md_knowledge_graph_mcp

# Markdown 知识图谱笔记本 MCP 服务器 ## 一个简单易读的外部内存系统，用于 AI 工具 <img width="1566" alt="image" src="https://github.com/user-attachments/assets/2b4bd84a-7308-43ef-b4f5-113fb5d3f290" /> 该项目是一个基于 FastMCP 的服务器，提供管理存储为 Markdown 文件的简单“知识图谱笔记本”的工具。知识图谱中的每个实体都是一个单独的 Markdown 文件，关系在这些文件中定义。 预期的使用场景是用户设置此工具以指向一个空的 Obsidian vault，供人类自行阅读和更新。通过这种工作流程，随意的描述可以变成整洁且详细的结构化图形，理想用于搜索和图表。 这意味着你机器人朋友的记忆易于审查和修复，使他们上下文之外的世界变得可以触摸和把握。加上版本控制，你可以将你朋友的记忆回滚到你说出奇怪话之前，这种行为是正常的、酷的，也是健康的。 ## 特性 * **实体管理：** 创建、删除实体。 * **观察管理：** 在实体内添加、删除观察（文本笔记）。 * **关系管理：** 添加、删除实体之间的关系。 * **图形检索：** 获取整个知识图谱的表示。 ## 暴露的工具 服务器暴露以下 MCP 工具： * `create_entity`：创建一个新实体。 * Payload: `{"name": "entity_name"}` * `get_graph`：检索整个知识图谱。 * Payload: `{}` * `add_observation`：向实体添加观察。 * Payload: `{"entity_name": "name", "observation": "text"}` * `add_relationship`：在实体之间添加关系。 * Payload: `{"source_entity_name": "source", "verb_preposition": "verb", "target_entity": "target", "context": "optional_text"}` * `delete_entity`：删除一个实体。 * Payload: `{"name": "entity_name"}` * `delete_observation`：从实体中删除观察。 * Payload: `{"entity_name": "name", "observation": "exact_text_to_delete"}` * `delete_relationship`：删除关系。 * Payload: `{"source_entity_name": "source", "verb_preposition": "verb", "target_entity": "target", "context": "exact_context"}` ## 安装 目前，我通过 nix flake 调用它，因为我是一个热爱 nix 的疯狂人。最简单的路径是你使用 Determinate Installer 安装 nix，并添加 `nix run github:mccartykim/md_knowledge_graph_mcp` 的 stdio 调用。 Claude/Windsurf 配置样式： ``` "mcp_servers" : { "md_knowledge_graph": { "command": "nix", "args": [ "run", "github:mccartykim/md_knowledge_graph_mcp" ], "env" : { "MD_NOTEBOOK_KNOWLEDGE_GRAPH_DIR": "/Users/your_name/personal/knowledge_graph" } } } ``` 这也可以通过 uv 运行。克隆此仓库并运行 `uv run server`，我希望很快在 pypy 上发布，以便于设置。 知识图谱的 Markdown 文件存储在由 `KG_MCP_MARKDOWN_PATH` 环境变量指定的目录中。如果未设置，则默认为名为 `kg_markdown_data` 的本地目录。 ## 示例实体： ``` # Pleiades Pleiades 是 Kimberly 的猫，简称 Plady 以 Pleiades 星系命名，这也是 Subaru 的命名来源。猫咪短小而低沉，像 Subaru 汽车一样。 ## 关系 - named_after [[Subaru]] Pleiades（Plady）这只猫是以 Kimberly 的 Subaru 命名的。 ``` 如你所见，我们有名称、通过换行符分隔的观察，以及以 `verb [[link]] 可能有一些上下文` 类型模式列出的关系。 ## 测试 单元测试位于 `tests/` 目录中： * `test_kg_core.py`：测试核心 Markdown 文件操作逻辑。 * `test_server_tools.py`：使用 `fastmcp.Client` 测试 MCP 工具。 要运行测试（假设它们在包结构中）： ```bash # 从此服务器目录的根目录 python -m unittest discover tests # 或者如果使用 pytest： # pytest tests/ ``` ## 示例 `examples/` 目录包含帮助你入门的资源： * `system_prompt.md` - 一个示例系统提示，用于与此知识图谱系统交互的 LLM，设计用于可以根据需要重新加载知识图谱的长上下文模型。 * `sample_kg_entry.md` - 一个示例实体条目，展示预期的 Markdown 格式。 * `mcp_server_guide.md` - 综合指南，介绍如何将此 MCP 服务器与各种 LLM 代理和客户端集成，包括 Claude Desktop、Goose、Continue 等的配置示例。包括代理内存管理的最佳实践。