虚幻引擎知识图谱 MCP 服务器

English | 中文

这个项目提供虚幻引擎官方文档的 MCP（Model Context Protocol）服务器，支持基于Neo4j图数据库的概念关系搜索，帮助开发者发现概念间的学习路径和依赖关系。

项目背景

在学习虚幻引擎开发过程中，开发者经常需要理解各种概念之间的关系，比如：

蓝图系统与C++代码的关系
材质编辑器与节点图编程的关系
Nanite虚拟几何体与高多边形模型的关系

传统的文档搜索只能找到单个概念的信息，无法揭示概念间的学习路径和依赖关系。本项目通过构建知识图谱，让AI能够理解概念间的关联，提供更智能的学习指导。

解决方案

本项目提供了一个基于Neo4j图数据库的MCP服务器，专门用于虚幻引擎概念关系的智能搜索和发现。通过DeepSeek v3模型提取文档中的概念关系，构建完整的知识图谱。

功能特性

🔗 概念关系搜索: 发现任意概念的相关概念和学习路径
🧠 智能概念发现: 基于图数据库的深度关系挖掘
🔍 概念名称搜索: 模糊搜索概念名称，支持中英文双语查询
📊 关系统计信息: 获取概念的关系数量统计，按重要性排序

在 MCP Host 中使用

Cursor 配置

在项目根目录创建或编辑 .cursor/mcp.json 配置文件：

{
    "mcpServers": {
        "unreal-engine-knowledge-graph-mcp": {
            "command": "npx",
            "args": [
                "-y",
                "unreal-engine-knowledge-graph-mcp"
            ],
            "env": {
                "NEO4J_URI": "bolt://localhost:7687",
                "NEO4J_USER": "neo4j",
                "NEO4J_PASSWORD": "password123"
            }
        }
    }
}

VSCode 配置

在项目根目录创建或编辑 .vscode/mcp.json 配置文件：

{
    "servers": {
        "unreal-engine-knowledge-graph-mcp": {
            "type": "stdio",
            "command": "npx",
            "args": [
                "-y",
                "unreal-engine-knowledge-graph-mcp"
            ],
            "env": {
                "NEO4J_URI": "bolt://localhost:7687",
                "NEO4J_USER": "neo4j",
                "NEO4J_PASSWORD": "password123"
            }
        }
    }
}

环境变量说明

环境变量	含义	默认值
`NEO4J_URI`	Neo4j数据库连接地址	`bolt://localhost:7687`
`NEO4J_USER`	Neo4j用户名	`neo4j`
`NEO4J_PASSWORD`	Neo4j密码	`password123`
`DEEPSEEK_API_KEY`	DeepSeek API密钥	无

MCP工具功能

search_concept_relations

搜索指定概念的相关概念和关系，支持中英文双语查询。

使用场景:

🎯 概念学习扩展: "我想学习蓝图系统，相关的概念还有哪些？"
🔍 技术关联探索: "虚幻引擎包含哪些核心功能模块？"
🧭 学习路径规划: "从材质编辑器出发，我还需要了解什么？"

提示词示例:

帮我搜索"蓝图系统"和"Blueprint System"的相关概念，我想了解它与其他功能的关系
查找"虚幻引擎"和"Unreal Engine"包含哪些核心功能
搜索"材质编辑器"和"Material Editor"相关的学习内容

参数:

concept (必需): 要查询的概念名称（中英文双语）
- cn (必需): 中文概念名称
- en (必需): 英文概念名称
limit (可选): 返回的最大关系数量，默认20

返回数据格式:

{
  "searchTerms": {
    "cn": "虚幻引擎",
    "en": "Unreal Engine"
  },
  "concept": "虚幻引擎 / Unreal Engine",
  "found": true,
  "totalRelations": 12,
  "relatedConcepts": [
    {
      "concept": "蓝图系统",
      "predicate": "包含",
      "context": "虚幻引擎的可视化脚本编程系统",
      "direction": "outgoing"
    }
  ],
  "limit": 20
}

search_concepts

模糊搜索概念名称，支持中英文双语查询。

使用场景:

