无需代码！MCP Neo4j 如何颠覆知识图谱构建？

显示全部楼层

ingFang SC", system-ui, -apple-system, "system-ui", "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;letter-spacing: 0.544px;background-color: rgb(255, 255, 255);visibility: visible;margin-bottom: 0px;">

ingFang SC";font-size: 14px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">在当今数据驱动的世界里，知识图谱已成为一种强大的工具，能够捕获和查询不同实体之间复杂的ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: inherit;color: rgb(1, 155, 252);">关系。

一张示例知识图谱，以圆形代表节点，箭头代表关系。图中突出显示了实例数据和组织原则。

ingFang SC";font-size: 14px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">传统上构建知识图谱需要大量的编码知识，但现在情况正在发生变化。本文将介绍一种简化的构建方法，将 Anthropic 的 Claude AI 助手与Neo4j 图数据库结合起来。借助模型上下文协议 (Model Context Protocol, MCP)，这一过程完全无需编写任何代码。

ingFang SC";font-size: 14px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">本文将详细介绍我的实践经验，展示如何仅通过与 AI 助手的对话，就为一所学校（特别是建模其考试安排和课程信息）构建一个全面的教育系统知识图谱。

ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;display: table;padding: 0px 0.2em;color: rgb(255, 255, 255);background: rgb(1, 155, 252);">什么是模型上下文协议 (Model Context Protocol, MCP)？

模型上下文协议 (MCP)是一项新兴标准，它允许 AI 模型与外部工具和数据源进行交互。借助 MCP，像 Claude 这样的 AI 助手能够在数据库等系统上直接执行命令，这极大地扩展了它们处理特定任务的能力，使其不再局限于自身的训练数据。

简单来说，MCP 让 Claude 能够直接访问并与你的 Neo4j 数据库交互。

前提条件

要按照此方法进行操作，你需要：

1.Docker Desktop：用于在容器中运行 Neo4j。
2.Neo4j 数据库：可以是 Docker 容器版或云实例。
3.UV 包管理器：一个快速的 Python 包管理器，用于安装本方法所需的软件依赖。

MacOS/Linux:

curl-LsSfhttps://astral.sh/uv/install.sh|sh

Windows:

powershell-ExecutionPolicyByPass-c"irmhttps://astral.sh/uv/install.ps1|iex"

4.Claude for Desktop

5. MCP 插件配置：用于连接 Claude 到 Neo4j；使用 Neo4j 提供的 mcp-neo4j-cypher工具（https://github.com/neo4j-contrib/mcp-neo4j/tree/main/servers/mcp-neo4j-cypher）。

设置 MCP 配置

成功实现此方法的关键在于正确设置 MCP 配置。我使用的配置如下：

"neo4j": {
 "command":"/Users/<username>/.local/bin/uvx", # **请替换此路径**
 "args": [
   "mcp-neo4j-cypher",
   "--db-url",
   "bolt://localhost",
   "--username",
   "neo4j",
   "--password",
   "password"
  ]
}

此配置通过 Bolt 协议将 Claude 连接到本地运行的 Neo4j 实例。请务必将配置中的/Users/<username>/.local/bin/uvx替换为你系统中uvx可执行文件的完整路径，并根据你的实际数据库设置调整--db-url、--username和--password参数。

在此获取云配置和 MCP 插件的详细信息（https://github.com/neo4j-contrib/mcp-neo4j/tree/main/servers/mcp-neo4j-cypher）。

验证设置

启动 Claude for Desktop 后，你将看到以下由 Neo4j 提供的新功能工具：

1.get-neo4j-schema：用于检索 Neo4j 数据库的模式 (schema)。
2.read-neo4j-cypher：用于从图数据库中查询信息。
3.write-neo4j-cypher：用于更新数据库中的图数据。

这些工具会出现在你的 Claude for Desktop 界面中，表明 MCP 已成功与 Neo4j 集成。

案例研究：构建教育系统知识图谱

为了展示此方法的强大之处，我决定构建一个教育系统——具体来说，是 Brainiacs 辅导中心 4B 班第二学期的考试安排和课程信息(https://brainiacstutoring.co.za/product-category/grade4/)。

第一步：创建基本模式 (schema)

第一步是建立图数据库的基本结构。通过与 Claude 对话，我说明了需要建模的实体和关系：

•学校 (School)：Brainiacs 辅导中心
•年级 (Grade)：四年级，B班
•科目 (Subjects)：数学、英语、科学等
•考试 (Exams)：安排了具体日期的考试
•主题/内容 (Topics)：每个科目的具体课程章节

