Token导航 LogoToken导航TokenDH.com
Graph Memory Ide logo
搜索检索stdio官方级别未说明来源级核验

Graph Memory Ide

MCP Server

AI-assisted development MCP providing long-term, on-device \\\"AI memory\\\" for IDEs. Powered by Kuzu GraphDB and exposed via MCP server

工具数

0

提示词数

0

GitHub Stars

14

资源数

0
图数据库实时分析PythonCursor数据分析CursorWindsurf

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

elementalcollision

提供方

elementalcollision

最后核验

2026/5/18 04:56

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

命令预览

pip install -r requirements.txt

详细介绍

GraphMemory集成开发环境

![License: MIT](LICENSE) ![Python 3.11+](https://www.python.org/downloads/) ![CI](https://github.com/elementalcollision/GraphMemory-IDE/actions/workflows/ci.yml)

用于IDE的人工智能辅助长期存储系统,由 立体主义 图形数据库。GraphMemory IDE是一个MCP(模型上下文协议)服务器,提供语义向量搜索、基于图的知识存储和实时分析。它通过专用的IDE插件与VSCode、Cursor和Windsurf集成。

特性

  • 基于图形的内存存储 --具有语义向量搜索的Kuzu原生图数据库(HNSW索引、句子转换嵌入)
  • Codon加速图算法 --通过以下方式进行可选的本地编译 鳕鱼 通过自动Python/NetworkX回退,中心性、社区检测、路径分析和相似性计算的速度提高了10-100倍
  • FastAPI后端 -具有JWT身份验证(EdDSA/Ed25519)、速率限制和安全中间件的异步API
  • 实时分析 --用于实时遥测仪表板的WebSocket和SSE流
  • 流线型仪表板 --图形指标、用户活动和系统健康状况的交互式可视化
  • 多IDE插件支持 --VSCode、Cursor和Windsurf的扩展
  • 完全可观察性 --Prometheus指标、Grafana仪表板、健康检查和警报相关性
  • 生产就绪的Docker部署 --使用Nginx、PostgreSQL、Redis和监控栈的多服务Docker Compose

快速开始

Docker(推荐)

git clone https://github.com/elementalcollision/GraphMemory-IDE.git
cd GraphMemory-IDE/docker
docker compose up -d

服务将在以下地点提供:

  • MCP服务器:http://localhost:8080/docs
  • Kestra(工作流编排):http://localhost:8081

本地开发

# Install dependencies
pip install -r requirements.txt

# Start the FastAPI server
uvicorn server.main:app --host 0.0.0.0 --port 8080 --reload

# Start the Streamlit dashboard (separate terminal)
cd dashboard
streamlit run streamlit_app.py

环境变量

变量默认值描述
JWT_SECRET_KEY(必填)JWT令牌签名密钥
DATABASE_URLsqlite:///./graphmemory.dbPostgreSQL连接字符串
REDIS_URLredis://localhost:6379用于缓存的Redis连接
KUZU_DB_PATH./data/kuzuKuzu图形数据库的路径
CODON_ENABLEDtrue启用Codon加速
CODON_LIB_PATH./codon/lib/编译的Codon库路径
CODON_MIN_GRAPH_SIZE100Codon布线的最小图形大小

建筑

GraphMemory IDE使用混合架构,其中I/O绑定代码(FastAPI、数据库客户端、WebSocket)在CPython中运行,而计算量大的图算法可以选择作为本机编译的Codon模块运行。

IDE Plugins (VSCode/Cursor/Windsurf)
        |
        v
  FastAPI Server (CPython)
   ├── JWT Auth + Security Middleware
   ├── MCP Protocol Handler
   ├── Telemetry Ingestion
   └── Analytics Engine
        |
   ┌────┴────┐
   v         v
Kuzu DB   Redis Cache
(graphs)  (sessions)
   |
   v
Codon Bridge (optional)
 ├── Graph Kernels (.so/.dylib)
 └── Python/NetworkX fallback

架构概述 详细的系统设计。

Codon加速度

codon/ 目录包含通过Codon编译为本机机器代码的图形算法实现。桥梁层(codon/bridge/)根据图大小和库可用性自动路由计算:

