← 返回目录

MCP Server infranodus

官方

将 InfraNodus 知识图谱和文本网络分析能力集成到 LLM 工作流中。

查看安装方法 ↓ 横向对比 GitHub 源仓库 ↗

分类: 其他第 101 / 230
Stars: ★ 102 热门
传输方式: stdio（本地进程） · Streamable HTTP
运行环境: Node.js 18+
凭据: 需要 API Key / 凭据
许可证: MIT
最近提交: 22 天前
工具数: 30

56FMRS · C

InfraNodus MCP 服务器提供了丰富的文本网络分析工具，将知识图谱能力无缝集成到 LLM 工作流中。其强大的功能（如内容缺口检测和 SEO 分析）使其对内容创建者和研究人员特别有价值。然而，用户需要注意 API 配额和隐私因素。

最强项 · 文档质量 15/20 最弱项 · 可靠性 9/20

可靠性

9/20

安全与权限

9/20

维护活跃度

9/20

文档质量

15/20

安装易用性

14/20

查看各项评分依据

可靠性 9/20: 证据：README 列出了 30 个工具、stdio/npx/node 启动方式、build/inspect 命令和进度通知设计，happy path 看起来可行。扣分：没有 server manifest、package.json 或源码清单；没有 CI workflow 或提交测试；构建说明存在歧义（build:inspect 与 build 的关系不清）；无法验证工具名/参数与实现一致，也没有错误处理与边界情况文档。因此按静态校准不能超过 12，取 9。
安全与权限 9/20: 证据：API key 通过环境变量传入，示例中只有占位符，没有真实密钥；未发现恶意代码、凭据窃取、隐蔽外传等红线行为。扣分：README 未说明数据流、隐私或保留策略；API key 看上去可访问整个 InfraNodus 账户，缺少最小权限指导；多个工具默认持久化/保存图谱（如 generate_ontology_graph、memory_add_relations）但没有显式确认或副作用披露；无安全策略或漏洞报告渠道。风险可见但权限/确认/范围不完整，取 9。
维护活跃度 9/20: 证据：仓库未归档，MIT 许可证存在，README 显示有 npm 包和持续开发迹象，open issues 数较少。扣分：缺少 commits/releases/依赖更新记录、CI 状态、issue 响应证据和安全响应渠道；Stars 仅作发现信号不计分。活跃度无法证实，治理/版本管理有缺口，取 9。
文档质量 15/20: 证据：README 覆盖面广：托管 URL/npx/本地/Smithery 多种安装、macOS/Windows 配置示例、30 个工具说明、部分 API 参数、进度通知、开发命令、故障排除、资源链接。扣分：仅 4 个工具有正式参数文档，多数工具缺少详细 schema/限制；成本与数据隐私披露不完整；README 有拼写/歧义（yourusername、build 与 build:inspect 等）。总体分层清晰、示例充足，但限制披露不完全，取 15。
安装易用性 14/20: 证据：README 提供托管 URL 一步连接、npx 配置示例（Claude Desktop/Cursor/Claude Code）、本地构建步骤、Windows/macOS 路径和 Smithery 备选方案，Node.js 18+ 前置条件明确。扣分：无 CI/测试等可验证执行证据，按静态校准 setup 上限 15；构建命令说明混乱（build:inspect vs build），clone URL 是占位符，托管 OAuth 流程细节缺失，包版本未固定。整体步骤清晰但仍有手工/歧义点，取 14。

静态评测 · 未实际运行收录于 2026-08-07

查看 FMRS 评分方法 →

选型与风险

能访问什么访问网络修改第三方账户数据

适合谁

需要知识图谱和网络分析的研究人员
内容创作者和 SEO 专业人士
希望增强 LLM 工作流上下文的开发者
需要从文本中提取结构化洞察的分析师

不适合谁

需要完全离线无 API 密钥使用的用户（免费额度有限）
寻求轻量级简单文本摘要的用户
不需要图结构或网络分析的用户

所需权限

需要有效的 InfraNodus API 密钥
可以读取提供的文本或 URL 内容
可以创建、检索和修改用户账户中的知识图谱
可能调用外部 AI 模型（通过 InfraNodus API）

