Интеграция MCP в Graphistry
Визуализация и аналитика графов с ускорением на GPU для больших языковых моделей с использованием Graphistry и MCP.
Обзор
Этот проект объединяет мощную платформу визуализации графов с ускорением на GPU от Graphistry с протоколом управления моделями (MCP), что обеспечивает расширенные возможности анализа графов для помощников ИИ и LLM. Он позволяет LLM визуализировать и анализировать сложные сетевые данные через стандартизированный, дружественный LLM интерфейс.
Основные характеристики:
- Визуализация графиков с ускорением на GPU с помощью Graphistry
- Расширенное обнаружение закономерностей и анализ взаимосвязей
- Сетевая аналитика (обнаружение сообщества, центральность, поиск пути, обнаружение аномалий)
- Поддержка различных форматов данных (Pandas, NetworkX, списки ребер)
- API, дружественный LLM: единый словарь
graph_data для графических инструментов
🚨 Важно: требуется регистрация на курс «Графика»
Для использования функций визуализации этому серверу MCP требуется бесплатная учетная запись Graphistry.
- Зарегистрируйте бесплатную учетную запись на hub.graphistry.com
- Перед запуском сервера задайте свои учетные данные как переменные среды или в файле
.env :export GRAPHISTRY_USERNAME=your_username
export GRAPHISTRY_PASSWORD=your_password
# or create a .env file with:
# GRAPHISTRY_USERNAME=your_username
# GRAPHISTRY_PASSWORD=your_password
.env.example .
Конфигурация MCP (.mcp.json)
Чтобы использовать этот проект с Cursor или другими MCP-совместимыми инструментами, вам нужен файл .mcp.json в корне вашего проекта. Шаблон предоставляется как .mcp.json.example .
Настраивать:
cp .mcp.json.example .mcp.json
Отредактируйте .mcp.json на:
- Установите правильные пути для вашей среды (например, корень проекта, исполняемый файл Python, серверный скрипт)
- Установите учетные данные Graphistry (или используйте переменные среды/.env)
- Выберите между режимами HTTP и stdio:
graphistry-http : подключается через HTTP (укажите url , соответствующий порту вашего сервера)graphistry : подключается через stdio (при необходимости задайте command , args и env )
Примечание:
.mcp.json.example содержит конфигурации HTTP и stdio. Включайте/отключайте по мере необходимости, устанавливая disabled поле.- См
.env.example для настройки переменных среды.
Установка
Рекомендуемая установка (Python venv + 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)
Или воспользуйтесь скриптом установки:
./setup-graphistry-mcp.sh
Использование
Запуск сервера
# 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
Безопасность и обработка учетных данных
- Сервер загружает учетные данные из переменных среды или
.env с помощью python-dotenv , поэтому вы можете безопасно использовать файл .env для локальной разработки. - Скрипт
start-graphistry-mcp.sh использует .env и является наиболее надежным и безопасным способом запуска сервера.
Добавление в курсор (или другие инструменты LLM)
- Добавьте сервер MCP в ваш
.cursor/mcp.json или эквивалентную конфигурацию:{
"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"
}
}
- Убедитесь, что используется виртуальная среда (либо указав полный путь к python venv, либо активировав ее перед запуском).
- Если вы видите ошибки, связанные с версией API или отсутствующими учетными данными, еще раз проверьте переменные среды и регистрацию.
Пример: Визуализация графика (API, дружественный LLM)
Основной инструмент, visualize_graph , теперь принимает один словарь graph_data . Пример:
{
"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."
}
}
Пример (гиперграф):
{
"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."
}
}
Доступные инструменты MCP
Для визуализации, анализа и манипулирования графиками доступны следующие инструменты MCP:
- visualize_graph : Визуализация графа или гиперграфа с использованием графического рендерера Graphistry с ускорением на GPU.
- get_graph_ids : список всех сохранённых идентификаторов графиков в текущем сеансе.
- get_graph_info : Получить метаданные (количество узлов/ребер, заголовок, описание) для сохраненного графа.
- apply_layout : Применить стандартную компоновку (force_directed, радиальная, круговая, сеточная) к графику.
- detect_patterns : запуск сетевого анализа (центральность, обнаружение сообществ, поиск пути, обнаружение аномалий).
- encode_point_color : Установить кодировку цвета узла по столбцу (категориальную или непрерывную).
- encode_point_size : Установить кодировку размера узла по столбцу (категориальную или непрерывную).
- encode_point_icon : Установить кодировку значка узла по столбцу (категориальную, с сопоставлением значков или биннингом).
- encode_point_badge : Установить кодировку значка узла по столбцу (категориальную, с сопоставлением значков или биннингом).
- apply_ring_categorical_layout : Расположить узлы в кольцах по категориальному столбцу (например, группа/тип).
- apply_group_in_a_box_layout : Расположить узлы в макете «группа в коробке» (требуется igraph).
- apply_modularity_weighted_layout : Расположить узлы по модульно-взвешенной схеме (требуется igraph).
- apply_ring_continuous_layout : Расположить узлы в кольцах по непрерывному столбцу (например, счет).
- apply_time_ring_layout : упорядочить узлы в кольцах по столбцу datetime (например, created_at).
- apply_tree_layout : Расположить узлы в древовидной (иерархической) структуре.
- set_graph_settings : Установка расширенных настроек визуализации (размер точки, влияние края и т. д.).
Внося вклад
PR и проблемы приветствуются! Этот проект быстро развивается по мере того, как мы узнаем больше о графической аналитике на основе LLM и интеграции инструментов.
Лицензия
Массачусетский технологический институт