使用mcp-neo4j-cypher和Cherry Studio构建图数据应用：一次朋友圈关系分析的实践

最新推荐文章于 2025-07-14 09:06:29 发布

原创最新推荐文章于 2025-07-14 09:06:29 发布 · 724 阅读

27 ·

CC 4.0 BY-SA版权

文章标签：

#neo4j #ai #mcp #cherry studio

ai 专栏收录该内容

4 篇文章

订阅专栏

文章目录

1. 开篇：图数据库的迷人世界

在开发一个社交网络分析工具时，我遇到了一个经典问题：如何高效地存储和查询复杂的用户关系？传统的关系型数据库在处理"谁认识谁"这类问题时，往往需要复杂的JOIN操作和索引优化。这让我想起了图数据库这个利器，尤其是Neo4j这个图数据库领域的佼佼者。

更令人兴奋的是，我发现通过Model Context Protocol (MCP) 和 Cherry Studio 的组合，可以创建一个无缝的开发体验。今天，我就带大家一起探索如何用Docker搭建Neo4j环境，通过MCP协议连接Cherry Studio，并用真实的朋友圈数据进行分析实践。

2. 用Docker搭建Neo4j环境

2.1 为什么选择Docker部署？

在开发过程中，环境配置总是最耗时的环节之一。Docker的容器化方案完美解决了这个问题——无论你的开发机是Mac、Windows还是Linux，都能获得一致的运行环境。

这是我们的docker-compose.yaml配置文件：

services:
  neo4j:
    image: neo4j:2025.05
    volumes:
        - ./volumns/neo4j/config:/config
        - ./volumns/neo4j/data:/data
        - ./volumns/neo4j/plugins:/plugins
        - ./volumns/neo4j/logs:/logs
    environment:
        - NEO4J_AUTH=neo4j/your-password
        - NEO4J_PLUGINS='["apoc"]'
        - NEO4J_apoc_export_file_enabled=true
        - NEO4J_apoc_import_file_enabled=true
        - NEO4J_apoc_import_file_use__neo4j__config=true
        - NEO4J_dbms_security_procedures_unrestricted=apoc.*
    ports:
      - "7474:7474"  # Neo4j浏览器
      - "7687:7687"  # Bolt协议端口
    restart: always

关键配置说明：

数据持久化：通过volumes映射，确保数据安全
APOC插件：启用Neo4j的强大扩展功能
认证安全：预设了管理员账号密码
端口暴露：7474用于Web界面，7687用于应用连接

启动服务只需一行命令：

docker-compose up -d

2.2 验证安装

访问 http://localhost:7474 进入Neo4j浏览器，输入凭证：

用户名: neo4j
密码: your-password

成功登录后，你会看到直观的图形化界面，这是探索图数据的绝佳起点。

18-6

3. 连接Cherry Studio与MCP Server

3.1 理解MCP架构

Model Context Protocol (MCP) 的核心价值在于标准化工具访问。它允许像Cherry Studio这样的客户端通过统一接口调用各种数据库操作工具，无需关心底层实现。

3.2 配置Cherry Studio连接

在Cherry Studio的配置文件中添加MCP Server配置：

{
  "mcpServers": {
    "neo4j-local": {
      "command": "uvx",
      "args": ["mcp-neo4j-cypher@0.2.4"],
      "env": {
        "NEO4J_URI": "bolt://localhost:7687",
        "NEO4J_USERNAME": "neo4j",
        "NEO4J_PASSWORD": "your-password",
        "NEO4J_DATABASE": "neo4j"
      }
    }
  }
}

关键参数说明：

NEO4J_URI：指向Docker容器暴露的7687端口
认证信息：与docker-compose中的设置保持一致
工具命名空间：未指定时使用默认命名空间

3.3 可用的Cypher工具

配置成功后，Cherry Studio中将出现这些核心工具：

read-neo4j-cypher：执行查询
write-neo4j-cypher：执行写入操作
get-neo4j-schema：获取数据库模式

4. 朋友圈数据分析实战

4.1 导入朋友圈数据

请使用以下文本创建实体和关系：

(小北:朋友圈{姓名:"小北"}),
(小菲:朋友圈{姓名:"小菲"}),
(小鹏:朋友圈{姓名:"小鹏"}),
(小颖:朋友圈{姓名:"小颖"}),
(小兰:朋友圈{姓名:"小兰"}),
(小峰:朋友圈{姓名:"小峰"}),
(小讯:朋友圈{姓名:"小讯"}),
(小东:朋友圈{姓名:"小东"}),
(小唯:朋友圈{姓名:"小唯"}),
(小窦:朋友圈{姓名:"小窦"}),
(小齐:朋友圈{姓名:"小齐"}),
(小林:朋友圈{姓名:"小林"}),
(小锐:朋友圈{姓名:"小锐"}),
(小伟:朋友圈{姓名:"小伟"}),
(小玲:朋友圈{姓名:"小玲"}),
(小讯)-[:认识]->(小窦),
(小讯)-[:认识]->(小齐),
(小讯)-[:认识]->(小林),
(小讯)-[:认识]->(小鹏),
(小讯)-[:认识]->(小伟),
(小讯)-[:认识]->(小峰),
(小菲)-[:认识]->(小鹏),
(小菲)-[:认识]->(小峰),
(小菲)-[:认识]->(小唯),
(小峰)-[:认识]->(小北),
(小峰)-[:认识]->(小兰),
(小东)-[:认识]->(小林),
(小东)-[:认识]->(小锐),
(小东)-[:认识]->(小菲),
(小鹏)-[:认识]->(小颖),
(小北)-[:认识]->(小兰),
(小颖)-[:认识]->(小东),
(小唯)-[:认识]->(小鹏),
(小唯)-[:认识]->(小锐),
(小唯)-[:认识]->(小玲)

在cherry studio会有如下输出：
18-0

执行成功之后，在neo4j中会创建如下数据
18-1

4.2 分析关系：小讯和小锐是否认识？

以cherry studio中询问：

小讯和小锐是否认识？

在cherry studio会有如下输出：
18-3

可以看到，cherry studio将用户输入转化为 cypher查询语句：

MATCH (a:朋友圈 {姓名:'小讯'})-[r:认识]->(b:朋友圈 {姓名:'小锐'})
RETURN COUNT(r) > 0 AS 是否认识

结论：小讯和小锐不认识

4.3 探索最短路径

虽然两人不认识，但社交网络中总有连接路径，在cherry studio中询问：

请问小讯和小锐的最短路径是什么？请使用中文输出

18-4

5. 总结与展望

通过这次实践，我深刻体会到图数据库在关系数据分析中的独特优势。Docker+Neo4j+MCP+Cherry Studio的组合为开发者提供了开箱即用的图计算能力，大大降低了技术门槛。

未来值得探索的方向：

实时推荐系统：基于用户关系图的个性化推荐
欺诈检测：识别异常关系模式
知识图谱：构建企业级知识管理系统
图神经网络：结合AI的深度关系分析

“图不是未来，而是现实世界的真实映射。” —— 这是我在这次探索中最深的感悟。无论你是开发社交应用、推荐系统，还是企业关系分析，这套技术栈都值得放入你的工具箱。