能力标签

🔌 MCP 🤖 Agent 🔄 工作流 🐳 Docker 💻 CLI 🔗 REST API 🧠 Claude

🔌

MCP工具

开源MCP工具：Lakehouse native graph engine

基于 Rust · 让 AI 助手直接操作你的系统与工具

英文名：omnigraph

⭐ 289 Stars 🍴 24 Forks 💻 Rust 📄 MIT 🏷 AI 7.5分

7.5AI 综合评分

mcpagent-memoryai-agentsapache-arrowdatafusiongraph-database

⬇ 下载源码 ZIP ⚙️ 配置说明

✦ AI Skill Hub 推荐

经 AI Skill Hub 精选评估，开源MCP工具：Lakehouse native graph engine 获评「推荐使用」。这款MCP工具在功能完整性、社区活跃度和易用性方面表现出色，AI 评分 7.5 分，适合有一定技术背景的用户使用。

📚 深度解析

开源MCP工具：Lakehouse native graph engine 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：Lakehouse native graph engine，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：Lakehouse native graph engine 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：Lakehouse native graph engine 评为 AI 评分 7.5 分，属于同类工具中的优质选择。

📋 工具概览

Lakehouse native graph engine with git-style workflows，支持MCP、Agent-Memory、AI-Agent等功能，突出价值在于其开源和native graph engine的特点。

开源MCP工具：Lakehouse native graph engine 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

⭐ 289

开发语言

Rust

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

📖 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」。

Lakehouse native graph engine with git-style workflows，支持MCP、Agent-Memory、AI-Agent等功能，突出价值在于其开源和native graph engine的特点。

📌 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/ModernRelay/omnigraph

# 方式二：手动配置 claude_desktop_config.json
{
  "mcpServers": {
    "--mcp---lakehouse-native-graph-engine": {
      "command": "npx",
      "args": ["-y", "omnigraph"]
    }
  }
}

# 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

确认已安装 Node.js（v18 或以上版本）
打开 Claude Desktop 或 Claude Code 的 MCP 配置文件
按「交给 Agent 安装 → Claude Desktop」标签中的 JSON 配置填入 mcpServers 字段
保存配置文件并重启 Claude 客户端
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：Lakehouse native graph engine 执行以下任务...
Claude: [自动调用 开源MCP工具：Lakehouse native graph engine 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___lakehouse_native_graph_engine": {
      "command": "npx",
      "args": ["-y", "omnigraph"],
      "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 32/100 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。

Omnigraph

Lakehouse native graph engine built for context assembly

Omnigraph acts as operational state & coordination layer for agents

Git-style versioning & branching
Multimodal retrieval (graph+vector/fts+filters) optimized for context assembly
Object storage native (S3, RustFS)
Native blob-as-data support (docs, images, videos, etc)
VPC, On-prem, hybrid deployment
Lance format as open storage layer

AS CODE	What it means
Schema AS CODE	Typed `.pg` schemas, planned, applied, enforced
Context AS CODE	Linted queries & agentic nudges, versioned and reusable
Security AS CODE	Cedar policies enforced server-side on every mutation
Dashboards AS CODE	Declarative views & controls over the graph (coming)

Quick Install

curl -fsSL https://raw.githubusercontent.com/ModernRelay/omnigraph/main/scripts/install.sh | bash

This installs omnigraph and omnigraph-server into ~/.local/bin from published release binaries.

Or install with Homebrew:

brew tap ModernRelay/tap
brew install ModernRelay/tap/omnigraph

For starter graphs and agent skills to bootstrap and operate Omnigraph, see ModernRelay/omnigraph-cookbooks.

Build And Test

cargo build --workspace
cargo check --workspace
cargo test --workspace

Notes:

Rust stable toolchain, edition 2024
CI runs cargo test --workspace --locked
Full CI and some local test flows require protobuf-compiler
S3 integration tests expect an S3-compatible endpoint such as RustFS

Core Use Cases

| Use case | What it's for |---|---| | Company brain | Org knowledge unified into one queryable graph | | Context graph | Decision traces and codified tribal knowledge | | Agentic memory | Durable, versioned memory for long-running agents | | Dev graph | Issues & dependency model for coding agents | | R&D data layer | Experiments & trials data written into branches | | ML workflows | Versioned, branchable graphs for training & eval | | Karpathy's LLM wiki | A living, agent-updatable knowledge base |

🎯 aiskill88 AI 点评 A 级 2026-06-11

omnigraph是一个开源的MCP工具，支持native graph engine和git-style workflows，值得关注，但需要进一步的测试和评估。

📚 实用指南（长尾问题）

适合谁

需要让 Claude / Cursor 操作本地工具的 AI 工程师
构建多智能体协作系统的 Agent 开发者

最佳实践

配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
Agent 任务先做 dry-run 验证工具调用链，再开启自主执行

常见错误

API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效

部署方案

云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台

⚡ 核心功能

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

👥 适合谁

需要让 Claude / Cursor 操作本地工具的 AI 工程师
构建多智能体协作系统的 Agent 开发者

⭐ 最佳实践

配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
Agent 任务先做 dry-run 验证工具调用链，再开启自主执行

⚠️ 常见错误

API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效

👥 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

🔗 相关工具推荐

🧩 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

Augustus

LLM安全测试框架，检测prompt注入、越狱等

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。

❓ 常见问题 FAQ

如何安装omnigraph−

clone项目并使用cargo构建

MCP 是什么？和普通 API 有什么区别？+

我需要编程基础才能使用这个 MCP 工具吗？+

这个工具支持 Claude Code 吗？还是只有 Claude Desktop？+

MCP 工具是否会访问我的本地文件或数据？+

多个 MCP 工具可以同时使用吗？+

💡 AI Skill Hub 点评

AI Skill Hub 点评：开源MCP工具：Lakehouse native graph engine 的核心功能完整，质量良好。对于Claude Desktop / Claude Code 用户来说，这是一个值得纳入个人工具库的选择。建议先在非生产环境试用，再逐步推广。

⬇️ 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：Lakehouse native graph engine

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	`omnigraph`
原始描述	开源MCP工具：Lakehouse native graph engine with git-style workflows。⭐289 · Rust
Topics	`mcpagent-memoryai-agentsapache-arrowdatafusiongraph-database`
GitHub	https://github.com/ModernRelay/omnigraph
License	MIT
语言	Rust

🔗 原始来源

🐙 GitHub 仓库 https://github.com/ModernRelay/omnigraph 🌐 官方网站 https://omnigraph.dev

收录时间：2026-06-11 · 更新时间：2026-06-11 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。

开源MCP工具：Lakehouse native graph engine

📚 深度解析

📋 工具概览

📖 中文文档

Omnigraph

Quick Install

Build And Test

Core Use Cases

⚡ 核心功能

👥 适合人群

🎯 使用场景

⚖️ 优点与不足

🔗 相关工具推荐

❓ 常见问题 FAQ

🤖 交给 Agent 安装 · 开源MCP工具：Lakehouse native graph engine