← 返回目录

Neo4j Data Modeling MCP Server

社区

创建、验证并可视化 Neo4j 图数据模型

查看安装方法 ↓ 横向对比 GitHub 源仓库 ↗

分类: 数据库第 37 / 58
Stars: ★ 988 非常热门
传输方式: stdio（本地进程）
运行环境: Python · Docker
凭据: 无需凭据
许可证: MIT
最近提交: 45 天前

51FMRS · D

这是 Neo4j Labs 的图数据建模 MCP 服务器，适合在写入前设计和验证图模型，但属于实验性项目，无官方产品支持与兼容性保证。

最强项 · 维护活跃度 13/20 最弱项 · 可靠性 8/20

可靠性

8/20

安全与权限

10/20

维护活跃度

13/20

文档质量

9/20

安装易用性

11/20

查看各项评分依据

可靠性 8/20: 静态审阅限于所提供的清单与仓库级 README，未包含 servers/mcp-neo4j-data-modeling 目录下的源码、单元测试或该子服务器的 CI 工作流；按静态校准原则，缺少真实 CI 与覆盖关键路径的已提交测试，可靠性不得高于 12。清单声明 stdio 传输与单一可选环境变量 NEO4J_NAMESPACE，描述简洁且与包名一致，未见自相矛盾之处，仅说明为“创建图数据模型”，无依赖外部数据库或网络等隐蔽要求，启动路径看起来可行。但工具清单、输入输出 schema、错误处理与依赖解析均无证据，无法验证“声明的工具是否与真实行为一致”，故按“快乐路径可信但边界与测试薄弱”锚点向下取 8。
安全与权限 10/20: 未触及红线：未发现恶意代码、凭据窃取、隐蔽外传、未经确认的破坏性删除/付费/部署默认值、伪造维护者身份或安装示例中的真实密钥。清单中唯一环境变量 NEO4J_NAMESPACE 明确标注 isRequired=false、isSecret=false，属于非敏感配置，权限面很小；数据建模服务器本身不强制持有 Neo4j 凭据，这点对最小权限有利。扣分项在于证据不足而非证据为负：无法确认数据模型导入/导出（如 Arrows.app）是否访问外部网络、是否写入磁盘或远程 Neo4j，是否存在危险操作的确认机制，以及数据边界的披露，均缺少源码证据。按“主要风险可见但权限/确认/作用域不完整”的中间锚点并考虑不确定性向下取值，给 10。
维护活跃度 13/20: 仓库为 neo4j-contrib 组织下的 Neo4j Labs 项目，明确声明由 Neo4j Field GenAI 团队开发维护并欢迎社区贡献，采用 MIT 许可证，当前未归档，980 星与 25 个开放 issue 提示有持续的用户关注与维护活动；清单给出具体语义化版本 0.8.2 与 PyPI 包标识，版本发布路径清晰。扣分项：属于 Labs 实验项目，README 明确不提供 SLA、不断言向后兼容与弃用策略，因此治理与稳定性承诺存在缺口；无证据显示依赖更新策略、安全响应渠道或子服务器的独立发布节奏，故按“活跃但治理/版本化有缺口”锚点取 13。
文档质量 9/20: 仓库级 README 提供了四个服务器的概览、传输模式说明（STDIO/SSE/HTTP）及 HTTP 配置示例，并链接了云部署指南与多篇博客，具备一定分层结构，并诚实披露 Labs 项目无 SLA 的局限。扣分显著：顶级 README 描述的是兄弟服务器，其示例命令（如 mcp-neo4j-cypher --transport http）不可归因于 data-modeling 子服务器；针对本服务器仅有“创建、校验、可视化 Neo4j 图数据模型，支持 Arrows.app 导入导出”一句，缺少工具参数、返回值、认证要求、限制、成本与故障排查的实际内容。按“可用但存在隐藏假设与排障缺口”锚点向下取 9。
安装易用性 11/20: 安装路径较为明确：PyPI 包 mcp-neo4j-data-modeling 0.8.2，stdio 传输，唯一可选环境变量可省略即可默认运行，属于较少的步骤与低复杂度配置；README 亦提及支持 Claude Desktop、VS Code、Cursor 等主流客户端。但清单未包含任何客户端配置示例（如 claude_desktop_config 片段），README 的 HTTP/环境变量示例面向其他服务器，未针对本服务器给出可复制的配置，亦无平台兼容性、Python 版本或容器化说明。按静态校准，缺少可验证执行证据时安装易用性不高于 15；此处证据薄弱且部分示例误导向兄弟服务器，取 11。

静态评测 · 未实际运行收录于 2026-09-10

查看 FMRS 评分方法 →

选型与风险

能访问什么连接数据库

适合谁

希望在写入数据库前设计并验证图模型的 Neo4j 用户
使用兼容 MCP 客户端进行图数据建模的开发者

不适合谁

需要 Neo4j 官方产品支持或 SLA 保障的团队
需要向后兼容性保证的生产环境

所需权限

本地以 stdio 方式运行，并使用本机资源

风险与副作用

该项目为 Neo4j Labs 实验性项目，功能频繁更新且不保证向后兼容性或弃用策略
Neo4j 产品团队不提供官方支持
通过 Arrows.app 导入导出模型可能将模型数据发送至外部服务

安装接入

准备工作

运行环境：Python · Docker

其他可选配置项（1 个）

NEO4J_NAMESPACE 可选可选，设置MCP服务器工具名称的命名空间前缀，无需从任何地方获取凭据。

从 PyPI 安装 mcp-neo4j-data-modeling（版本 0.8.2），并以 stdio 传输方式配置到兼容 MCP 的客户端。可在环境中设置 NEO4J_NAMESPACE 以设定工具名称命名空间。

验证是否装好

安装后查看MCP客户端工具列表中是否出现mcp-neo4j-data-modeling服务器的数据建模工具；或直接让AI助手创建并可视化一个简单图模型，能返回模型即证明连接成功。

常见排障

确认已安装 mcp-neo4j-data-modeling 的 0.8.2 版本
确认 MCP 客户端已按 stdio 传输方式配置
检查 NEO4J_NAMESPACE 设置是否符合预期的工具命名空间

试试这样问

连接成功后，可以直接对 AI 助手这样说：

为我的Neo4j图数据创建一个用户、订单和产品的数据模型
校验我现有的图数据模型是否符合Neo4j最佳实践
把当前的图数据模型导出为Arrows.app格式
可视化展示这个数据模型中的节点和关系

使用场景

以交互方式设计 Neo4j 图数据模型

在写入数据库前验证图数据模型

可视化图数据模型结构

与 Arrows.app 之间导入导出数据模型

详细介绍

该服务器是 neo4j-contrib/mcp-neo4j 仓库中四个 MCP 服务器之一，由 Neo4j Field GenAI 团队作为 Neo4j Labs 项目开发，并非 Neo4j 官方产品支持。它提供交互式图数据建模与可视化能力：创建、验证并可视化 Neo4j 图数据模型，并支持与 Arrows.app 之间导入导出模型。通过 PyPI 包 mcp-neo4j-data-modeling（版本 0.8.2）以 stdio 传输方式运行，可选环境变量 NEO4J_NAMESPACE 用于设置工具名称的命名空间。

同仓库的其他 Server

源版本 1c7ad0793b5f 数据同步于 2026-10-19 查看 FMRS 评分方法