Demo MCP Client

MCP Neo4j客户端示例

两个示例客户端演示了连接到neo4j密码MCP服务器的不同方法：

1. Olama的基本客户 (mcp_neo4j_client.py)-使用Ollama生成一次性查询的简单客户端
2. 具有ReAct模式的交互代理 (interactive_agent.py)-高级代理使用Ollama和模式上下文进行交互式查询（与后端模式相同）

目录

此客户端位于 sample-client/ 目录。

先决条件

1. Python 3.10+
2. uv 包管理器（>=0.4.0）
3. Neo4j MCP服务器以HTTP模式运行
4. Ollama在当地与 gpt-oss:120b-cloud 模型

安装

安装uv（如果尚未安装）

# Using the standalone installer (recommended)
curl -LsSf https://astral.sh/uv/install.sh | sh

# Or using Homebrew on macOS
brew install uv

# Or using pip
pip install uv

安装依赖项

导航到 sample-client 目录：

cd sample-client

然后同步依赖项（这将创建venv并安装所有内容）：

# Sync dependencies - creates .venv and installs all dependencies
uv sync

这将：

• 创建一个 .venv 虚拟环境（如果不存在）
• 从安装所有依赖项 pyproject.toml
• 生成/更新 uv.lock 用于可重复构建

快速运行（无需安装）

您也可以直接运行而无需同步：

uv run mcp_neo4j_client.py

这会自动处理环境和依赖关系。

设置

1.启动Neo4j MCP服务器

使用Docker（推荐）：

docker run -p 8000:8000 \
  -e NEO4J_URI=bolt://host.docker.internal:7687 \
  -e NEO4J_USERNAME=neo4j \
  -e NEO4J_PASSWORD=password \
  -e NEO4J_TRANSPORT=http \
  -e NEO4J_MCP_SERVER_HOST=0.0.0.0 \
  -e NEO4J_MCP_SERVER_PORT=8000 \
  -e NEO4J_MCP_SERVER_PATH=/api/mcp/ \
  mcp/neo4j-cypher:latest

或者使用本地服务器 ../mcp-neo4j/servers/mcp-neo4j-cypher/:

cd ../mcp-neo4j/servers/mcp-neo4j-cypher
uv run mcp-neo4j-cypher \
  --transport http \
  --server-host 127.0.0.1 \
  --server-port 8000 \
  --server-path /api/mcp/

2.确保Ollama正在跑步

确保您安装了Ollama并且型号可用：

ollama pull gpt-oss:120b-cloud
ollama serve

用法

选项1：Olama的基本客户

生成单个查询的最简单客户端：

# Run directly - uv handles everything
uv run mcp_neo4j_client.py

# Or use the installed command
uv run mcp-neo4j-client

它的作用：

1. 从MCP服务器获取Neo4j模式
2. 使用Ollama生成用于查找公司的Cypher查询
3. 执行查询并显示结果

选项2：具有ReAct模式的交互式代理（推荐）

一个交互式代理，演示后端使用的相同模式：

# Run the interactive agent (uses Ollama gpt-oss:120b-cloud)
uv run interactive-agent

# Or run directly
uv run interactive_agent.py

# Use a different Ollama model
OLLAMA_MODEL=llama3.1 uv run interactive-agent

它的作用：

1. 连接到MCP Neo4j服务器
2. 获取完整的数据库架构
3. 创建具有架构增强上下文的ReAct代理
4. 进入一个交互式循环，您可以在其中提出自然语言问题
5. 使用模式将您的问题转换为Cypher查询
6. 执行查询并显示格式化结果

您可以尝试的示例查询：

• “显示数据库中的所有节点类型”
• “列出所有公司”
• “查找图表中的所有关系”
• “显示任何类型的前5条记录”

特征：

• ✅ 模式感知查询生成（使用精确的属性名）
• ✅ ReAct模式用于查询推理
• ✅ 用于多个查询的交互式聊天循环
• ✅ 格式良好的降价响应
• ✅ 与中的生产后端模式相同 databricks-neo4j-mcp-demo

配置

创建一个 .env 示例中的文件：

cp .env.example .env

环境变量：

• MCP_SERVER_URL：MCP服务器的URL（默认值： http://localhost:8000/api/mcp/)
• OLLAMA_MODEL：用于交互代理的Ollama模型（默认值： gpt-oss:120b-cloud)

管理依赖关系

添加新依赖项

# Add a new dependency
uv add package-name

# Add a development dependency
uv add --dev pytest

# Add with version constraint
uv add "package-name>=1.0.0"

更新依赖关系

# Update all dependencies
uv sync --upgrade

# Update a specific package
uv sync --upgrade-package package-name

锁定文件

这 uv.lock 文件是自动生成的，应提交给版本控制。它确保了跨不同环境的可重复构建。

验证

要验证所有设置是否正确：

1. 检查MCP服务器是否正在运行：

   curl http://localhost:8000/api/mcp/

1. 检查Ollama是否正在运行并具有以下型号：

   ollama list | grep gpt-oss:120b-cloud

1. 运行客户端：

   uv run mcp_neo4j_client.py

基于

此客户端基于以下示例：

• /Users/ryanknight/projects/graphathon-snippets/examples/mcp/client
• MCP Python SDK可流式HTTP传输