LLM Graph Builder MCP

LLM图形生成器MCP

使用Claude Desktop和Neo4j从任何URL构建知识图。

这是什么？

这 模型上下文协议（MCP） 服务器使Claude能够自动从非结构化文本中提取实体和关系，并在Neo4j中构建知识图。只需给克劳德一个网址（维基百科文章、PDF、网页、YouTube视频），并让它构建一个知识图——其余的都由它处理。

非常适合： 研究、Zotero集成、学术论文、内容分析，以及从非结构化来源构建结构化知识。

包含什么

此存储库是一个完整的、即用型的包，包含：

• llm_graph_builder_mcp/ -MCP服务器代码
• llm图形生成器/ -Neo4j的LLM图形生成器后端（2025年6月24日，提交4d7bb5e8）

两者都包含在内，因此您可以开箱即用地获得经过测试的工作版本。只需克隆一次，你就可以开始了！

为什么要包括后端？

• 保证兼容性-此MCP使用此确切的后端版本进行测试
• 零配置难题-一切都能协同工作
• 如果Neo4j更新了他们的后端，你仍然有一个可用的版本

特性

• 多源支持：维基百科、PDF、网页、YouTube视频
• 学术模式：提取引文、作者、期刊和书目数据
• 自定义架构：定义允许的实体类型和关系
• 社区发现：在知识图谱中查找集群和组
• 零修改：未经修改即可使用 llm图形生成器 后端
• 本地处理：你的数据，你的Neo4j实例，你的控件

快速开始

先决条件

1. Neo4j数据库 -获取免费实例 Neo4j AuraDB

- 创建一个实例，并记下您的连接URI、用户名和密码

1. OpenAI API密钥 - 在这里买一个
2. Python 3.10+ 随着 uv - 安装uv
3. 克劳德桌面版 - 点击此处下载

步骤1:克隆此存储库

# Clone the entire project (includes both MCP and backend)
git clone https://github.com/henrardo/llm-graph-builder-mcp.git
cd llm-graph-builder-mcp

您的目录结构将是：

llm-graph-builder-mcp/           # The MCP server
llm-graph-builder/               # The backend (included)

步骤2：设置后端

# Navigate to backend
cd llm-graph-builder/backend

# Create environment file
cp example.env .env

编辑 .env 使用您的凭据：

# Neo4j Connection (from your AuraDB instance)
NEO4J_URI=neo4j+s://your-instance-id.databases.neo4j.io
NEO4J_USERNAME=neo4j
NEO4J_PASSWORD=your-auradb-password
NEO4J_DATABASE=neo4j

# OpenAI Configuration
LLM_MODEL_CONFIG_openai_gpt_4.1=gpt-4-turbo-2024-04-09,sk-your-openai-api-key

安装并启动后端：

# Create virtual environment
uv venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate

# Install dependencies
uv pip install -r requirements.txt

# Start the backend server
uvicorn score:app --reload --port 8000

保持此终端运行。 后端必须运行，MCP才能工作。

步骤3：安装MCP

打开A 新终端 （保持第一个后端运行）：

# Navigate back to the MCP directory
cd llm-graph-builder-mcp

# Install the MCP
uvx --from . llm-graph-builder-mcp

步骤4：配置Claude桌面

编辑您的Claude Desktop配置文件：

• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
• 视窗: %APPDATA%\Claude\claude_desktop_config.json

添加此配置：

{
  "mcpServers": {
    "llm-graph-builder": {
      "command": "uvx",
      "args": [
        "--from",
        "/absolute/path/to/llm-graph-builder-mcp",
        "llm-graph-builder-mcp"
      ],
      "env": {
        "NEO4J_URI": "neo4j+s://your-instance-id.databases.neo4j.io",
        "NEO4J_USERNAME": "neo4j",
        "NEO4J_PASSWORD": "your-auradb-password",
        "NEO4J_DATABASE": "neo4j",
        "GRAPH_BUILDER_URL": "http://localhost:8000"
      }
    }
  }
}

重要提示：

• 替换 /absolute/path/to/ 与您的完整路径 llm-graph-builder-mcp 目录

- 跑 pwd 在 llm-graph-builder-mcp 获取此路径的目录 - 例子： /Users/yourname/projects/llm-graph-builder-mcp

• 使用与后端相同的凭据 .env 文件

步骤5：重新启动克劳德桌面

完全退出并重新启动Claude Desktop以使更改生效。

第六步：测试

在Claude Desktop中，尝试：

Build a knowledge graph from this Wikipedia article:
https://en.wikipedia.org/wiki/The_Hitchhiker%27s_Guide_to_the_Galaxy

Claude现在应该使用MCP在Neo4j数据库中构建一个知识图！

使用示例

基本用法

Build a knowledge graph from this Wikipedia article:
https://en.wikipedia.org/wiki/The_Hitchhiker%27s_Guide_to_the_Galaxy

学术论文（附引文）

Build a knowledge graph from this PDF with bibliographic extraction:
https://example.com/research-paper.pdf

自定义架构

Build a knowledge graph from this article with these entities:
- Nodes: Person, Organization, Location, Event
- Relationships: Person WORKS_FOR Organization, Person ATTENDED Event

https://example.com/article

社区检测

Build a knowledge graph from this page and enable community detection:
https://en.wikipedia.org/wiki/Renaissance

