📄 工具详情 ⚙️ 安装教程 📚 使用教程
能力标签
🔌 MCP🤖 Agent🔄 工作流🐳 Docker💻 CLI🧬 Embedding🧠 Claude✨ GPT🕸 采集
🔌
MCP工具

开源MCP工具：知识图谱

基于 Python · 让 AI 助手直接操作你的系统与工具
英文名：better-code-review-graph
⭐ 49 Stars 🍴 7 Forks 💻 Python 📄 MIT 🏷 AI 7.5分
7.5AI 综合评分
mcpai-agentsai-codingantigravityclaudeclaude-codepython
⬇ 下载源码 ZIP ⚙️ 配置说明
✦ AI Skill Hub 推荐

开源MCP工具：知识图谱 是 AI Skill Hub 本期精选MCP工具之一。综合评分 7.5 分，整体质量较高。我们推荐使用将其纳入你的 AI 工具库，帮助提升工作效率。

📚 深度解析
开源MCP工具：知识图谱 是一款基于 MCP（Model Context Protocol）标准协议的 AI 工具扩展。MCP 协议由 Anthropic 开发并开源，旨在建立 AI 模型与外部工具之间的标准化通信接口，目前已被 Claude Desktop、Claude Code、Cursor 等主流 AI 工具采纳。

通过安装 开源MCP工具：知识图谱，你的 AI 助手将获得额外的工具调用能力，可以用自然语言直接操控该工具的功能，无需学习复杂的命令行语法。MCP 工具的核心价值在于"一次配置，永久增强"——配置完成后，每次与 AI 对话时都可以无缝调用这些工具。

在技术实现上，MCP 工具通过标准的 JSON-RPC 协议与 AI 客户端通信，工具的功能以"工具列表"的形式暴露给 AI 模型，AI 可以按需调用。开源MCP工具：知识图谱 提供了结构化的工具调用接口，使 AI 模型能够精确地理解和使用每个功能点，显著降低 AI 在工具使用上的错误率。

与传统的 API 集成相比，MCP 工具的优势在于无需编写代码——用户只需在配置文件中添加几行 JSON，即可让 AI 获得全新能力。AI Skill Hub 将 开源MCP工具：知识图谱 评为 AI 评分 7.5 分，属于同类工具中的优质选择。
📋 工具概览

基于知识图谱的高效代码审查工具，支持自定义配置和搜索功能

开源MCP工具：知识图谱 是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。

GitHub Stars
⭐ 49
开发语言
Python
支持平台
Windows / macOS / Linux
维护状态
轻量级项目，按需更新
开源协议
MIT
AI 综合评分
7.5 分
工具类型
MCP工具
Forks
7
📖 中文文档
以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

基于知识图谱的高效代码审查工具，支持自定义配置和搜索功能

开源MCP工具：知识图谱 是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。

📌 核心特色
  • 通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
  • 提供结构化工具调用接口，显著降低 AI 集成复杂度
  • 支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
  • 可与其他 MCP 工具组合叠加，构建完整 AI 工作站
  • 轻量无侵入设计，不影响现有系统架构
🎯 主要使用场景
  • 在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
  • 通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
  • 将多个 MCP 工具组合使用，构建个人专属 AI 工作站
以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。
安装命令
# 方式一：通过 Claude Code CLI 一键安装
claude skill install https://github.com/n24q02m/better-code-review-graph

# 方式二：手动配置 claude_desktop_config.json
{
  "mcpServers": {
    "--mcp-------": {
      "command": "npx",
      "args": ["-y", "better-code-review-graph"]
    }
  }
}

# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json
📋 安装步骤说明
  1. 确认已安装 Node.js（v18 或以上版本）
  2. 打开 Claude Desktop 或 Claude Code 的 MCP 配置文件
  3. 按「交给 Agent 安装 → Claude Desktop」标签中的 JSON 配置填入 mcpServers 字段
  4. 保存配置文件并重启 Claude 客户端
  5. 重启后，在对话中即可使用本工具
以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。
常用命令 / 代码示例
# 安装后在 Claude 对话中直接使用
# 示例：
用户: 请帮我用 开源MCP工具：知识图谱 执行以下任务...
Claude: [自动调用 开源MCP工具：知识图谱 MCP 工具处理请求]

# 查看可用工具列表
# 在 Claude 中输入："列出所有可用的 MCP 工具"
以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。
配置示例
// claude_desktop_config.json 配置示例
{
  "mcpServers": {
    "__mcp_______": {
      "command": "npx",
      "args": ["-y", "better-code-review-graph"],
      "env": {
        // "API_KEY": "your-api-key-here"
      }
    }
  }
}

// 保存后重启 Claude Desktop 生效
📑 README 深度解析 真实文档 完整度 44/100 查看 GitHub 原文 →
以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

Better Code Review Graph

mcp-name: io.github.n24q02m/better-code-review-graph

Knowledge graph for token-efficient code reviews -- fixed search, configurable embeddings, qualified call resolution.