风险与副作用

API 密钥滥用或泄露风险
依赖外部 API 的可用性和配额限制
付费墙：免费额度后需要 API 密钥
托管服务器可能存储文本数据，隐私风险

安装接入

准备工作

运行环境：Node.js 18+

INFRANODUS_API_KEY 必填密钥 InfraNodus 账户的 API 密钥，在 https://infranodus.com/api-access 获取；留空可先免费使用约 70 次请求，之后必须填入有效密钥。

在 InfraNodus 创建账户并获取 API 密钥（支持 14 天免费试用）。
对于远程/网页应用，使用服务器 URL https://mcp.infranodus.com 添加 MCP 服务器，并通过 OAuth 认证。
对于本地安装，使用 npx 命令 npx -y infranodus-mcp-server 并设置环境变量 INFRANODUS_API_KEY。
将配置添加到支持的客户端（如 Claude Desktop 或 Cursor）。

claude_desktop_config.json

{
  "mcpServers": {
    "infranodus": {
      "command": "npx",
      "args": [
        "-y",
        "infranodus-mcp-server"
      ],
      "env": {
        "INFRANODUS_API_KEY": "YOUR_INFRANODUS_API_KEY"
      }
    }
  }
}

以 Claude Desktop 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": {
    "infranodus": {
      "command": "npx",
      "args": [
        "-y",
        "infranodus-mcp-server"
      ],
      "env": {
        "INFRANODUS_API_KEY": "YOUR_INFRANODUS_API_KEY"
      }
    }
  }
}

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

Terminal

claude mcp add infranodus -e INFRANODUS_API_KEY=YOUR_INFRANODUS_API_KEY -- npx -y infranodus-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 Claude Desktop 等客户端的工具列表中应能看到 infranodus 服务器提供的 generate_knowledge_graph、analyze_text 等工具；也可直接输入“用 InfraNodus 分析这段文字的主要主题”，若返回图谱主题结果即说明连接成功。

常见排障

检查配置文件中服务器路径或命令是否正确
验证 API 密钥是否有效且未过期
确保 Node.js 在系统 PATH 中
完全重启客户端应用
如有构建错误，执行 `rm -rf node_modules package-lock.json && npm install && npm run build`

试试这样问

连接成功后，可以直接对 AI 助手这样说：

用 InfraNodus 分析这段文字并展示主要主题和聚类
帮我把这篇文章生成一个知识图谱，并找出其中缺失的内容缺口
在 InfraNodus 中检索我名为 Research Notes 的图谱并分析其结构
对比我的文章与 Google 搜索结果，生成一份 SEO 报告，指出我缺少的关键词

