← 返回目录

CodeGraphRAG

社区

面向多语言代码库的图谱增强 RAG。

查看安装方法 ↓ 横向对比 GitHub 源仓库 ↗

分类: 开发工具第 258 / 438
Stars: ★ 5.3k 非常热门
传输方式: stdio（本地进程）
运行环境: Python · Docker
凭据: 需要 API Key / 凭据
许可证: MIT
最近提交: 8 天前

50FMRS · D

资料显示这是一个 MIT 许可的开源 stdio MCP 服务器，面向多语言代码库提供基于 Memgraph 知识图谱的自然语言查询、检索和编辑能力。清单未提供具体 MCP 工具标识，因此工具列表保持为空。

最强项 · 文档质量 13/20 最弱项 · 可靠性 7/20

可靠性

7/20

安全与权限

9/20

维护活跃度

11/20

文档质量

13/20

安装易用性

10/20

查看各项评分依据

可靠性 7/20: 清单声明了基于stdio的MCP服务器和PyPI启动方式，README描述了查询、编辑及图数据库流程，但未提供工具清单、参数定义、初始化握手证据或提交的测试内容。README中的CI徽章不足以证明关键路径可执行，因此仅给出中低分，并因依赖Memgraph、两个LLM密钥及错误处理细节缺失而扣分。
安全与权限 9/20: 清单将两个API密钥标记为必需且保密，并使用本地stdio传输；README还提到编辑前有diff预览，并支持本地、私有及隔离部署。然而，工具权限边界、编辑确认机制、代码发送给外部LLM的具体数据流、数据库认证和网络访问范围均未明确，代码库读写范围可能较广，因此明显扣分。未见足以判定红线风险的证据。
维护活跃度 11/20: 项目未归档，提供MIT许可证、当前版本号、公开仓库、贡献指南和问题支持入口；README还展示了CI、覆盖率及质量检查徽章。但仅有16个开放问题和徽章不能证明持续提交、依赖更新、问题响应、版本发布节奏或安全响应流程，维护治理证据不完整。
文档质量 13/20: README覆盖功能定位、架构、支持语言、安装前置条件、快速开始、MCP指南、配置、故障排查、SDK和高级文档入口，信息层次较完整。由于实际链接内容未提供，工具参数、权限边界、限制、成本、LLM数据处理和常见失败诊断仍不可审核，因此未接近满分。
安装易用性 10/20: 提供PyPI安装命令、uv推荐路径、MCP清单中的uvx stdio运行方式、Memgraph主机端口和所需环境变量，并说明Docker、cmake和ripgrep前置条件。缺少具体主流客户端配置示例、完整密钥配置流程、Memgraph认证说明和从安装到成功握手的可验证步骤，且组件较多，因此属于可行但偏手工的安装路径。

实测已过期收录于 2026-07-29

查看 FMRS 评分方法 →

选型与风险

能访问什么读取本地文件写入 / 删除本地文件连接数据库

适合谁

需要分析多语言代码库的开发团队
使用 Memgraph 和知识图谱进行代码检索的用户
希望通过 Claude Code 查询或编辑代码库的用户

不适合谁

不需要代码库分析或编辑能力的用户
无法运行 Memgraph 或提供两个 LLM API 密钥的环境
只需要简单文本搜索的项目

所需权限

读取目标仓库中的源代码文件
将解析出的代码结构和关系写入 Memgraph
访问配置的 LLM 提供商 API
执行代码编辑时需要修改目标仓库文件

风险与副作用

AI 生成的 Cypher 查询、分析或编辑结果可能需要人工复核
编辑能力可能修改目标代码；虽然支持变更前差异预览，仍应先检查差异
源代码结构会写入 Memgraph，需评估代码和图数据库的访问控制
运行需要 ORCHESTRATOR_API_KEY 和 CYPHER_API_KEY 等敏感凭据

安装接入

准备工作

运行环境：Python · Docker

ORCHESTRATOR_API_KEY 必填密钥编排 LLM 提供商的 API 密钥，必需，需从相应 LLM 提供商处获取。

CYPHER_API_KEY 必填密钥 Cypher LLM 提供商的 API 密钥，必需，需从相应 LLM 提供商处获取。

其他可选配置项（7 个）

ORCHESTRATOR_PROVIDER 可选编排代理使用的 LLM 提供商（openai、anthropic、google、azure、cohere、ollama），默认 anthropic。

