Graphiti MCP

概述

Graphiti MCP 是面向 Graphiti（Zep 开发的用于构建面向 AI 智能体的实时、时序感知知识图谱的开源 Python 框架）的官方 模型上下文协议（MCP）服务器 实现。

它充当 AI 编程助手和智能体与动态知识图谱后端之间的桥梁，使它们能够将对话和信息存储为带时间戳的结构化事件、实体和关系。这提供了持久化记忆、减少幻觉、支持更优的长期推理能力，并通过组管理实现多租户隔离。

该 MCP 服务器将 Graphiti 的核心能力以可发现工具的形式对外暴露，使 Claude Desktop、Cursor、Gemini CLI 及其他 MCP 客户端等工具能够访问先进的智能体记忆功能。

核心特性

• 事件管理：支持添加、检索、更新和删除带有时间元数据的对话事件。
• 实体与关系提取：自动从文本中提取实体和关系并存储到图谱中。
• 语义与混合搜索：支持跨节点、边和时序上下文的强大搜索功能。
• 组管理：通过 group_id 提供多租户支持，实现用户、项目或会话间的数据隔离。
• 图谱维护：提供剪枝、清理和优化知识图谱的工具。

时序感知：追踪信息的添加或更新时间，以支持时间敏感的推理。

• 后端灵活性：支持与 FalkorDB（多数环境中的默认配置）、Neo4j 及其他图数据库配合使用。
• 原生 MCP 支持：完全兼容模型上下文协议，实现无缝的工具调用。

工作原理

1. 运行 Graphiti MCP 服务器（通过 Docker Compose、Python 或社区版本启动）。
2. 将服务器添加到 MCP 客户端（如 Claude Desktop）的配置中以建立连接。
3. AI 智能体调用 add_episode、search_nodes、get_entities 或 delete_group 等工具。
4. Graphiti 处理请求：从文本中提取结构化知识，按时间戳存储，并返回相关的上下文或图谱数据。

由此创建了一个可共享、可查询的长期记忆库，该库在会话间持续存在，并在每次交互中不断优化。

使用场景

• 智能体记忆与长期上下文：将对话历史、用户偏好和已学事实维护为结构化的知识图谱。
• 个性化AI助手：无需增加令牌开销即可记住用户详情、项目上下文或过往决策。
• 复杂推理工作流：智能体查询关系和历史数据以进行深度分析。
• 多会话应用：为编程智能体、研究助手或客服机器人提供持久化记忆。
• 多租户系统：通过分组机制为每个用户或项目隔离知识图谱。
• 混合智能体系统：与其他MCP服务器（搜索、数据库、开发工具）结合，实现完整智能体能力。

快速入门

官方仓库

• 主Graphiti项目（包含MCP服务器于/mcp_server目录）：https://github.com/getzep/graphiti

快速设置（推荐使用Docker）

git clone https://github.com/getzep/graphiti.git
cd graphiti/mcp_server
# 参照README使用Docker Compose（包含FalkorDB + Graphiti MCP）
docker compose up

添加到您的MCP客户端配置中（以SSE/HTTP传输为例）并配置LLM密钥（OpenAI、Anthropic等）。

详细说明请参阅MCP服务器README和Zep文档 。

社区提供适用于Neo4j、Ollama支持或增强型多项目设置的变体版本。

核心优势

Graphiti MCP将无状态的AI交互转化为具备状态和丰富记忆的体验。通过将原始文本转化为可查询的时序知识图谱，智能体能够显著提升长期上下文保持、关系理解和推理一致性的能力。

该方案在智能体应用中广泛使用，并在MCP生态系统中获得快速普及——MCP服务器1.0版本的发布标志着这一重要里程碑。