CI codecov PyPI Docker License: MIT

Python MCP semantic-release Renovate

<details> <summary><strong>Sister projects from n24q02m</strong> (click to expand)</summary>

ProjectTaglineTag
[better-code-review-graph](https://github.com/n24q02m/better-code-review-graph)Knowledge graph for token-efficient code reviews -- fixed search, configurabl...MCP
[better-email-mcp](https://github.com/n24q02m/better-email-mcp)IMAP/SMTP email server for AI agents -- 6 composite tools with multi-account ...MCP
[better-godot-mcp](https://github.com/n24q02m/better-godot-mcp)Composite MCP server for Godot Engine -- 17 mega-tools for AI-assisted game d...MCP
[better-notion-mcp](https://github.com/n24q02m/better-notion-mcp)Markdown-first Notion API server for AI agents -- 10 composite tools replacin...MCP
[better-telegram-mcp](https://github.com/n24q02m/better-telegram-mcp)MCP server for Telegram with dual-mode support: Bot API (httpx) for quick bot...MCP
[claude-plugins](https://github.com/n24q02m/claude-plugins)Full documentation: mcp.n24q02m.com — unified docs for all 8 servers + the mc...Marketplace
[imagine-mcp](https://github.com/n24q02m/imagine-mcp)Production-grade MCP server for image and video understanding + generation ac...MCP
[jules-task-archiver](https://github.com/n24q02m/jules-task-archiver)Chrome Extension for bulk operations on Jules tasks via batchexecute API -- a...Tooling
[mcp-core](https://github.com/n24q02m/mcp-core)Unified MCP Streamable HTTP 2025-11-25 transport, OAuth 2.1 Authorization Ser...MCP
[mnemo-mcp](https://github.com/n24q02m/mnemo-mcp)Persistent AI memory with hybrid search and embedded sync. Open, free, unlimi...MCP
[qwen3-embed](https://github.com/n24q02m/qwen3-embed)Lightweight Qwen3 text embedding and reranking via ONNX Runtime and GGUFLibrary
[skret](https://github.com/n24q02m/skret)Secrets without the server.CLI
[web-core](https://github.com/n24q02m/web-core)Shared web infrastructure package for search, scraping, HTTP security, and st...Library
[wet-mcp](https://github.com/n24q02m/wet-mcp)Open-source MCP Server for web search, content extraction, library docs & mul...MCP

</details>

What's new in v1.6

  • LLM-generated summaries -- graph(action="summarize") writes a one-paragraph docstring for each Function node via Gemini or OpenAI (cloud opt-in, no key = no-op). Run it after graph(action="update") to lift semantic-search recall by ~15% on repos with terse function names.
  • Graph export in 4 formats -- graph(action="export", format=...) emits graphml (Gephi/Cytoscape), json-ld, dot (Graphviz), or cypher (Neo4j replay). Inline by default; pass output_path to write to disk.
  • Source text capture -- Function nodes now persist their raw source so summaries can be regenerated whenever an edit changes the body. The cache key is sha256(source_text):provider; unchanged nodes cost zero LLM calls on re-run.
  • Cost cap on summaries -- max_nodes (default 500) caps LLM calls per invocation; pair with cron / update cadence for predictable spend.
  • Phase 1 quality wins (also new in this train): query(action="spot_check") for random callsite snippets, query(action="renamed_in_diff") for shifted callsites, dynamic-dispatch hints in callers_of results, a dedicated recipes help topic, and embeddings_count exposed in graph(action="stats").

