mcp-neo4j-graphrag

🚀 Neo4j GraphRAG MCP 服务器

这是一个 MCP 服务器，它为 Neo4j 增添了向量搜索、全文搜索以及适用于 GraphRAG 应用程序的搜索增强型 Cypher 查询功能。

灵感来源：Neo4j Labs mcp-neo4j-cypher 服务器。此服务器增加了向量搜索、全文搜索以及创新的 search_cypher_query 工具，用于将搜索与图遍历相结合。

🚀 快速开始

本服务器使大语言模型（LLMs）能够：

• 🔍 使用语义相似度搜索 Neo4j 向量索引。
• 📝 使用 Lucene 语法搜索全文索引。
• ⚡ 通过 search_cypher_query 将搜索与 Cypher 查询相结合。
• 🕸️ 执行只读 Cypher 查询。

它基于 LiteLLM 构建，支持多供应商嵌入（如 OpenAI、Azure、Bedrock、Cohere 等）。

相关链接：官方 Neo4j MCP 服务器，请参阅 neo4j/mcp。Neo4j Labs MCP 服务器（Cypher、内存、数据建模），请参阅 neo4j-contrib/mcp-neo4j。

📦 安装指南

步骤 1：下载仓库

git clone https://github.com/guerinjeanmarc/mcp-neo4j-graphrag.git
cd mcp-neo4j-graphrag

步骤 2：配置你的 MCP 客户端

Claude Desktop

编辑配置文件：

• macOS/Linux：~/Library/Application Support/Claude/claude_desktop_config.json
• Windows：%APPDATA%\Claude\claude_desktop_config.json

添加此服务器配置（更新为你克隆仓库的路径）：

{
  "mcpServers": {
    "neo4j-graphrag": {
      "command": "uv",
      "args": [
        "--directory",
        "/path/to/mcp-neo4j-graphrag",
        "run",
        "mcp-neo4j-graphrag"
      ],
      "env": {
        "NEO4J_URI": "neo4j+s://demo.neo4jlabs.com",
        "NEO4J_USERNAME": "recommendations",
        "NEO4J_PASSWORD": "recommendations",
        "NEO4J_DATABASE": "recommendations",
        "OPENAI_API_KEY": "sk-...",
        "EMBEDDING_MODEL": "text-embedding-ada-002"
      }
    }
  }
}

Cursor

在你的项目或全局设置中编辑 .cursor/mcp.json。使用与上述相同的配置。

步骤 3：重新加载配置

• Claude Desktop：退出并重新启动应用程序。
• Cursor：重新加载窗口（Cmd/Ctrl + Shift + P → "重新加载窗口"）。

✨ 主要特性

get_neo4j_schema_and_indexes

发现图模式、向量索引和全文索引。 💡 代理在使用其他工具之前，应首先自动调用此工具，以了解数据库的模式和索引。

示例提示：

"数据库中有什么？"

vector_search

使用嵌入进行语义相似度搜索。

参数：text_query、vector_index、top_k、return_properties

示例提示：

"有哪些关于人工智能的电影？"

fulltext_search

使用 Lucene 语法（AND、OR、通配符、模糊匹配）进行关键字搜索。

参数：text_query、fulltext_index、top_k、return_properties

示例提示：

"查找名为 Tom 的人"

read_neo4j_cypher

执行只读 Cypher 查询。

参数：query、params

示例提示：

"给我展示所有类型以及每种类型中有多少部电影"

search_cypher_query

将向量/全文搜索与 Cypher 查询相结合。使用 $vector_embedding 和 $fulltext_text 占位符。

参数：cypher_query、vector_query、fulltext_query、params

示例提示：

"在一个查询中，关于'时间旅行冒险'的电影的导演和类型有哪些"

📚 详细文档

环境变量

| 属性 | 详情 | |------|------| | NEO4J_URI | 必需，默认值 bolt://localhost:7687，Neo4j 连接 URI | | NEO4J_USERNAME | 必需，默认值 neo4j，Neo4j 用户名 | | NEO4J_PASSWORD | 必需，默认值 password，Neo4j 密码 | | NEO4J_DATABASE | 可选，默认值 neo4j，数据库名称 | | EMBEDDING_MODEL | 可选，默认值 text-embedding-3-small，嵌入模型（见下文） |

嵌入供应商

设置 EMBEDDING_MODEL 和相应的 API 密钥： | 属性 | 详情 | |------|------| | OpenAI | 模型格式 text-embedding-ada-002，API 密钥变量 OPENAI_API_KEY | | Azure | 模型格式 azure/deployment-name，API 密钥变量 AZURE_API_KEY、AZURE_API_BASE | | Bedrock | 模型格式 bedrock/amazon.titan-embed-text-v1，API 密钥变量 AWS_ACCESS_KEY_ID、AWS_SECRET_ACCESS_KEY | | Cohere | 模型格式 cohere/embed-english-v3.0，API 密钥变量 COHERE_API_KEY | | Ollama | 模型格式 ollama/nomic-embed-text，无 API 密钥（本地） |

高级主题

有关以下内容，请参阅 docs/ADVANCED.md：

• 与 Neo4j Labs mcp-neo4j-cypher 服务器的比较。
• 生产特性（输出清理、令牌限制）。
• 详细的工具文档。

📄 许可证

本项目采用 MIT 许可证。