🔍 快速查找概念: "我记得有个关于'粒子'的功能，叫什么名字来着？"
📝 概念名称确认: "虚幻引擎中2D相关的功能都有哪些？"
🎯 关键词探索: "搜索包含'编辑器'的所有概念"

提示词示例:

搜索包含"粒子"和"Particle"的所有概念
查找与"2D"相关的功能
搜索"编辑器"和"Editor"相关的工具

参数:

searchTerm (必需): 搜索关键词（中英文双语）
- cn (必需): 中文搜索关键词
- en (必需): 英文搜索关键词
limit (可选): 返回的最大概念数量，默认10

返回数据格式:

{
  "searchTerms": {
    "cn": "蓝图",
    "en": "Blueprint"
  },
  "concepts": ["蓝图系统", "蓝图编辑器", "Blueprint System", "Blueprint Editor"],
  "count": 4,
  "limit": 10
}

get_all_concepts

获取所有可用概念列表及其关系统计信息（按关系数量排序，优先显示核心概念）。

使用场景:

📋 核心概念优先浏览: "虚幻引擎知识图谱中最重要的概念有哪些？"
🎯 学习计划制定: "我想按重要性顺序学习，哪些是核心概念？"
📊 概念关系分析: "这些概念分别有多少关联，哪些最核心？"

提示词示例:

显示最重要的虚幻引擎概念，按关系数量排序
列出前50个核心概念，我想了解哪些最重要
获取概念列表及其关系统计，帮我制定学习计划

参数:

limit (可选): 返回的最大概念数量，默认100

返回数据格式:

{
  "concepts": [
    {
      "concept": "蓝图系统",
      "relationCount": 25,
      "incomingCount": 12,
      "outgoingCount": 13
    },
    {
      "concept": "虚幻引擎",
      "relationCount": 20,
      "incomingCount": 8,
      "outgoingCount": 12
    }
  ],
  "count": 2,
  "limit": 100,
  "note": "概念按关系数量从大到小排序，包含入度、出度和总关系数统计"
}

系统架构

核心组件

文档处理: 读取Markdown文档，使用DeepSeek v3提取概念关系
知识图谱: 基于Neo4j存储概念和关系数据
MCP服务: 提供标准化的概念关系查询接口

数据流程

Markdown文档 → DeepSeek v3分析 → 概念关系提取 → Neo4j图数据库 → MCP工具查询

开发测试

环境要求

Node.js >= 18.0.0
Docker (用于运行Neo4j)
DeepSeek API密钥

安装步骤

克隆项目

git clone https://github.com/your-username/unreal-engine-knowledge-graph-mcp.git
cd unreal-engine-knowledge-graph-mcp

安装依赖

npm install

配置环境变量

# 复制环境变量模板
cp .env.example .env

# 编辑.env文件，添加DeepSeek API密钥
DEEPSEEK_API_KEY=your_deepseek_api_key_here

启动Neo4j数据库

# 启动Docker容器
docker-compose up -d

# 等待数据库启动完成
npm run test-connection

构建项目

npm run build

提取概念关系（测试模式）

# 测试模式：只处理一个文档文件
npm run extract-triplets:test-mode

导入数据到Neo4j

npm run import-to-neo4j

知识三元组数据结构

系统使用标准的知识图谱三元组结构存储概念关系：

{
  "filename": "文档名称",
  "sourceFile": "源文件路径",
  "triples": [
    {
      "subject": "主体概念",
      "predicate": "关系谓词",
      "object": "客体概念",
      "context": "上下文说明",
      "direction": "bidirectional"
    }
  ],
  "timestamp": "创建时间戳"
}