  • 图形内核:介数/亲密度/度中心性、PageRank、标签传播、Louvain社区检测、BFS/Dijkstra最短路径
  • 数据处理:余弦相似性、批处理向量操作、一致散列
  • 后备方案:如果Codon库没有编译,所有操作都会透明地回退到NetworkX/numpy

使用以下代码编译Codon模块:

./scripts/build_codon.sh

项目结构

GraphMemory-IDE/
├── server/                # FastAPI backend
│   ├── main.py            # Application entry point
│   ├── core/              # Configuration and settings
│   ├── auth/              # SSO, MFA, onboarding
│   ├── auth_jwt.py        # JWT authentication
│   ├── analytics/         # Analytics engine
│   ├── collaboration/     # Real-time collaboration
│   ├── dashboard/         # Dashboard API routes
│   ├── monitoring/        # Health checks, metrics, alerting
│   ├── security/          # Security middleware
│   ├── streaming/         # WebSocket/SSE streaming
│   └── graph_database.py  # Kuzu DB integration
├── dashboard/             # Streamlit UI
├── frontend/              # TypeScript/React frontend
├── codon/                 # Codon acceleration layer
│   ├── bridge/            # Python-Codon interop with fallback
│   ├── graph_kernels/     # Native graph algorithms (.codon)
│   └── data_processing/   # Native data operations (.codon)
├── docker/                # Docker Compose configs
│   ├── docker-compose.yml # Development environment
│   └── production/        # Production multi-service setup
├── tests/                 # Test suites
│   ├── integration/       # Integration tests
│   ├── production/        # Production validation
│   ├── load_testing/      # Locust load tests
│   └── smoke/             # Smoke tests
├── docs/                  # Documentation
├── ide-plugins/           # VSCode, Cursor, Windsurf extensions
├── monitoring/            # Prometheus & Grafana configs
├── scripts/               # Build and deployment scripts
└── kubernetes/            # Kubernetes manifests

测试

# Run all tests
PYTHONPATH=. pytest tests/ -v

# Run with coverage
PYTHONPATH=. pytest tests/ --cov=server --cov-report=html

# Run specific test categories
PYTHONPATH=. pytest tests/ -m unit
PYTHONPATH=. pytest tests/ -m integration
PYTHONPATH=. pytest tests/ -m "not slow"

测试标记: unit, integration, e2e, api, database, authentication, analytics, performance, slow

覆盖目标:最低85%。

生产部署

对于生产,使用多服务Docker Compose配置:

cd docker/production
cp .env.example .env  # Configure environment variables
docker compose -f docker-compose.prod.yml up -d

这将启动7+服务:Nginx(反向代理)、FastAPI、Streamlit、Analytics、PostgreSQL、Redis、Prometheus和Grafana——具有隔离的网络子网和资源限制。

请参阅 获取完整的生产设置说明。

文档

目录描述
文档/项目/项目概述、PRD、贡献指南、安全策略
文档/架构/系统架构、代码路径、网络流
docs/api/API参考和客户示例
文档/部署/Docker、Kubernetes和生产部署指南
文档/开发/开发人员设置、代码质量、测试程序
文档/操作/系统操作和性能调优
文档/监控/Prometheus、Grafana和警报配置
文档/分析/分析系统和机器学习组件
docs/ide插件/VSCode、Cursor、Windsurf的插件开发
文档/用户指南/教程和最终用户文档

贡献

贡献指南 用于开发工作流、提交约定和代码审查过程。

许可证

该项目根据MIT许可证获得许可。看 许可证 了解详情。

目录标签

目录标签

图数据库实时分析PythonCursor数据分析research-and-datadatabasegraphmcpvscode-extensionwindsurfmcp-server本地部署语义搜索IDE插件知识管理

支持客户端

CursorWindsurf

接入字段

传输方式(transport,传输协议)

stdio

鉴权方式(authType,认证方式)

none

工具数量(toolCount,工具数)

0

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

stdionone部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

来源信息

继续浏览同类 MCP