MCP Catalogs
首页samyama-graph screenshot

samyama-graph

by samyama-ai·62·综合分 48

高性能图向量数据库,支持通过 MCP 服务器实现自然语言查询知识图谱。

databaseknowledge-graphai-llm
4
Forks
5
活跃 Issue
本月
最近提交
2 天前
收录于

概述

Samyama 是一个基于 Rust 的图向量数据库,能够处理海量数据(单台机器上可容纳高达 7400 万节点和 10 亿边)。它实现了 OpenCypher 查询语言,并提供 Redis 协议支持和 HTTP 端点。该项目包含一个专门的 MCP 服务器,允许 AI 代理通过自然语言查询知识图谱。Samyama 展示了令人印象深刻的性能基准,包括仅用 2.50 美元查询 10 亿条边。其 MCP 集成尤为突出,因为它可以从图模式自动生成 MCP 服务器,为任何图数据集实现即时 AI 代理功能。

试试问 AI

装完之后,这里有 6 个你可以让 AI 做的事:

:通过查询相互连接的医学文献、临床试验和药物相互作用进行生物医学研究
:为企业知识图谱生成自动 MCP 服务器,用于 AI 代理
:用于社交网络或欺诈检测的大规模图分析,具有并行算法
:Samyama 支持哪些查询语言?
:Samyama 能否处理多领域知识图谱?
:MCP 服务器集成是如何工作的?

什么时候选它

当处理需要传统图操作和向量搜索的海量图数据集(10亿+边)时选择 Samyama,特别是在生物医学研究或企业知识管理场景中。

什么时候不要选它

如果您需要成熟的云托管解决方案和企业级安全功能,请避免使用 Samyama,因为它是一个自托管系统,多租户访问控制和审计功能有限。

此 server 暴露的工具

从 README 抽取出 12 个工具
  • query_graph

    Execute OpenCypher queries on the graph database

  • run_graph_algorithm

    Execute graph algorithms like PageRank or community detection

  • vector_search

    Perform semantic search using vector embeddings

  • load_graph_data

    Load domain-specific knowledge graphs into the database

  • analyze_biomedical_data

    Query biomedical knowledge graphs for research insights

  • natural_language_query

    Convert natural language questions to Cypher queries

  • create_vector_index

    Create vector indexes for semantic search capabilities

  • execute_algorithm

    Run specific graph algorithms on the database

  • analyze_fraud_patterns

    Detect fraud patterns in banking and financial networks

  • analyze_supply_chain

    Analyze supply chain networks for disruptions and optimization

  • analyze_clinical_trials

    Query clinical trial data for research insights

  • analyze_manufacturing

    Analyze manufacturing networks for digital twins and failure prediction

说明:Tools were inferred from the README's documentation of capabilities and examples. While there's no explicit 'Tools' section, the README demonstrates various functions through examples and feature descriptions. The tools represent the main f

可对比工具

neo4j-mcptigergraph-mcpmemgraph-mcparango-db

安装

# 安装 Samyama
git clone https://github.com/samyama-ai/samyama-graph && cd samyama-graph
cargo build --release
./target/release/samyama  # 在 :6379 启动 RESP,在 :8080 启动 HTTP

# 安装 MCP 服务器
pip install samyama[mcp]

# 使用演示数据启动 MCP 服务器
samyama-mcp-serve --demo cricket

Claude Desktop 集成:

{
  "mcpServers": {
    "samyama": {
      "command": "python",
      "args": ["-m", "samyama.mcp"],
      "env": {}
    }
  }
}

FAQ

Samyama 支持哪些查询语言?
Samyama 支持 OpenCypher 查询(约 90% 兼容性),以及使用 Cypher 扩展的向量搜索 API。它还接受会被翻译成 Cypher 的自然语言查询。
Samyama 能否处理多领域知识图谱?
是的,Samyama 已经加载并查询了多个相互连接的知识图谱,包括 PubMed、ClinicalTrials.gov、Reactome 和 DrugBank,同时在单台机器上运行。
MCP 服务器集成是如何工作的?
Samyama 提供了一个 'samyama-mcp-serve' 命令,可以从您的图模式生成 MCP 服务器工具,使 AI 代理能够查询数据库,而无需自定义工具定义。

samyama-graph 对比

GitHub →

最后更新于 · 由 README + GitHub 公开数据自动生成。