Graphiti MCP

Visão Geral

Graphiti MCP é a implementação oficial do servidor Model Context Protocol (MCP) para o Graphiti, um framework Python de código aberto desenvolvido pela Zep para construir grafos de conhecimento em tempo real, temporalmente conscientes e personalizados para agentes de IA.

Ele conecta assistentes de codificação de IA e agentes com um backend dinâmico de grafo de conhecimento, permitindo que armazenem conversas e informações como episódios estruturados, entidades e relacionamentos com timestamps. Isso fornece memória persistente, reduz alucinações, possibilita melhor raciocínio de longo prazo e suporta isolamento multi-tenant através de grupos.

O servidor MCP expõe as capacidades centrais do Graphiti como ferramentas descobertáveis, tornando a memória agentica avançada acessível para ferramentas como Claude Desktop, Cursor, Gemini CLI e outros clientes MCP.

Principais Funcionalidades

• Gestão de Episódios: Adicionar, recuperar, atualizar e deletar episódios de conversa com metadados temporais.
• Extração de Entidades e Relacionamentos: Extrai automaticamente entidades e relacionamentos de texto e os armazena no grafo.
• Busca Semântica e Híbrida: Pesquisa poderosa entre nós, arestas e contexto temporal.
• Gestão de Grupos: Suporte a multi-tenancy com group_id para isolar dados entre usuários, projetos ou sessões.
• Manutenção do Grafo: Ferramentas para podar, limpar e otimizar o grafo de conhecimento.
• Consciência Temporal: Rastreia quando a informação foi adicionada ou atualizada para raciocínio sensível ao tempo.
• Flexibilidade de Backend: Funciona com FalkorDB (padrão em muitas configurações), Neo4j e outros bancos de dados de grafo.
• MCP Nativo: Compatibilidade total com o Model Context Protocol para chamada de ferramentas perfeita.

Como Funciona

1. Execute o servidor Graphiti MCP (via Docker Compose, Python ou forks da comunidade).
2. Conecte seu cliente MCP (ex: Claude Desktop) adicionando o servidor à sua configuração.
3. O agente de IA chama ferramentas como add_episode, search_nodes, get_entities, ou delete_group.
4. O Graphiti processa a requisição: extrai conhecimento estruturado do texto, armazena com timestamps e retorna contexto relevante ou dados do grafo.

Isso cria uma memória de longo prazo compartilhada e consultável que persiste entre sessões e melhora com cada interação.

Casos de Uso

• Memória Agente e Contexto de Longo Prazo: Manter histórico de conversas, preferências do usuário e fatos aprendidos como um grafo estruturado.
• Assistentes de IA Personalizados: Lembrar detalhes do usuário, contexto do projeto ou decisões passadas sem inflação de tokens.
• Fluxos de Trabalho de Raciocínio Complexo: Agentes consultam relacionamentos e dados históricos para análise mais profunda.
• Aplicações Multi-sessão: Memória persistente para agentes de programação, assistentes de pesquisa ou bots de suporte ao cliente.
• Sistemas Multi-inquilino: Isolar grafos de conhecimento por usuário ou projeto usando grupos.
• Sistemas Híbridos de Agentes: Combinar com outros servidores MCP (busca, bancos de dados, DevTools) para capacidades agênicas completas.

Começando

Repositório Oficial

• Projeto principal Graphiti (inclui servidor MCP em /mcp_server): https://github.com/getzep/graphiti

Configuração Rápida (Docker recomendado)

git clone https://github.com/getzep/graphiti.git
cd graphiti/mcp_server
# Siga o README para Docker Compose (inclui FalkorDB + Graphiti MCP)
docker compose up

Adicione à configuração do seu cliente MCP (exemplo para transporte SSE/HTTP) e configure as chaves LLM (OpenAI, Anthropic, etc.).

Instruções detalhadas estão no README do Servidor MCP e na Documentação do Zep.

Existem variantes da comunidade para suporte a Neo4j, Ollama ou configurações multi-projeto aprimoradas.

Benefícios

O Graphiti MCP transforma interações de IA sem estado em experiências com estado e ricas em memória. Ao converter texto bruto em um grafo de conhecimento temporal e consultável, os agentes ganham retenção de contexto dramaticamente melhor, compreensão de relacionamentos e consistência de raciocínio ao longo do tempo.

É amplamente utilizado em aplicações agênicas e teve rápida adoção no ecossistema MCP, com a versão 1.0 do servidor MCP marcando um grande marco.