如何把 Graphiti MCP 服务器接入 Cursor 并配置 HTTP 端点与 group_id【免费下载链接】graphitiBuild Real-Time Knowledge Graphs for AI Agents项目地址: https://gitcode.com/GitHub_Trending/grap/graphiti本文的任务是在本机跑起 Graphiti 的 MCP 服务器让 Cursor 通过 HTTP 端点http://localhost:8000/mcp/连上它并用group_id为图谱数据划分命名空间使 Cursor 里的 Agent 能通过add_memory、search_nodes等工具读写自己的知识图谱。依据是仓库中 mcp_server/README.md 的 Integrating with the Cursor IDE 一节。适用前提本机已安装 Docker 和 Docker Compose默认 FalkorDB 方案必需并有一个可用的 LLM 提供商 API key默认配置为 OpenAI。准备条件默认组合容器方案需要 Docker Docker Compose如果你选择用uv直接运行main.py还需要 Python 3.10 以及uv并且要有一个外部 FalkorDB 实例config.yaml 中 FalkorDB 的默认地址是redis://localhost:6379。先准备依赖在mcp_server目录下仅uv run直接执行路径需要# 如果没有 uv先安装 curl -LsSf https://astral.sh/uv/install.sh | sh # 创建虚拟环境并安装依赖 uv sync # 可选安装其他 LLM 提供商支持anthropic、gemini、groq 等 uv sync --extra providers再准备 API key。仓库要求在mcp_server/目录下放.env文件注意必须在mcp_server/目录内不能放到docker/子目录里模板见 .env.examplecd graphiti/mcp_server cp .env.example .env编辑.env至少设置一个 LLM 提供商的 key# 必需——至少一个 LLM 提供商 API key OPENAI_API_KEYyour_openai_api_key_here启动服务器并确认 HTTP 端点Graphiti MCP 服务器默认使用 HTTP transport端点为http://localhost:8000/mcp/健康检查为http://localhost:8000/health。两条启动路径都从mcp_server目录执行命令主路径Docker Compose 组合容器推荐。单个容器内同时包含 FalkorDB 和 MCP 服务器cd graphiti/mcp_server docker compose up启动后包含HTTP transporthttp://localhost:8000/mcp/FalkorDB 图数据库localhost:6379FalkorDB Web UIhttp://localhost:3000LLMOpenAI默认模型 gpt-5.5嵌入模型 text-embedding-3-small可选路径uv 直接执行。需要本机已有 FalkorDB或按 config.yaml 修改数据库配置cd graphiti/mcp_server uv run main.py如果要用 Neo4j 替代 FalkorDBREADME 给出的替代命令是docker compose -f docker/docker-compose-neo4j.yml up配置优先级为config.yaml文件 环境变量 命令行参数。可用命令行的--transporthttp 或 stdio默认 http、--config、--llm-provider、--database-provider等覆盖配置文件完整列表见 mcp_server/README.md 的 Available Command-Line Arguments。配置 group_id 划分图谱命名空间group_id用于给图谱数据做命名空间图中信息按group_id分区多个项目或 Agent 可以共用同一个服务器而互不干扰。未指定时服务器默认使用main。三种设置方式按文档给出的优先级从低到高命令行参数--group-idREADME 的 Cursor 集成步骤采用的方式uv run main.py --group-id 你的group_id其中你的group_id需要替换成自己选择的命名空间字符串例如某个项目名这是读者必须自己提供的值。配置文件编辑 mcp_server/config/config.yaml 的graphiti段默认值为graphiti: group_id: ${GRAPHITI_GROUP_ID:main}即环境变量GRAPHITI_GROUP_ID未设置时落到main。环境变量config.yaml支持${VAR_NAME:default}展开语法可在.env中提供GRAPHITI_GROUP_ID。注意 mcp_server/.env.example 中对应的注释行写的是GROUP_IDmy_project与config.yaml展开的变量名不一致用环境变量方式时以config.yaml中的GRAPHITI_GROUP_ID为准。配置了默认group_id之后各 MCP 工具的group_id/group_ids参数都可以省略——工具在省略时会回落到配置里的默认 group例如add_memory会返回 Episode {name} queued for processing in group {group_id}。同一个group_id下的 episode 按顺序处理以避免竞态。在 Cursor 中接入 HTTP 端点服务器起来后把 Cursor 指向端点。按 README 的 Cursor 集成步骤在 Cursor 的 MCP 配置中加入{ mcpServers: { graphiti-memory: { url: http://localhost:8000/mcp/ } } }然后做 README 列出的第 3 步把 Graphiti 规则加入 Cursor 的 User Rules。规则内容在 mcp_server/docs/cursor_rules.md核心要求是开始任务前先用search_nodes查相关偏好和流程、用事实搜索查实体关系用户表达新需求或偏好时立刻用add_memory存入图谱工作中遵循查到的偏好与流程。最后在 Cursor 里启动一个 Agent 会话即可使用这些工具。验证接入是否成功文档给出的检查方式健康检查访问http://localhost:8000/health确认服务器在线。get_status工具MCP 工具列表中get_status用于获取服务器与数据库连接状态可在 Cursor 的 Agent 会话中直接调用。FalkorDB Web UI默认方案下访问http://localhost:3000查看图数据库中写入的数据。group_id 行为调用add_memory后确认返回消息中的 group 名与配置的group_id一致省略group_id时看到的应是默认值--group-id未指定时为main。限制与排查要点LLM 限流每个 episode 的摄入包含多次 LLM 调用实体抽取、去重、摘要并发由.env中的SEMAPHORE_LIMIT控制默认 10适合 OpenAI Tier 3、中档 Anthropic。README 给出的调整区间OpenAI Tier 1 设 1-2、Tier 2 设 5-8、Tier 4 设 20-50Anthropic 默认档 5-8、高档 15-30本地 Ollama 1-5。设太高的症状是 429 限流错误和 API 成本上升太低则是 episode 吞吐变慢。--destroy-graph参数会在启动时销毁所有 Graphiti 图接入 Cursor 前确认你不会误加该参数。遥测MCP 服务器随 Graphiti core 收集匿名遥测不需要可在.env中设置GRAPHITI_TELEMETRY_ENABLEDfalse。.env位置所有docker compose命令都必须从mcp_server/目录执行否则.env不会被正确加载从docker/子目录运行时需要手动改 compose 文件中的env_file路径README 建议不要这样做。完成以上步骤后Cursor 中的 Agent 会话即可通过http://localhost:8000/mcp/使用 Graphiti 的图谱工具且所有数据落在你指定的group_id命名空间内。【免费下载链接】graphitiBuild Real-Time Knowledge Graphs for AI Agents项目地址: https://gitcode.com/GitHub_Trending/grap/graphiti创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考