字段说明：

subject: 主体概念名称（知识三元组的主语）
predicate: 关系谓词（如：包含、支持、依赖、关联等）
object: 客体概念名称（知识三元组的宾语）
context: 关系的上下文说明，帮助理解关系的具体含义
direction: 关系方向性
- "unidirectional": 单向关系（主体→客体，但客体不一定→主体）
- "bidirectional": 双向关系（主体↔客体，相互关联）
confidence: 置信度（0.0-1.0），表示关系提取的准确性和可靠性
- 0.9-1.0: 明确的技术关系，文档中有直接、清晰的说明
- 0.7-0.9: 较为明确的关系，基于上下文推断但证据充分
- 0.5-0.7: 中等置信度，关系存在但需要一定推理
- 0.3-0.5: 较弱的关系，主要基于语义相似性
- 0.1-0.3: 非常弱的关系，仅基于概念共现

开发指南

项目结构

├── scripts/                    # 脚本文件
│   ├── extract-triplets.ts     # 知识三元组提取
│   ├── import-to-neo4j.ts      # 数据导入Neo4j
│   └── test-connection.ts      # 数据库连接测试
├── bin/                        # 源代码
│   ├── index.ts                # MCP服务器实现
│   └── neo4j-search.ts         # Neo4j搜索引擎
├── sources/                    # 数据文件
│   ├── docs/                   # Markdown文档
│   └── triplets/               # 知识三元组JSON文件
├── tests/                      # 测试文件
│   └── mcp-client.test.ts      # MCP客户端测试
├── docker-compose.yml          # Neo4j Docker配置
└── package.json                # 项目配置

可用脚本

# 构建项目
npm run build

# 测试数据库连接
npm run test-connection

# 生成演示数据
npm run extract-triplets:test-mode

# 提取知识三元组（需要DeepSeek API）
npm run extract-triplets

# 导入数据到Neo4j
npm run import-to-neo4j

# 清空数据库并重新导入
npm run import-to-neo4j -- --clear

# 运行测试
npm test

添加新文档

将Markdown文档放入 sources/docs/ 目录
运行概念关系提取：npm run extract-triplets
导入到Neo4j：npm run import-to-neo4j

自定义知识三元组

你可以手动创建知识三元组JSON文件：

{
  "filename": "custom-triples",
  "sourceFile": "custom/triples.md",
  "triples": [
    {
      "subject": "自定义概念A",
      "predicate": "关联",
      "object": "自定义概念B",
      "context": "这是一个自定义的知识三元组",
      "direction": "bidirectional"
    }
  ],
  "timestamp": "2025-01-12T10:30:15.387Z"
}

将文件保存到 sources/triplets/ 目录，然后运行导入命令。

技术栈

核心技术

Node.js: 运行环境
TypeScript: 类型安全的开发语言
MCP SDK: Model Context Protocol 实现
Neo4j: 图数据库
Docker: 容器化部署

AI集成

DeepSeek v3: 概念关系提取
OpenAI SDK: API调用接口

开发工具

Vitest: 单元测试框架
tsx: TypeScript执行器
Zod: 参数验证

故障排除

Neo4j连接问题

# 检查Docker容器状态
docker-compose ps

# 查看Neo4j日志
docker-compose logs neo4j

# 重启Neo4j容器
docker-compose restart neo4j

测试连接

npm run test-connection

查看Neo4j浏览器界面

访问 http://localhost:7474

用户名: neo4j
密码: password123

许可证

MIT License

贡献

欢迎提交Issue和Pull Request！

Unreal Engine Knowledge Graph

虚幻引擎知识图谱 MCP 服务器

项目背景

解决方案

功能特性

在 MCP Host 中使用

Cursor 配置

VSCode 配置

环境变量说明

MCP工具功能

search_concept_relations

search_concepts

get_all_concepts

系统架构

核心组件

数据流程

开发测试

环境要求

安装步骤

知识三元组数据结构

开发指南

项目结构

可用脚本

添加新文档

自定义知识三元组

技术栈

核心技术

AI集成

开发工具

故障排除

Neo4j连接问题

测试连接

查看Neo4j浏览器界面

许可证

贡献

Related Servers

Console MCP Server

Medical Research MCP Suite

TMDB MCP Server

OpenSearch MCP Server

MCP Servers Search

Airbnb

Cryptocurrency Price

Chromium CodeSearch Tools

arXiv Research Assistant

Higress AI-Search MCP Server