Graphistry MCP

Graphistry MCP 集成

使用Graphistry和MCP对大型语言模型进行GPU加速的图可视化与分析。

概述

该项目将Graphistry的强大的GPU加速图形可视化平台与模型控制协议（MCP）相结合，为人工智能助手和大型语言模型（LLM）提供了先进的图形分析能力。它使大型语言模型能够通过标准化、对LLM友好的界面来可视化和分析复杂的网络数据。

主要特点：

• 通过Graphistry实现GPU加速的图形可视化
• 高级模式发现与关系分析
• 网络分析（社区检测、中心性分析、路径查找、异常检测）
• 支持多种数据格式（Pandas、NetworkX、边列表）
• LLM友好型API：单一 graph_data 用于图形工具的字典

🚨 重要提示：需注册Graphistry

此MCP服务器需要一个免费的Graphistry账户才能使用可视化功能。

1. 在（某网站/平台）注册一个免费账户 hub.graphistry.com 翻译为中文是：“图数据库网关.graphistry.com”。不过，通常我们不会直接翻译网址的域名部分，而是保持原样，所以更常见的表达可能是直接说“hub.graphistry.com”这个网址，或者根据上下文解释其用途，比如“这是图数据库服务hub.graphistry.com的网址”。如果非要翻译整个网址并保持其可读性，可以表述为“图数据库枢纽（Graphistry Hub）的网址是graphistry.com的hub部分”，但这样的表述在实际使用中并不常见
2. 将您的凭据设置为环境变量或在（某个地方）保存 .env 在启动服务器之前，请准备好文件：

   export GRAPHISTRY_USERNAME=your_username
   export GRAPHISTRY_PASSWORD=your_password
   # or create a .env file with:
   # GRAPHISTRY_USERNAME=your_username
   # GRAPHISTRY_PASSWORD=your_password

看 .env.example 作为模板。

MCP 配置文件（.mcp.json）

要使用Cursor或其他MCP兼容工具来使用这个项目，你需要一个 .mcp.json 在项目根目录中创建文件。提供了一个模板作为 .mcp.json.example。

设置：

cp .mcp.json.example .mcp.json

编辑 .mcp.json 收件人：

• 为您的环境设置正确的路径（例如，项目根目录、Python 可执行文件、服务器脚本）
• 设置您的Graphistry凭据（或使用环境变量/.env）
• 在HTTP模式和stdio模式之间选择：

- graphistry-http通过HTTP连接（设置 url 以匹配您的服务器端口） - graphistry通过标准输入输出连接（设置 command， args，和 env （按需）

注：

• .mcp.json.example 包含HTTP和stdio配置。根据需要通过设置来启用/禁用 disabled 字段。
• 看 .env.example 用于设置环境变量。

安装

使用 npm 快速入门（推荐）

# Install via npx (no installation required)
npx -y @silkspace/graphistry-mcp

# Or install globally
npm install -g @silkspace/graphistry-mcp
graphistry-mcp

MCP 客户端配置：

添加到您的MCP客户端设置中（.mcp.json，MCP客户端配置等）：

{
  "graphistry": {
    "command": "npx",
    "args": ["-y", "@silkspace/graphistry-mcp"],
    "env": {
      "GRAPHISTRY_USERNAME": "your_username",
      "GRAPHISTRY_PASSWORD": "your_password"
    }
  }
}

该 npm 包会自动：

• 创建一个Python虚拟环境
• 安装所有Python依赖项（使用 uv 如果可用，则（进行某操作）；否则 pip）
• 设置MCP服务器

备选方案：手动安装（Python 虚拟环境 + pip）

# Clone the repository
git clone https://github.com/graphistry/graphistry-mcp.git
cd graphistry-mcp

# Set up virtual environment and install dependencies
python3 -m venv .venv
source .venv/bin/activate
pip install -e ".[dev]"

# Set up your Graphistry credentials (see above)

或者使用安装脚本：

./setup-graphistry-mcp.sh

使用

启动服务器

# Activate your virtual environment if not already active
source .venv/bin/activate

# Start the server (stdio mode)
python run_graphistry_mcp.py

# Or use the start script for HTTP or stdio mode (recommended, sources .env securely)
./start-graphistry-mcp.sh --http 8080

