$ loading_
将 CognOS 代理系统导出为可读 JSON 图谱，便于查看全局结构与节点状态。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"Conductor Graph MCP Server" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
读取当前 CognOS 代理系统的 JSON 图谱，概览所有节点、边关系和阻塞节点，并用中文总结系统当前状态。
返回系统图谱概览，包括节点数量、连接关系、阻塞节点及整体运行状态总结。
检查图谱中所有 blocked 节点，列出它们的名称、上游依赖和可能的阻塞原因，并按优先级排序。
输出阻塞节点清单、依赖关系分析及建议优先处理顺序。
基于 JSON 图谱分析指定节点的上下游关系，说明它影响哪些节点、又依赖哪些节点，并指出潜在风险点。
给出指定节点的依赖链路、影响范围和潜在故障传播风险说明。
将文档导入图数据库并构建可查询知识图谱，支持健康检查与知识检索。
通过 MCP 接口管理 Cognigy.AI，会话式 AI 代理的构建、配置与运营。
将代码库索引到 Neo4j，辅助代码分析、依赖可视化与变更影响评估。
为 AI 代理提供知识图谱查询与 Shell 委派，提升自动化效率并显著降低 token 消耗。
通过MCP查询代码结构与跨语言调用关系，并保留可审计访问记录。
帮助 AI 代理通过 MCP 存储、检索并关联图谱化类型记忆。