使用MCP+Neo4j零代码构建自己的知识图谱
一、环境准备
1. 安装依赖
Neo4j:安装并启动 Neo4j 数据库(推荐使用 Neo4j 4.x 或以上版本)。
Python 环境:确保已安装 Python 3.7+。
mcp-knowledge-graph:通过 pip 安装该项目。
bash pip install mcp-knowledge-graph
2. 配置 Neo4j 连接
修改 mcp-knowledge-graph 的配置文件(默认路径:~/.mcp/config.yaml),设置 Neo4j 的连接信息:
yaml neo4j: uri: "bolt://localhost:7687" user: "neo4j" password: "your_password"
二、构建知识图谱的步骤
1. 初始化知识图谱
使用 mcp-knowledge-graph 提供的命令行工具初始化知识图谱:
bash mcp init
该命令会创建一个本地知识图谱存储路径(默认为 ~/.mcp/graph/)。
2. 导入自然语言数据
通过自然语言描述实体和关系,mcp 会自动解析并生成知识图谱。例如:
bash mcp add "John is a Person born in New York. He works at Google and is friends with Alice."
解析结果:实体:Person: John, Location: New York, Company: Google, Person: Alice关系:John -[:BORN_IN]-> New York, John -[:WORKS_AT]-> Google, John -[:FRIENDS]-> Alice
3. 自动化构建知识图谱
批量导入文本:将自然语言文本保存为 .txt 文件(例如 data.txt),使用以下命令批量导入:
bash mcp import data.txt
支持的文本格式:每行描述一个实体或关系,例如:
The Eiffel Tower is located in Paris. Paris is the capital of France.
4. 验证知识图谱
使用 mcp query 命令验证知识图谱内容:
bash mcp query "Find all people and their locations."
输出示例:
cypher MATCH (p:Person)-[:BORN_IN]->(l:Location) RETURN p.name, l.name
三、可视化与查询
1. 通过 Neo4j 浏览器查看
打开 Neo4j 浏览器(默认地址:http://localhost:7474),输入用户名和密码。
输入 Cypher 查询语句查看知识图谱:
cypher MATCH (n) RETURN n LIMIT 25
2. 使用 mcp 自带的查询工具
通过 mcp query 命令直接查询:
bash mcp query "Find all companies where John works."
输出示例:
cypher MATCH (p:Person {name: "John"})-[:WORKS_AT]->(c:Company) RETURN c.name
3. 可视化工具集成
Neo4j Bloom:使用 Neo4j 官方的可视化工具(需单独安装)。
在线工具:通过 https://graphviz.org 导出为 .dot 文件并可视化:
bash mcp export --format=dot > graph.dot
四、高级功能
1. 持久化存储
mcp-knowledge-graph 默认将知识图谱存储为 JSON 文件(路径:~/.mcp/graph/entities.json),支持跨会话持久化。
修改配置文件中的 storage_path 可自定义存储路径。
2. 自定义实体类型
在配置文件中定义自定义实体类型(例如 Movie、Book):
yaml entities: - type: Movie properties: - title - release_year
3. 结合 AI 模型增强
使用 mcp-neo4j-cypher 将自然语言转换为复杂 Cypher 查询:
bash mcp cypher "Show me the friends of John who work in the same company."
输出示例:
cypher MATCH (j:Person {name: "John"})-[:WORKS_AT]->(c:Company)<-[:WORKS_AT]-(f:Person)-[:FRIENDS]->(j) RETURN f.name
五、典型应用场景
1. 企业知识管理
场景:记录员工技能、部门关系、项目合作。
操作:
bash mcp add "Alice is a Data Scientist in the Research Department. She collaborated with Bob on the AI Project."
2. 电商推荐系统
场景:分析用户购买行为与商品关系。
操作:
bash mcp add "User1001 bought ProductA and ProductB. ProductA is related to ProductC."
3. 社交网络分析
场景:挖掘用户之间的社交关系。
操作:
bash mcp add "Mike is friends with Sarah and Tom. Sarah is married to David."
六、常见问题与解决方案
1. 无法连接 Neo4j
解决:检查 config.yaml 中的 uri、user 和 password 是否正确,并确保 Neo4j 服务已启动。
2. 自然语言解析错误
解决:优化输入文本的语法,例如使用明确的主谓宾结构(如 "X is a Y")。
3. 性能问题
解决:为频繁查询的实体添加索引:
cypher CREATE INDEX ON :Person(name)
七、总结
通过 mcp-knowledge-graph �� Neo4j 的结合,您无需编写复杂代码即可快速构建知识图谱。以下是关键优势:
无代码操作:通过自然语言描述实体和关系。
自动化解析:自动将文本转换为图结构。
灵活扩展:支持自定义实体类型和复杂查询。
高效查询:结合 Neo4j 的高性能图数据库。
上篇:
2025 年最适合小白的 Python 入门学习路线全解析
下篇:
没有了
1 使用MCP+Neo4j零代码构建自己的知识图谱 2 2025 年最适合小白的 Python 入门学习路线全解析 3 80/90后养生族必备:用DeepSeek定制健康方案的保姆级指令指南 4 运镜教学整理合集,即梦3.0必备,新手秒变大神 5 AI写小说的喂饭教程我整理好了!轻轻松松写一篇100万字的小说 !!! 6 财务知识——用DeepSeek搞钱的野路子! 7 绝了!一键用AI生成高颜值动态PPT(附详细步骤+Prompt) 8 Vol.2 | MD2Card:5分钟生成爆款小红书知识卡片的「神器」! 9 Thumoon:Python图像处理的高效利器,快速上手指南 10 DeepseekR1+ollama+dify1.0.0搭建企业/个人知识库 11 软件著作权申请简明流程 12 QAnything - 网易有道开源的本地化知识库问答系统