ORCHESTRATOR_MODEL 可选编排代理使用的模型名，默认 claude-sonnet-4-20250514。

CYPHER_PROVIDER 可选 Cypher 查询生成使用的 LLM 提供商，默认 anthropic。

CYPHER_MODEL 可选 Cypher 查询生成使用的模型名，默认 claude-sonnet-4-20250514。

MEMGRAPH_HOST 可选 Memgraph 数据库主机名，默认 localhost。

MEMGRAPH_PORT 可选 Memgraph 数据库端口，默认 7687。

TARGET_REPO_PATH 可选要分析的代码库路径，未设置时自动从工作目录检测。

使用 uvx 运行 PyPI 包 code-graph-rag 的 mcp-server 子命令。配置必需的 ORCHESTRATOR_API_KEY 和 CYPHER_API_KEY，并确保 Memgraph 可用；可选配置目标仓库路径。服务器使用 stdio 传输。

.mcp.json

{"mcpServers":{"code-graph-rag":{"command":"uvx","args":["code-graph-rag","mcp-server"],"env":{"ORCHESTRATOR_PROVIDER":"anthropic","ORCHESTRATOR_MODEL":"claude-sonnet-4-20250514","ORCHESTRATOR_API_KEY":"<required>","CYPHER_PROVIDER":"anthropic","CYPHER_MODEL":"claude-sonnet-4-20250514","CYPHER_API_KEY":"<required>","MEMGRAPH_HOST":"localhost","MEMGRAPH_PORT":"7687","TARGET_REPO_PATH":"<optional-repository-path>"}}}}

以 Claude Code 为例。其他客户端的配置文件位置或字段可能不同（如 VS Code 使用 servers 字段），可用下方配置生成器转换。

.vscode/mcp.json

{
  "servers": {
    "code-graph-rag": {
      "command": "uvx",
      "args": [
        "code-graph-rag",
        "mcp-server"
      ],
      "env": {
        "ORCHESTRATOR_PROVIDER": "anthropic",
        "ORCHESTRATOR_MODEL": "claude-sonnet-4-20250514",
        "ORCHESTRATOR_API_KEY": "<required>",
        "CYPHER_PROVIDER": "anthropic",
        "CYPHER_MODEL": "claude-sonnet-4-20250514",
        "CYPHER_API_KEY": "<required>",
        "MEMGRAPH_HOST": "localhost",
        "MEMGRAPH_PORT": "7687",
        "TARGET_REPO_PATH": "<optional-repository-path>"
      }
    }
  }
}

写入项目的 .vscode/mcp.json（VS Code 使用 servers 字段）。

Terminal

claude mcp add code-graph-rag -e ORCHESTRATOR_PROVIDER=anthropic -e ORCHESTRATOR_MODEL=claude-sonnet-4-20250514 -e 'ORCHESTRATOR_API_KEY=<required>' -e CYPHER_PROVIDER=anthropic -e CYPHER_MODEL=claude-sonnet-4-20250514 -e 'CYPHER_API_KEY=<required>' -e MEMGRAPH_HOST=localhost -e MEMGRAPH_PORT=7687 -e 'TARGET_REPO_PATH=<optional-repository-path>' -- uvx code-graph-rag mcp-server

在终端运行；先把 <…> 占位符换成你自己的值。

生成并校验客户端配置

验证是否装好

在 MCP 客户端启动后确认 code-graph-rag 服务器已连接，先用 cgr daemon up 启动 Memgraph 并用 cgr start --repo-path 解析仓库，然后询问一个关于代码库结构的问题，能得到基于知识图谱的回答即说明工作正常。

常见排障

确认已安装 uvx 对应的 code-graph-rag 包
确认 ORCHESTRATOR_API_KEY 和 CYPHER_API_KEY 已设置且对应提供商配置正确
确认 Memgraph 在配置的主机和端口上运行，默认是 localhost:7687
确认 TARGET_REPO_PATH 指向目标仓库，或从正确的工作目录启动
检查 Docker、cmake 和 ripgrep 等项目文档列出的前置条件

试试这样问

连接成功后，可以直接对 AI 助手这样说：

这个代码库里哪些函数没有被任何入口点调用？
找出 UserRepository 类的完整源代码。
把 parseConfig 函数重构为使用显式的错误处理，并先展示 diff。
这个项目里 UserService 被哪些模块引用了？

使用场景

用自然语言理解单体仓库结构

按名称或意图检索函数、类和方法源码

通过 AST 进行结构化搜索与替换

发现死代码并追踪数据流

在代码库上执行 AI 辅助编辑和优化

支持客户端

Claude Code

依据项目文档列出，未经本站实测。

详细介绍

Code-Graph-RAG 使用 Tree-sitter 解析多语言代码库，将函数、类、方法、模块及其关系存入 Memgraph 知识图谱，并通过自然语言查询、检索、编辑和优化代码。它支持在统一图谱中分析混合语言单体仓库。