# Graphiti Local

Локальная временная база знаний для агентов: шесть инструментов только для чтения, а изменения попадают в граф лишь после проверки человеком.

- MCP-сервер · `type=mcp` · Claude Code, Codex, Cursor, GitHub Copilot, Windsurf (Devin Desktop), Cline, Zed, Gemini CLI · ★ 5
- Автор: renezander030
- Лицензия: Apache-2.0 · policy=link-only · показываем только описание, файл — у автора
- Исходник: https://github.com/renezander030/graphiti-local
- Обновлён: 2026-10-23
- HTML: https://affpapa.org/nevibecode/mcp/graphiti-local

## Что делает

Graphiti Local хранит решения по проекту в графе и отдаёт их агенту через шесть MCP-инструментов только для чтения либо через CLI `kg`. Предложенные обновления не уходят в граф сразу: они лежат в отдельной очереди, пока человек не одобрит их и не применит. Инференс идёт через Ollama, граф лежит в LadybugDB. Для локальной установки ни Docker, ни облачный ключ API не нужны.

Попробовать можно одной командой: `uvx --from git+https://github.com/renezander030/graphiti-local kg-demo` отвечает на вопрос по небольшому синтетическому графу из пакета. Модель тут не участвует, поиск идёт по ключевым словам. Построение графа из своих текстов требует извлечения фактов, а для него уже нужна модель — это полная установка. Ставятся `uv` и Ollama, скачивание при настройке требует доступа в интернет.

Перед тем как извлечённые факты попадут в настроенный граф, запустите `kg-ingest INPUT --review-output review.jsonl` и разметьте каждое утверждение в файле `review.jsonl.review.jsonl` как `accept`, `refuse` или `contested`. Пока решения не проставлены, восстановление из снимка не сработает. Извлечение моделью ошибается, поэтому возвращённые факты и метки времени стоит просматривать. `kg-ingest` принимает и файл Markdown, и дерево каталогов; большие документы режутся по устойчивым границам текста. Для нескольких пользователей каждый получает группу и свой файл LadybugDB, а имя файла считается по SHA-256 группы. Если нужна граница арендатора внутри одного сервера базы, берут FalkorDB или Neo4j.

## Требования
- Нужно: Python и uv (команды через uvx)

## Установка

### Claude Code (родная платформа)

**Командой платформы**
```bash
claude mcp add graphiti-local -- uvx graphiti-local
```
uvx запускает команду с именем пакета; если в README она другая — uvx --from graphiti-local <команда>

### Codex

**Командой платформы**
```bash
codex mcp add graphiti-local -- uvx graphiti-local
```
uvx запускает команду с именем пакета; если в README она другая — uvx --from graphiti-local <команда>

### Cursor

**Файл настроек**
Файл `.cursor/mcp.json`:
```json
{
    "mcpServers": {
        "graphiti-local": {
            "command": "uvx",
            "args": [
                "graphiti-local"
            ]
        }
    }
}
```
uvx запускает команду с именем пакета; если в README она другая — uvx --from graphiti-local <команда>

### GitHub Copilot

**Файл настроек**
Файл `.vscode/mcp.json`:
```json
{
    "servers": {
        "graphiti-local": {
            "type": "stdio",
            "command": "uvx",
            "args": [
                "graphiti-local"
            ]
        }
    }
}
```
uvx запускает команду с именем пакета; если в README она другая — uvx --from graphiti-local <команда>

### Gemini CLI

**Командой платформы**
```bash
gemini mcp add graphiti-local uvx graphiti-local
```
uvx запускает команду с именем пакета; если в README она другая — uvx --from graphiti-local <команда>

## Когда брать
- хранить решения по проекту между сессиями агента
- проверять извлечённые факты до записи в граф
- искать текущее состояние знаний без истории
- разложить большой документ или каталог на эпизоды
- развести память нескольких пользователей по отдельным файлам

## Примеры запросов агенту
- Запусти `kg-demo` и спроси, какую базу использует Aurora Analytics
- Разметь факты в `review.jsonl.review.jsonl` как `accept` или `refuse`
- Загрузи каталог `docs/` через `kg-ingest` и покажи, что попало в граф

## Похожие
- [VelesDB Memory](https://affpapa.org/nevibecode/mcp/velesdb-memory.md) — MCP-сервер · ★ 100
- [kg](https://affpapa.org/nevibecode/mcp/kg.md) — MCP-сервер · ★ 9
- [Memento](https://affpapa.org/nevibecode/mcp/scrypster-memento.md) — MCP-сервер · ★ 9
- [Turbo Quant Memory](https://affpapa.org/nevibecode/mcp/turbo-quant-memory.md) — MCP-сервер · ★ 9
- [Local Memory](https://affpapa.org/nevibecode/mcp/local-memory.md) — MCP-сервер · ★ 15
- [mirofish-offline-simulation](https://affpapa.org/nevibecode/skills/mirofish-offline-simulation.md) — скилл · 1400 установок

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md