安全与凭证处理

• 服务器从环境变量中加载凭据或 .env 使用 python-dotenv，所以您可以放心使用一个 .env 用于本地开发的文件。
• 这个（或“该”） start-graphistry-mcp.sh 脚本来源 .env 并且是启动服务器最稳健、最安全的方式。

添加到MCP客户端

使用 npm（推荐）：

在您的MCP客户端配置中添加MCP服务器：

{
  "graphistry": {
    "command": "npx",
    "args": ["-y", "@silkspace/graphistry-mcp"],
    "env": {
      "GRAPHISTRY_USERNAME": "your_username",
      "GRAPHISTRY_PASSWORD": "your_password"
    }
  }
}

使用手动安装：

{
  "graphistry": {
    "command": "/path/to/your/.venv/bin/python",
    "args": ["/path/to/your/run_graphistry_mcp.py"],
    "env": {
      "GRAPHISTRY_USERNAME": "your_username",
      "GRAPHISTRY_PASSWORD": "your_password"
    }
  }
}

注：

• 确保使用虚拟环境（可以通过使用虚拟环境python的完整路径，或者在启动前激活它）。
• 如果你看到有关API版本或缺少凭证的错误，请仔细检查你的环境变量和注册信息。

示例：可视化图表（适合大语言模型的API）

主要工具， visualize_graph，现在接受一首单曲 graph_data 字典。示例：

{
  "graph_data": {
    "graph_type": "graph",
    "edges": [
      {"source": "A", "target": "B"},
      {"source": "A", "target": "C"},
      {"source": "A", "target": "D"},
      {"source": "A", "target": "E"},
      {"source": "B", "target": "C"},
      {"source": "B", "target": "D"},
      {"source": "B", "target": "E"},
      {"source": "C", "target": "D"},
      {"source": "C", "target": "E"},
      {"source": "D", "target": "E"}
    ],
    "nodes": [
      {"id": "A"}, {"id": "B"}, {"id": "C"}, {"id": "D"}, {"id": "E"}
    ],
    "title": "5-node, 10-edge Complete Graph",
    "description": "A complete graph of 5 nodes (K5) where every node is connected to every other node."
  }
}

示例（超图）：

{
  "graph_data": {
    "graph_type": "hypergraph",
    "edges": [
      {"source": "A", "target": "B", "group": "G1", "weight": 0.7},
      {"source": "A", "target": "C", "group": "G1", "weight": 0.6},
      {"source": "B", "target": "C", "group": "G2", "weight": 0.8},
      {"source": "A", "target": "D", "group": "G2", "weight": 0.5}
    ],
    "columns": ["source", "target", "group"],
    "title": "Test Hypergraph",
    "description": "A simple test hypergraph."
  }
}

可用的MCP工具

以下MCP工具可用于图形可视化、分析和操作：

• 可视化图表使用Graphistry的GPU加速渲染器来可视化图表或超图。
• 获取图表ID列出当前会话中存储的所有图形ID。
• 获取图表信息获取存储图的元数据（节点/边的数量、标题、描述）。
• 应用布局为图表应用一种标准布局（力导向、径向、圆形、网格）。
• 检测模式执行网络分析（中心性分析、社区检测、路径寻找、异常检测）。
• 编码点颜色根据列（分类或连续）设置节点颜色编码。
• 编码点大小根据列（分类或连续）设置节点大小编码。
• 编码点图标按列设置节点图标编码（分类，带图标映射或分箱）。
• 编码徽章点按列设置节点徽章编码（分类，支持图标映射或分箱）。
• 应用环形分类布局根据分类列（例如，组/类型）将节点排列成环形。
• 在盒装布局中应用组将节点以框内分组布局进行排列（需要igraph库）。
• 应用模块化加权布局按模块性加权布局排列节点（需要igraph库）。
• 应用连续环形布局通过连续列（例如，得分）将节点排列成环。
• 应用时间环布局根据日期时间列（例如，created_at）将节点排列成环。
• 应用树形布局将节点以树状（分层层次）布局进行排列。
• 设置图形参数设置高级可视化参数（点大小、边缘影响等）。

做出贡献

欢迎提出拉取请求（PRs）和问题！随着我们对基于大型语言模型（LLM）的图分析和工具集成了解的深入，这个项目正在迅速发展。

许可证

麻省理工学院（MIT）