Neo4j MCP：让AI用图数据库思考

Neo4j Labs 出的一组 MCP 服务器，把图数据库的自然语言查询、知识图谱记忆、Aura 云实例管理和图建模交给 AI 完成。

关系型数据库擅长表格，但遇到「谁认识谁、哪个包依赖哪个、这条链路怎么连」这类高度关联的问题，图数据库更顺手。Neo4j Labs 提供了一组 MCP 服务器（neo4j-contrib/mcp-neo4j，MIT 许可），让 AI 用自然语言操作 Neo4j：写 Cypher 查询、存取知识图谱、管理 Aura 云实例、做图数据建模。它们属于 Labs 项目——活跃开发维护，但官方明确不提供 SLA 或向后兼容保证，生产使用要自行评估。

信息卡

• 连接器名称：Neo4j Labs MCP Servers（含 cypher / memory / aura-api / data-modeling）
• 传输方式：STDIO（默认）、SSE、HTTP（Streamable HTTP）
• 适用客户端：Claude Desktop、VS Code、Cursor、Windsurf、Gemini CLI 等
• 配置示例(json)：见下方使用上手
• 仓库地址：https://github.com/neo4j-contrib/mcp-neo4j （MIT；官方产品版见 github.com/neo4j/mcp ）

核心能力

自然语言转 Cypher 查询。 mcp-neo4j-cypher 能读取数据库 schema 并执行读/写 Cypher，让你用「列出销量最高的前十个产品」这类问题直接查图库。它要求实例安装并启用 APOC 插件以支持 schema 检查。对不熟悉 Cypher 语法的人，这是零门槛上手图查询的方式。

知识图谱记忆。 mcp-neo4j-memory 把实体与关系存进本地或远程 Neo4j，作为跨会话、跨客户端的长期记忆。相较纯文件的记忆方案，图结构天然适合表达「A 与 B 有关联」这类关系，AI 能在不同对话里调用同一份知识网络。

Aura 云实例管理。 mcp-neo4j-cloud-aura-api 让你在对话里管理 Neo4j Aura：列出实例、按名称查找、创建或销毁、升降规格、开启 Graph Data Science 等功能。运维云图库不必再反复登录控制台。

图数据建模与可视化。 mcp-neo4j-data-modeling 支持创建、校验与可视化图数据模型，还能从 Arrows.app 导入导出。设计图结构时，AI 帮你把实体关系梳理成型并画出来。四个服务器都支持 STDIO/SSE/HTTP 三种传输，并已容器化，便于部署到 AWS ECS Fargate、Azure Container Apps 等平台。

使用上手

1. 准备一个 Neo4j 实例（本地或 Aura），Cypher 服务器需启用 APOC 插件。
2. 安装：仓库提供各服务器的运行方式（Python 实现、uvx/pip 类命令，具体见 README）。
3. 在客户端 MCP 配置里加入需要的服务器，通过环境变量传连接信息与凭据。
4. 重启客户端，用自然语言下达任务，如「查一下图里有哪些实体和关系」。
5. 需要云部署时用 HTTP 传输（--transport http），按官方云部署指南配置。

配置示例

{
  "mcpServers": {
    "neo4j-cypher": {
      "command": "uvx",
      "args": ["mcp-neo4j-cypher"],
      "env": {
        "NEO4J_URI": "bolt://localhost:7687",
        "NEO4J_USERNAME": "neo4j",
        "NEO4J_PASSWORD": "<你的密码>"
      }
    }
  }
}

优点与不足

优势是覆盖查询/记忆/云管理/建模四大场景、三种传输灵活、容器化易部署、MIT 开源。局限：属 Labs 项目，官方不承诺 SLA 与向后兼容；cypher 服务器依赖 APOC 插件；写操作与实例销毁有真实风险，需谨慎授权。若需官方产品级支持，另见 github.com/neo4j/mcp 。

适合谁

适合用 Neo4j 做知识图谱、关系分析、依赖追踪的开发者；需要跨会话长期记忆能力的 Agent 构建者；以及管理 Aura 云实例、想要对话式运维的团队。

下载与访问

仓库 https://github.com/neo4j-contrib/mcp-neo4j （MIT）；官方产品版 https://github.com/neo4j/mcp ；Neo4j 官网见其官方站点。

许可证与获取

本文属于「连接器」分类的 AI 资源专栏，更多评测见分类页。