GraphRAG Llama Index MCP Server

GraphRAG LlamaIdex

全栈GraphRAG引擎针对本地索引和轻量级云查询进行了优化。基于DuckDB、LlamaIdex和模型上下文协议（MCP）构建。

1.背景

该项目实现了 解耦架构:

• 索引器（图像A）：用于局部图构建的重型ML环境（PyTorch、GLiNER）。
• 查询（图片B）：轻量级API环境（Node.js，DuckDB），用于快速云部署（约1GB占用空间）。

2.建立形象

# Build specialized images via Docker Compose
docker compose build

3.运行索引器和查询

加载shell别名以实现最快的工作流：

• macOS（Zsh）: source .graphrag-alias.zsh
• WSL/Bash: source .graphrag-alias.sh
• PowerShell: . .\.graphrag-alias.ps1

索引文档

# 1. Initialize a database entry
graphrag start my_project --source /app/documents/source_files

# 2. Run the ingestion pipeline (Indexer Image)
graphrag index my_project [--reset] [--prune]

查询

# CLI Search (Query Image)
graphrag search my_project "What are the common themes?"

# Start MCP Server for Agents
docker compose up query

4.部署文件夹

• deployment/fly/：Fly.io上的零延迟托管脚本（针对免费层飞机进行了优化）。
• deployment/aws/：用于ECR、S3备份和App Runner部署的基础架构脚本。

5.设置和配置

环境（.env）

复制 .env.example 并设置：

• OPENAI_API_KEY：用于LLM推理和提取。
• DOCUMENTS_HOME：本地数据文件夹的绝对路径（映射到 /app/documents 在Docker中）。

发动机配置（核心/graphrag_configur.py）

调整这些参数以优化性能：

• SearchType：切换 entity_connections （图形很重）或 thematic_overview （总结很重）。
• ExtractionMode：选择 llm （创意）或 gliner （快速/经济高效）。

6.本地集成和测试

将此项目整合为 MCP服务器 在桌面代理（Claude Desktop、Cursor等）中，为它们提供文档的内存。

添加到MCP配置中：

{
  "mcpServers": {
    "graphrag": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-v",
        "C:/Users//.graphrag:/root/.graphrag",
        "graphrag-query"
      ]
    }
  }
}

7.数据库备忘单

核心命令

• graphrag list：显示所有已注册的数据库。
• graphrag status ：检查实体/关系计数和健康状况。
• graphrag delete [--files]：注销数据库条目，并可选择删除物理文件。
• graphrag index [--reset]：将文档索引到数据库中（使用 --reset 跳过重复检查）。

托管存储工作流程

为了保持项目的可移植性，请将数据库文件移动到 Managed/ 数据目录中的文件夹。

手动移动：

1. 移动 your_db.duckdb 到 [DOCUMENTS_HOME]/Managed/.
2. 重新注册路径：

graphrag register my_db --db-path /app/documents/Managed/your_db.duckdb

______________________________________________________________________

_有关S3管理，请参阅 S3_目录.md._