查询图形

此MCP构建图形。要查询它们，请使用单独的 mcp-neo4j-cypher 服务器。

构建图表后，问克劳德：

"What entities are connected to Arthur Dent?"
"Show me all the citations in my research papers"
"Find communities in the knowledge graph"

工具参考

构建知识图谱

从URL中提取实体和关系，并构建知识图。

参数：

• url （必填）：要处理的URL（维基百科、PDF、网页、YouTube）
• model （可选）：要使用的LLM模型（默认值： openai_gpt_4.1)
• allowed_nodes （可选）：逗号分隔的实体类型（例如。， "Person,Organization,Location")
• allowed_relationships （可选）：关系三元组（例如。， "Person,WORKS_FOR,Organization")
• enable_communities （可选）：启用社区检测（默认值： false)
• extract_bibliographic_info （可选）：提取学术引文和参考文献（默认值： false)

支持的来源

建筑

Claude Desktop
    ↓ MCP Protocol
llm-graph-builder-mcp (this repo)
    ↓ HTTP
llm-graph-builder backend (FastAPI)
    ↓ Cypher
Neo4j Database
    ↑ Cypher Queries
mcp-neo4j-cypher (separate MCP)
    ↑ MCP Protocol
Claude Desktop

研究与Zotero整合

此MCP非常适合学术研究工作流程：

1. 从Zotero库导出PDF URL
2. 让克劳德用书目摘录来处理它们
3. 查询论文、作者和概念之间的关系
4. 发现您研究中的联系

例子：

"Build knowledge graphs from these papers with bibliographic extraction:
- https://paper1.pdf
- https://paper2.pdf
- https://paper3.pdf

Then show me how they cite each other and what common themes they share."

后端版本和更新

此存储库包括 llm-graph-builder 从 2025年6月24日 （承诺 4d7bb5e8).此版本经过测试，与MCP完全兼容。

使用附带的后端（推荐）

包含的后端被冻结在已知的良好版本。这确保了：

• 一切都是开箱即用的
• 没有兼容性问题
• 可预测的行为

使用较新的后端版本

如果你想使用最新的llm图形生成器：

# Remove the included backend
rm -rf llm-graph-builder

# Clone the latest version
git clone https://github.com/neo4j-labs/llm-graph-builder.git

# Follow the same setup steps in Step 2

注： 较新的版本应该可以工作（MCP使用标准端点），但尚未经过测试。如果遇到问题，请恢复到包含的版本。

故障排除

后端无法启动

cd llm-graph-builder/backend
source .venv/bin/activate
uvicorn score:app --reload --port 8000

克劳德没有看到MCP

1. 检查配置路径是否正确（使用绝对路径，而不是 ~)
2. 完全退出并重新启动Claude Desktop（而不仅仅是关闭窗口）
3. 检查克劳德日志： ~/Library/Logs/Claude/mcp*.log （macOS）
4. 验证配置中的MCP路径是否与您的实际目录匹配

“找不到模型”错误

确保你的后端 .env 有：

LLM_MODEL_CONFIG_openai_gpt_4.1=gpt-4-turbo-2024-04-09,YOUR-API-KEY

后端显示“连接被拒绝”

• 确保后端在端口8000上运行
• 检查 GRAPH_BUILDER_URL 在Claude配置中匹配后端URL
• 在使用MCP之前，后端必须正在运行

空图/少数实体

• 启用 extract_bibliographic_info 学术论文
• 检查OpenAI API密钥是否有效并具有信用
• 在后端验证Neo4j连接 .env
• 对于PDF：URL必须可以直接访问（无需身份验证）

更新后的缓存问题

# Clear uvx cache
uv cache clean llm-graph-builder-mcp --force

# Completely quit and restart Claude Desktop

发展

# Install in development mode
git clone https://github.com/henrardo/llm-graph-builder-mcp.git
cd llm-graph-builder-mcp
uv pip install -e .

运作原理

PDF URL

MCP会自动检测PDF URL，下载它们，并上传到后端，使用PyMuPDF进行全文提取。没有二进制垃圾，只有干净的文本。

学术提取

当 extract_bibliographic_info=true，MCP指示LLM具体提取：

• 作者、标题、期刊、年份、DOI
• 引文和参考文献
• 研究概念和方法
• 关系：权威，CITES，出版\_ IN，讨论

架构规范

定义允许的实体和关系以指导提取：

allowed_nodes: "Person,Organization,Product"
allowed_relationships: "Person,FOUNDED,Organization,Organization,PRODUCES,Product"

零后端修改

此MCP与未经修改的llm图构建器后端一起工作。它使用兼容性技巧（如为可选参数发送空格字符）与原始代码无缝协作。

安全

永不承诺：

• API密钥（OpenAI等）
• 数据库密码
• 真实Neo4j URI

所有凭据都应在 .env 文件或Claude Desktop配置（均为gitignored）。

许可证

Apache许可证2.0-请参阅 许可证 文件以获取详细信息。

该项目包括Neo4j LLM图形生成器，它也在Apache License 2.0下获得许可。

贡献

欢迎投稿！该项目旨在成为一个无需后端修改的干净包装器。

在上打开问题或拉取请求 .

鸣谢

• Neo4j LLM图形生成器 由Neo4j，股份有限公司。
• FastMCP 马文
• 模型上下文协议 通过Anthropic