我没有编写查询语句，只是简单地向 Claude 解释了我的需求，然后它就生成并执行了相应的 Neo4j Cypher 命令来构建这个结构。

第二步：添加实体和关系

建立模式后，我需要从我的学校文档中提取实际数据来填充数据库。Claude 分析了我分享的考试安排和课程文档，然后自动创建了：

• 带有正确名称的学校节点 (School node)
• 带有班级和学期信息的年级节点 (Grade node)
• 各科目的科目节点 (Subject nodes)
• 带有日期、时间和星期几的考试节点 (Exam nodes)
• 代表课程章节的主题/内容节点 (Topic nodes)
• 有意义地连接所有这些实体的关系 (Relationships)

所有这些都是通过自然对话完成的。我完全无需亲手编写任何 Cypher 查询语句！

要使用某个工具，你需要授权给它，可以选择授权一次或针对整个对话授权。在本例中，由于我正在更新数据库，所以需要注意，Claude 对我配置的数据库拥有完整的写入权限。

接着，Claude 从文档中提取信息，并使用 Cypher 语句在数据库中创建节点，包括：

• 年级 (Grade)
• 科目 (Subject(s))
• 考试 (Exam)
• 主题/内容 (Topics)

它会迭代处理每个主题/内容并单独创建。（注意：如果指示它从列表中创建，效率会更高。）

Claude 还会创建插入的节点之间的关系，这样我们就能从原始 PDF 文档中得到一个完整的图结构。

第三步：查询知识图谱

数据库填充完成后，我可以通过用普通英语向 Claude 提问来查询。例如，当我问“英语考试是什么时候？考哪些内容？”，Claude 就自动生成并运行了相应的 Cypher 查询，返回了以下信息：

英语考试：

•日期：2025年3月4日，星期二
•时间：上午11点至中午12点

英语考试内容：

1. 第6单元 — 交流
2. 第7单元 — 地点和方向
3. 第8单元 — 休息一下
4. 第9单元 — 打破纪录
5. 语法 — 包含在这些单元里的所有主题
6. 未见过的文章 (Unseen Passage)
7. 未见过的诗歌 (Unseen Poem)
8. 图片描述 (Picture Description)

在幕后，Claude 执行了类似以下的 Cypher 查询：

// 查询英语考试的时间安排
MATCH(subject:Subject {name:'English'})-[:HAS_EXAM]->(exam:Exam)
RETURN exam.date AS Date, exam.day AS Day, exam.startTime AS StartTime, exam.endTime AS EndTime

// 查询英语考试的主题/内容
MATCH (subject:Subject {name: 'English'})-[:INCLUDES_TOPIC]->(topic:Topic)
RETURN topic.name AS Portion

这些复杂的 Cypher 查询语句，正是 Claude 根据我的自然语言提问自动生成并执行的，我完全无需关心查询细节。

以下是一些原始文档，Claude 从中提取信息并转换成了图谱元素。

知识图谱可视化

此方法的一个强大之处在于 Claude 能够创建图结构的可视化效果。通过我们的对话，Claude 生成并执行了代码来可视化：

1. 显示节点类型和关系的结构模式图。

2. 年级-科目-考试关系的图表示。

3. 显示各科目主题/内容数量的柱状图。

全程无需代码的 MCP 方法的核心优势

完成这个项目后，我发现将 Claude 与 MCP 结合用于 Neo4j 具有以下几个显著优势：

1.易用性：图数据库操作对非开发人员更加友好，无需编程基础即可上手。
2.速度：构建复杂数据库的速度显著加快。
3.自然语言接口：可以使用日常语言查询数据库。
4.自动化文档：Claude 自动为数据库结构生成文档。
5.内置可视化：无需额外工具即可获得有用的可视化效果。
6.敏捷迭代：通过对话即可轻松修改和扩展数据库。

局限性与注意事项

尽管此方法功能强大，但也存在一些值得注意的局限性：

1.复杂查询：复杂的查询模式可能仍需要手动优化才能获得最佳性能。
2.安全性：需要注意 MCP 配置中数据库凭据的安全问题。
3.性能：对于大型数据库，专门的工具可能提供更好的性能。
4.验证：始终需要验证大型语言模型 (LLM) 的操作，包括数据提取、数据创建、查询结果和生成的代码。作为你所在领域和用例的专家，最终结果的准确性和可靠性仍需你来把控并负责。

总结

Claude、MCP 和 Neo4j 的结合代表着图数据库技术走向民主化的重要一步。通过消除编码障碍，此方法为更广泛的受众开启了强大的知识图谱构建能力。

无论你是构建课程关系的教育工作者，还是绘制复杂网络的科研人员，抑或是可视化组织结构的业务分析师，这种对话驱动的方法都让图数据库比以往任何时候都更易于使用。

我期待看到这种方法的未来发展，以及通过 AI 辅助的对话驱动开发，能够进一步简化哪些复杂数据库任务。