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。
- 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
- 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-mcpMCP 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）