工具能力 30

generate_knowledge_graph 只读

将任意文本转换为可视化知识图谱，提取主题、概念及其关系，识别结构模式和簇，支持 AI 主题命名和实体检测。

analyze_existing_graph_by_name 只读

从你的 InfraNodus 账户检索并分析现有图谱，访问先前保存的分析，导出带有完整统计信息的图谱数据。

analyze_text 只读

分析文本、URL 或 YouTube 转录稿，提取并分析图谱，提供主题、簇、陈述、图结构和 AI 摘要。

generate_content_gaps 只读

检测话语中的缺失连接，识别未充分探索的主题，生成研究问题，建议内容开发机会。

generate_topical_clusters 只读

使用知识图谱分析从文本生成主题和关键词簇，返回 AI 生成的簇概述，适用于 SEO 主题权威建设。

generate_contextual_hint 只读

生成文本的主题概述，为 LLM 提供洞察以生成更好的响应，可增强 LLM 工作流中的提示。

generate_research_questions 只读

基于文本或图谱中的内容缺口生成研究问题，弥补知识差距。

generate_research_ideas 只读

基于内容缺口生成创新研究想法，提供可操作的改进建议。

展开其余 22 个工具

optimize_text_structure 只读

使用知识图谱分析文本的偏见和连贯性水平，平衡话语、深化分析或改善一致性。

optimize_reasoning 只读

对模型自身的推理轨迹应用偏见/连贯性分析，引导推理朝向最佳多样性和连贯性。

generate_responses_from_graph 只读

基于已有图谱生成响应，集成到 LLM 工作流中，可使用任意 AI 模型和提示。

develop_conceptual_bridges 只读

分析文本并发展潜在想法，基于连接文本与更广泛话语的概念，发现隐藏主题和模式。

develop_latent_topics 只读

提取未充分发展的主题并提供发展建议，识别需要更多关注的领域。

develop_text_tool 只读

综合文本分析，结合内容缺口想法、潜在主题和概念桥梁，顺序执行多种分析并跟踪进度。

create_knowledge_graph 写入

从文本创建知识图谱并提供链接。

generate_ontology_graph 写入

使用 AI 从主题或文本生成推理本体图（实体和关系），可保存或仅用于一次性分析。

analyze_llm_results 写入

让 LLM 描述主题并将其响应转化为知识图谱，揭示模型的框架、偏见和结构。

overlap_between_texts 只读

创建两个或多个文本的知识图谱并查找重叠（相似性）。

merged_graph_from_texts 只读

构建所有提供的文本和 URL 的合并图谱，显示合并内容中的簇和内容缺口。

difference_between_texts 只读

比较两个或多个文本的知识图谱，找出第一个图谱中缺失但其他图谱中存在的内容。

analyze_google_search_results 只读

为 Google 搜索结果生成关键词和主题图谱，理解当前的信息供给。

analyze_youtube_results 只读

从 YouTube 结果（搜索、评论、频道、播放列表、字幕）生成图谱，理解视频话语中的主题和缺口。

analyze_related_search_queries 只读

从 Google 建议的搜索查询生成图谱，理解当前的信息需求。

search_queries_vs_search_results 只读

生成人们搜索但未在搜索结果中轻易出现的关键词组合图谱，发现需求与供给的差距。

generate_seo_report 只读

分析内容对比 Google 搜索结果和搜索查询，识别内容缺口和 SEO 优化机会。

memory_add_relations 写入

从文本向 InfraNodus 记忆添加关系，自动检测实体或使用 [[wikilinks]] 标记。

memory_get_relations 只读

从 InfraNodus 记忆检索特定实体的关系，支持实体特定搜索或全文检索。

retrieve_from_knowledge_base 只读

使用 GraphRAG 从现有知识图谱检索上下文，用自然语言查询获取相关陈述。

search 只读

搜索现有 InfraNodus 图谱，也可搜索特定用户的公开图谱，兼容 ChatGPT 深度研究模式。

fetch 只读

获取图谱的特定搜索结果，可用于 ChatGPT 深度研究模式。

使用场景

将现有知识图谱集成到 AI 对话中

分析文本结构以发现主题簇和内容缺口

生成 SEO 报告和内容优化建议

创建新知识图谱以增强 LLM 响应

使用 GraphRAG 从知识库中检索上下文

支持客户端

Claude Desktop

Cursor

依据项目文档列出，未经本站实测。

详细介绍

InfraNodus MCP 服务器是一个官方 MCP 服务器，使 LLM 工作流和 AI 助手能够利用先进的网络科学算法分析文本，生成知识图谱，检测内容缺口，并识别关键主题和概念。它将非结构化文本通过图论和网络分析转化为结构化洞察。

MCP Server infranodus

选型与风险

适合谁

不适合谁

所需权限

风险与副作用

安装接入

准备工作

验证是否装好

常见排障

试试这样问

工具能力 30

使用场景

支持客户端

详细介绍

同类可选方案