdrant集合信息。

📦 安装指南

快速安装

使用以下命令进行快速安装：

git clone https://github.com/rileylemm/graphrag-mcp.git
cd graphrag-mcp
pip install -r requirements.txt

详细安装步骤

1. 克隆仓库：

git clone https://github.com/rileylemm/graphrag-mcp.git
cd graphrag-mcp

2. 安装依赖项：

pip install -r requirements.txt

3. 配置环境变量： 创建一个.env文件并添加以下内容：

NEO4J_URI=你的Neo4j连接字符串
NEO4J_USER=你的Neo4j用户名
NEO4J_PASSWORD=你的Neo4j密码
QDRANT_HOST=http://localhost:6333

4. 启动服务器：

python -m graphrag.mcp.server

💻 使用示例

基础用法

from mcpipy import mcp

# 连接到MCP服务器
client = mcp.Client("http://localhost:8080")

# 查询示例
response = client.query("查询内容", resource="https://graphrag.db/collection/qdrant")
print(response)

📚 详细文档

MCP资源

• https://graphrag.db/schema/neo4j：提供Neo4j图数据库的模式信息。
• https://graphrag.db/collection/qdrant：提供Qdrant向量集合的信息。

故障排除

• 连接问题：确认Neo4j和Qdrant正在运行且可访问。
• 空结果：检查文档集合是否已正确索引。
• 缺少依赖项：运行pip install -r requirements.txt以确保所有包已安装。
• 数据库认证：验证.env文件中的凭据。

📄 许可证

本项目采用MIT License。

版权所有 (c) 2025 Riley Lemm

许可如下：

允许任何人免费使用、复制、修改、合并、发布、分发、 sublicense 和/或出售该软件及其关联的文档文件（“软件”），无限制，包括但不限于以下权利：在合同、侵权行为或其他方式中使用该软件的权利。

软件按“现状”提供，不做任何明示或暗示的保证，包括但不限于对适销性、特定用途的适用性以及非侵权性的保证。在因合同、侵权行为或其他方式导致的任何主张、损害或其他责任中，作者或版权持有人不承担责任。

致谢

如果您使用此MCP服务器或将其用于自身目的，请务必向Riley Lemm提供引用，并链接回此仓库（https://github.com/rileylemm/graphrag_mcp）。