AI导哈

自然语言转图数据库工具

一个通过MCP服务器将自然语言查询转换为结构化节点并存储到Neo4j图数据库的项目，集成了GPT-4o和LangChain技术。

  • by nargesghv
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 nargesghv/insert-data-in-to-neo4j-mcp-server

使用说明

📘 应用MCP Server在Neo4j（图形数据库）中插入节点和关系

一个项目，通过MCP接受来自Claude Desktop的自然语言（NL）查询，并使用GPT-4o+LangChain提取结构化节点信息并将其存储在Neo4j数据库中。

🚀 特性

  • Neo4j图形数据库：存储从NL输入中提取的节点。
  • MCP服务器（FastMCP）：提供LLM可公开工具 createNode.
  • LangChain+GPT‑4o：将NL解析为结构化 Neo4jNode.
  • Claude桌面集成：使用MCP协议以交互方式调用您的工具。

🛠️ 先决条件

  • Python 3.10+
  • Neo4j社区或企业版（本地或通过Aura）
  • 已安装Claude Desktop
  • uv CLI（可选，但有助于运行MCP应用程序）

🗄️ 第一步：安装并设置Neo4j

  1. 下载并安装Neo4j桌面版 从 neo4j.com.

  2. 创建新数据库 使用Neo4j桌面UI或Neo4j浏览器：

    CREATE DATABASE mydb IF NOT EXISTS;

  3. 设置凭据 在创作过程中(neo4j 用户名和密码）。

  4. 获取螺栓连接URI，通常：

    bolt://localhost:7687

🧩 第二步：项目配置

  1. 克隆或创建此项目目录。

  2. 创建一个 .env 项目根目录中的文件：

    uri=bolt://localhost:7687
username=neo4j
pwd=your_password

  3. 安装依赖项：

    pip install neo4j neo4j_graphrag langchain langchain-core langchain-openai mcp python-dotenv

🧱 步骤3：代码概述

这 server.py 文件包括：

  • 使用LangChain的快速定义 PromptTemplate 和 PydanticOutputParser
  • 使用GPT-4o将NL转换为结构化节点的工具链
  • FastMCP 服务器暴露 createNode 工具
  • Neo4jWriter用于持久化图节点

🧪 步骤4：运行MCP服务器

您可以直接使用Python运行MCP服务器：

fastmcp install server.py

或可选使用 uv:

uv add mcp
uv run python server.py

💬 步骤5：与Claude Desktop（客户端）一起使用

  1. 启动克劳德桌面。

  2. 将其连接到正在运行的MCP服务器（通过标准I/O或HTTP）。

  3. 发送以下消息：

    Create a person node with name Alice and age 30

  4. 该工具将：

    • 生成一个 Neo4jNode 来自GPT‑4o

    • 将其写入Neo4j数据库

    • 回复：

      ✅ Node successfully added to db — Label: Person, Properties: name:Alice, age:30

🔍 步骤6：检查Neo4j中的数据

您可以使用Neo4j浏览器或Neo4j Bloom浏览创建的节点：

MATCH (n) RETURN n;

🔧 第7步：自定义和扩展

  • 添加更多工具（例如。， createRelationship, queryGraph)
  • 集成FastAPI或Gradio UI进行用户交互
  • 使用Claude通过MCP进行结构化函数调用

📚 参考文献

✅ 总结

该项目汇集了：

  • 💬 自然语言→ Graph GPT‑4o
  • 📡 MCP工具 暴露于克劳德桌面
  • 🌐 Neo4j 用于持久图形存储
  • 🔁 完全可扩展的基于图的RAG架构

对于任何问题或想法，请随时打开问题或公关！

相关 MCP