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：

1. 无代码操作：通过自然语言描述实体和关系。

2. 自动化解析：自动将文本转换为图结构。

3. 灵活扩展：支持自定义实体类型和复杂查询。

4. 高效查询：结合 Neo4j 的高性能图数据库。