Example -- after pulling new functions in, refresh embeddings with summaries: 

graph(action="update")
graph(action="summarize", max_nodes=200)
graph(action="embed")

Features

Featurecode-review-graphbetter-code-review-graph
Multi-word searchBroken (literal substring)AND-logic word splitting
callers_of/callees_ofEmpty results (bare name targets)Qualified name resolution + bare fallback
Embeddingsentence-transformers + torch (1.1 GB)qwen3-embed ONNX + cloud (200 MB), dual-mode
Output sizeUnbounded (500K+ chars)Paginated (max_results, truncated flag)
Tool design9 individual tools6 tools: graph + query + review + config + setup + help
Plugin hooksInvalid PostEdit/PostGitValid PostToolUse

`setup` -- Credential setup

Actions: status | start | skip | reset | complete

ActionDescription
statusShow current credential state and setup URL.
startStart relay setup to configure API keys via browser.
skipSet local mode (skip relay permanently, use ONNX only).
resetClear credentials and reset state.
completeRe-resolve credentials from environment variables.

Build from Source

git clone https://github.com/n24q02m/better-code-review-graph
cd better-code-review-graph
uv sync --group dev
uv run pytest
uv run better-code-review-graph

Requirements: Python 3.13, uv

`config` -- Server configuration

Actions: status | set | cache_clear

ActionDescription
statusServer info: version, graph path, node/edge counts, embedding backend.
setUpdate runtime settings (e.g., log_level).
cache_clearRemove all computed embeddings.
🎯 aiskill88 AI 点评 A 级 2026-05-24

该工具提供了基于知识图谱的代码审查功能，支持自定义配置和搜索，提高了代码质量和效率，但需要进一步优化和完善

⚡ 核心功能
👥 适合人群
Claude Desktop / Claude Code 用户AI 工具开发者需要扩展 AI 能力的专业人士自动化工程师
🎯 使用场景
  • 在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
  • 通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
  • 将多个 MCP 工具组合使用，构建个人专属 AI 工作站
⚖️ 优点与不足
✅ 优点
  • +MIT 协议，可免费商用
  • +标准化 MCP 协议，生态互联性强
  • +与 Claude 官方生态无缝对接
  • +即插即用，配置简单快捷
⚠️ 不足
  • −依赖 Claude 客户端，非 Claude 用户无法使用
  • −MCP 协议仍在持续演进，接口可能变更
  • −需要一定的配置步骤
⚠️ 使用须知

AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。

📄 License 说明

✅ MIT 协议 — 最宽松的开源协议之一，可自由商用、修改、分发，仅需保留版权声明。

🔗 相关工具推荐
Composio智能工具编排平台
MCP工具
Context7代码文档平台
MCP工具
AI工程师中心
MCP工具
github-mcp-server MCP工具
GitHub官方MCP服务器实现，使AI助手能直接操作GitHub仓库、问题、拉取请求等资源。采用Go语言开发，高性能稳
🧩 你可能还需要
基于当前 Skill 的能力图谱，自动补全的工具组合
技能寻求者
MCP · Agent · 工作流
natively-cluely-ai-assistant — Claude Skill 中文使用文档
免费开源的AI面试助手，实时转录，隐蔽模式，局部RAG，BYOK。无订阅，防止数据泄露。
开源AI工具：RAG知识库系统
基于Vue.js前端的RAG知识库系统，提供高效的知识检索和生成功能，助力AI应用开发
LEANN AI技能包
MCP · Agent · 工作流
total-agent-memory MCP工具
为Claude Code和Codex CLI提供持久化记忆功能的开源MCP工具。自动提取知识图谱，支持多轮对话上下文保留，适合需要长期记忆和
MassGen多智能体系统
MCP · Agent · 工作流
❓ 常见问题 FAQ
解答
💡 AI Skill Hub 点评

经综合评估，开源MCP工具：知识图谱 在MCP工具赛道中表现稳健，质量良好。如果你已有明确的使用需求，可以直接上手体验；如果还在评估阶段，建议对比同类工具后再做决策。

⬇️ 获取与下载
⬇ 下载源码 ZIP

✅ MIT 协议 · 可免费商用 · 直接从 aiskill88 服务器下载，无需跳转 GitHub

📚 深入学习 开源MCP工具：知识图谱
查看分步骤安装教程和完整使用指南，快速上手这款工具
⚙️ 安装教程 📚 使用教程
🌐 原始信息
原始名称 better-code-review-graph
Topics mcpai-agentsai-codingantigravityclaudeclaude-codepython
GitHub https://github.com/n24q02m/better-code-review-graph
License MIT
语言 Python
🔗 原始来源
🐙 GitHub 仓库  https://github.com/n24q02m/better-code-review-graph 🌐 官方网站  https://mcp.n24q02m.com/servers/better-code-review-graph/

收录时间：2026-05-24 · 更新时间：2026-05-24 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。