Graphistry MCP

🚀 Graphistry MCP Integration

GraphistryとMCPを使用した大規模言語モデル向けのGPU加速グラフ可視化と分析ツールです。このプロジェクトは、Graphistryの強力なGPU加速グラフ可視化プラットフォームとModel Control Protocol (MCP)を統合し、AIアシスタントや大規模言語モデルに高度なグラフ分析機能を提供します。標準化された、大規模言語モデルにやさしいインターフェースを通じて、大規模言語モデルが複雑なネットワークデータを可視化し、分析することを可能にします。

🚀 クイックスタート

このプロジェクトは、Graphistryの強力なGPU加速グラフ可視化プラットフォームとModel Control Protocol (MCP)を統合し、AIアシスタントや大規模言語モデルに高度なグラフ分析機能を提供します。

✨ 主な機能

• GraphistryによるGPU加速グラフ可視化
• 高度なパターン発見と関係性分析
• ネットワーク分析（コミュニティ検出、中心性分析、パス探索、異常検出）
• 様々なデータ形式（Pandas、NetworkX、エッジリスト）のサポート
• LLMにやさしいAPI: グラフツールに単一のgraph_data辞書を使用

🚨 重要: Graphistry登録が必要です

このMCPサーバーを可視化機能を使用するには、無料のGraphistryアカウントが必要です。

1. hub.graphistry.comで無料アカウントを登録します。
2. サーバーを起動する前に、資格情報を環境変数として設定するか、.envファイルに記述します。

   export GRAPHISTRY_USERNAME=your_username
   export GRAPHISTRY_PASSWORD=your_password
   # または.envファイルを作成して以下のように記述します。
   # GRAPHISTRY_USERNAME=your_username
   # GRAPHISTRY_PASSWORD=your_password
   

   テンプレートは.env.exampleを参照してください。

📦 インストール

推奨インストール方法 (Python venv + pip)

# リポジトリをクローンします。
git clone https://github.com/graphistry/graphistry-mcp.git
cd graphistry-mcp

# 仮想環境をセットアップし、依存関係をインストールします。
python3 -m venv .venv
source .venv/bin/activate
pip install -e ".[dev]"

# Graphistryの資格情報をセットアップします（上記を参照）

または、セットアップスクリプトを使用することもできます。

./setup-graphistry-mcp.sh

💻 使用例

サーバーの起動

# 仮想環境がアクティブでない場合は、アクティブにします。
source .venv/bin/activate

# サーバーを起動します（stdioモード）
python run_graphistry_mcp.py

# または、HTTPまたはstdioモードの起動スクリプトを使用します（推奨、.envを安全に読み込みます）
./start-graphistry-mcp.sh --http 8080

セキュリティと資格情報の取り扱い

• サーバーは、python-dotenvを使用して環境変数または.envファイルから資格情報を読み込むため、ローカル開発では.envファイルを安全に使用できます。
• start-graphistry-mcp.shスクリプトは.envを読み込み、サーバーを起動する最も堅牢で安全な方法です。

Cursor（または他のLLMツール）への追加

• MCPサーバーを.cursor/mcp.jsonまたは同等の設定ファイルに追加します。

  {
    "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"
      },
      "type": "stdio"
    }
  }
  

• 仮想環境が使用されていることを確認してください（仮想環境のPythonの完全パスを使用するか、起動前にアクティブにします）。
• APIバージョンまたは資格情報が不足しているというエラーが表示された場合は、環境変数と登録情報を再確認してください。

例: グラフの可視化 (LLMにやさしいAPI)

主なツールであるvisualize_graphは、単一のgraph_data辞書を受け取ります。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."
  }
}

ハイパーグラフの例:

{
  "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."
  }
}

📚 ドキュメント

利用可能なMCPツール

以下のMCPツールは、グラフの可視化、分析、操作に利用できます。

• visualize_graph: GraphistryのGPU加速レンダラーを使用してグラフまたはハイパーグラフを可視化します。
• get_graph_ids: 現在のセッションで保存されているすべてのグラフIDをリストします。
• get_graph_info: 保存されているグラフのメタデータ（ノード/エッジ数、タイトル、説明）を取得します。
• apply_layout: グラフに標準的なレイアウト（force_directed、radial、circle、grid）を適用します。
• detect_patterns: ネットワーク分析（中心性分析、コミュニティ検出、パス探索、異常検出）を実行します。
• encode_point_color: 列によるノードの色エンコーディングを設定します（カテゴリカルまたは連続的）。
• encode_point_size: 列によるノードのサイズエンコーディングを設定します（カテゴリカルまたは連続的）。
• encode_point_icon: 列によるノードのアイコンエンコーディングを設定します（カテゴリカル、アイコンマッピングまたはビニングあり）。
• encode_point_badge: 列によるノードのバッジエンコーディングを設定します（カテゴリカル、アイコンマッピングまたはビニングあり）。
• apply_ring_categorical_layout: カテゴリカル列（例: グループ/タイプ）によってノードをリング状に配置します。
• apply_group_in_a_box_layout: ノードをグループ内にボックス状に配置します（igraphが必要）。
• apply_modularity_weighted_layout: モジュラリティ重み付きレイアウトでノードを配置します（igraphが必要）。
• apply_ring_continuous_layout: 連続列（例: スコア）によってノードをリング状に配置します。
• apply_time_ring_layout: 日時列（例: created_at）によってノードをリング状に配置します。
• apply_tree_layout: ノードをツリー（階層的）レイアウトで配置します。
• set_graph_settings: 高度な可視化設定（ノードサイズ、エッジの影響など）を設定します。

📄 ライセンス

MITライセンスの下で提供されています。

コントリビューション

PRとイシューの投稿を歓迎します！このプロジェクトは、LLM駆動のグラフ分析とツール統合について学びながら急速に進化しています。