Graphistry MCP

🚀 Graphistry MCP集成

本項目藉助Graphistry和MCP，為大語言模型提供GPU加速的圖可視化和分析功能，解決了大語言模型在處理複雜網絡數據可視化和分析方面的難題，為其提供了標準化、友好的接口，提升了分析效率和效果。

🚀 快速開始

本項目將Graphistry強大的GPU加速圖可視化平臺與模型控制協議（MCP）集成，為AI助手和大語言模型（LLMs）賦予了高級圖分析能力。它使LLMs能夠通過標準化、對LLMs友好的接口來可視化和分析複雜的網絡數據。

✨ 主要特性

• 通過Graphistry實現GPU加速的圖可視化
• 高級模式發現和關係分析
• 網絡分析（社區檢測、中心性、路徑查找、異常檢測）
• 支持多種數據格式（Pandas、NetworkX、邊列表）
• 對LLMs友好的API：使用單個 graph_data 字典來調用圖工具

🚨 重要提示

⚠️ 重要提示

此MCP服務器需要一個免費的Graphistry賬戶才能使用可視化功能。

1. 在 hub.graphistry.com 上註冊一個免費賬戶。
2. 在啟動服務器之前，將您的憑據設置為環境變量或存儲在 .env 文件中：

   export GRAPHISTRY_USERNAME=your_username
   export GRAPHISTRY_PASSWORD=your_password
   # 或者創建一個.env文件，內容如下：
   # GRAPHISTRY_USERNAME=your_username
   # GRAPHISTRY_PASSWORD=your_password
   

   請參考 .env.example 獲取模板。

📦 安裝指南

推薦安裝方式（Python虛擬環境 + pip）

# 克隆倉庫
git clone https://github.com/graphistry/graphistry-mcp.git
cd graphistry-mcp

# 設置虛擬環境並安裝依賴
python3 -m venv .venv
source .venv/bin/activate
pip install -e ".[dev]"

# 設置您的Graphistry憑據（見上文）

或者使用安裝腳本：

./setup-graphistry-mcp.sh

💻 使用示例

啟動服務器

# 如果虛擬環境尚未激活，請激活它
source .venv/bin/activate

# 啟動服務器（標準輸入輸出模式）
python run_graphistry_mcp.py

# 或者使用啟動腳本，支持HTTP或標準輸入輸出模式（推薦，安全加載.env文件）
./start-graphistry-mcp.sh --http 8080

安全與憑據處理

⚠️ 重要提示

服務器使用 python-dotenv 從環境變量或 .env 文件中加載憑據，因此您可以安全地在本地開發中使用 .env 文件。

💡 使用建議

start-graphistry-mcp.sh 腳本會加載 .env 文件，這是啟動服務器最可靠和安全的方式。

添加到Cursor（或其他支持MCP的工具）

將MCP服務器添加到您的 .cursor/mcp.json 或等效配置文件中：

{
    "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"
    }
}

確保使用虛擬環境（可以通過使用虛擬環境中Python的完整路徑，或在啟動前激活它）。如果您遇到API版本錯誤或缺少憑據的問題，請仔細檢查您的環境變量和註冊信息。

示例：可視化圖（對LLMs友好的API）

主要工具 visualize_graph 現在接受單個 graph_data 字典。示例如下：

基礎用法

{
    "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."
    }
}

高級用法

{
    "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."
    }
}

📚 詳細文檔

以下是可用的MCP工具，用於圖可視化、分析和操作：

• visualize_graph：使用Graphistry的GPU加速渲染器可視化圖或超圖。
• get_graph_ids：列出當前會話中所有存儲的圖ID。
• get_graph_info：獲取存儲圖的元數據（節點/邊數量、標題、描述）。
• apply_layout：對圖應用標準佈局（力導向、徑向、圓形、網格）。
• detect_patterns：運行網絡分析（中心性、社區檢測、路徑查找、異常檢測）。
• encode_point_color：按列設置節點顏色編碼（分類或連續）。
• encode_point_size：按列設置節點大小編碼（分類或連續）。
• encode_point_icon：按列設置節點圖標編碼（分類，帶有圖標映射或分箱）。
• encode_point_badge：按列設置節點徽章編碼（分類，帶有圖標映射或分箱）。
• apply_ring_categorical_layout：按分類列（如組/類型）將節點排列成環。
• apply_group_in_a_box_layout：將節點排列成組內盒佈局（需要igraph）。
• apply_modularity_weighted_layout：按模塊化加權佈局排列節點（需要igraph）。
• apply_ring_continuous_layout：按連續列（如分數）將節點排列成環。
• apply_time_ring_layout：按日期時間列（如創建時間）將節點排列成環。
• apply_tree_layout：將節點排列成樹（分層分級）佈局。
• set_graph_settings：設置高級可視化設置（節點大小、邊影響等）。

🤝 貢獻說明

歡迎提交Pull Request和提出問題！隨著我們對由LLM驅動的圖分析和工具集成的瞭解不斷深入，本項目正在快速發展。

📄 許可證

本項目採用MIT許可證。