Graphiti MCP

概述

Graphiti MCP 是 Graphiti 的官方 Model Context Protocol (MCP) 伺服器 實現。Graphiti 是由 Zep 開發的開源 Python 框架，專門用於構建為 AI 代理程式量身打造、具時序感知能力的即時知識圖譜。

它連接 AI 編碼助手與代理程式到一個動態的知識圖譜後端，使它們能夠將對話與資訊儲存為具有時間戳記的結構化事件、實體和關係。這提供了持久記憶、減少幻覺、實現更好的長期推理，並透過群組支援多租戶隔離。

MCP 伺服器將 Graphiti 的核心功能作為可探索的工具公開，讓進階的代理程式記憶能力能夠被如 Claude Desktop、Cursor、Gemini CLI 以及其他 MCP 客戶端等工具存取。

主要功能

• 事件管理：新增、檢索、更新和刪除具有時序元資料的對話事件。
• 實體與關係擷取：自動從文字中擷取實體與關係，並將其儲存於圖譜中。
• 語義與混合搜尋：強大的節點、邊緣和時序上下文搜尋能力。
• 群組管理：透過 group_id 支援多租戶，以在不同用戶、專案或會話之間隔離資料。
• 圖譜維護：提供修剪、清理和最佳化知識圖譜的工具。
• 時序感知：追蹤資訊新增或更新的時間，以支援時間敏感的推理。 -- 後端靈活性：可與 FalkorDB（許多設定的預設）、Neo4j 以及其他圖資料庫協同工作。 -S 原生 MCP：完全相容於 Model Context Protocol，實現無縫工具呼叫。

運作方式

1. 執行 Graphiti MCP 伺服器（透過 Docker Compose、Python 或社群分叉版本）。
2. 將伺服器添加到您的 MCP 客戶端（例如 Claude Desktop）配置中來進行連接。
3. AI 代理程式呼叫如 add_episode、search_nodes、get_entities 或 delete_group 等工具。
4. Graphiti 處理請求：從文字中擷取結構化知識，連同時間戳記儲存，並返回相關的上下文或圖譜資料。

這創造了一個共享、可查詢的長期記憶，能夠跨會話持續存在，並隨著每次互動不斷改進。

使用案例

• 智能代理記憶與長期上下文：以結構化圖譜形式維護對話歷史、用戶偏好與習得知識。
• 個人化 AI 助手：記憶使用者細節、專案脈絡或過往決策，避免令牌膨脹問題。
• 複雜推理工作流程：代理可查詢關係與歷史資料以進行深度分析。
• 多會話應用程式：為程式開發代理、研究助理或客戶支援機器人提供持久記憶。
• 多租戶系統：透過分群機制為每位使用者或專案隔離知識圖譜。
• 混合代理系統：結合其他 MCP 伺服器（搜尋、資料庫、開發工具）實現完整代理能力。

快速開始

官方儲存庫

• 主要 Graphiti 專案（包含位於 /mcp_server 的 MCP 伺服器）：https://github.com/getzep/graphiti

快速設定（推薦使用 Docker）

git clone https://github.com/getzep/graphiti.git
cd graphiti/mcp_server
# 請參閱 README 檔案進行 Docker Compose 設定（包含 FalkorDB + Graphiti MCP）
docker compose up

將伺服器加入您的 MCP 客戶端設定（以 SSE/HTTP 傳輸為例），並設定 LLM 金鑰（OpenAI、Anthropic 等）。

詳細說明請參閱 MCP 伺服器 README 與 Zep 說明文件 。

社群亦提供 Neo4j、Ollama 支援或強化多專案設定的衍生版本。

優勢

Graphiti MCP 將無狀態的 AI 互動轉化為具狀態、富含記憶的體驗。透過將原始文字轉換為可查詢的時序知識圖譜，代理能夠獲得顯著提升的上下文保持能力、關係理解力以及跨時間的推理一致性。

該技術已廣泛應用於代理應用領域，並在 MCP 生態系中獲得快速採用，其 MCP 伺服器 1.0 版本的推出更標誌著重要里程碑。