$ loading_
为智能体提供向量知识图谱的节点、边和语义检索能力
该 MCP 工具材料较少，但已知为官方 Registry 提供的开源项目、近一年有更新，整体未见明显高风险红旗。其作为 MCP 服务端具备本机执行能力，且功能涉及知识图谱/向量数据处理，建议在最小权限环境中使用并补充核验实际读写范围。
材料明确标注无需密钥或环境变量，未见要求提供 API token、账户凭证或其他敏感认证信息，因此凭证暴露与滥用面较低。
材料标注无远程端点 host，README 也未声明外部 API、云服务或遥测上报目标；基于现有信息，未见明确的用户数据外发路径。
系统检查项已确认其会执行代码；作为 MCP server，通常需要在本机启动服务进程并处理代理请求。这属于此类工具的常规能力，当前材料未显示超出声明功能的系统权限申请，但仍应按本地可执行组件进行隔离运行。
描述显示其支持添加节点、添加边和语义节点，意味着会处理并可能持久化知识图谱/向量相关数据。现有材料未说明具体存储位置、文件读写范围或是否访问其他本地资源，因此需留意实际数据落盘与访问边界，但暂无过度授权红旗。
正面证据包括官方 Registry 来源、开源仓库可审计、近一年内有更新；这些因素明显降低供应链风险。需留意的是 README 基本缺失、许可证未声明、社区采用度较低（0 star），导致可审计上下文与成熟度信号有限，因此评为需留意而非高风险。
复制安装指令，让 AI 自动完成配置 · 推荐新手
请帮我安装 askskill 上的 "io.github.CSOAI-ORG/vector-knowledge-graph-mcp" MCP 服务： 执行：claude mcp add 'io-github-csoai-org-vector-knowledge-graph-mcp' -- npx -y vector-knowledge-graph-mcp
请用这个 MCP 工具把以下信息写入知识图谱：1）用户 A 负责项目 X；2）项目 X 依赖服务 Y；3）用户 A 也维护服务 Y。请分别添加节点和边，并整理成可查询的关系结构。
生成包含实体节点与关系边的知识图谱结构。
请根据“用户增长策略”这个概念，检索知识图谱中语义相关的节点，并返回最相关的关联实体及原因。
返回语义相近的节点列表及关联说明。
我已经有节点“客户反馈”“产品缺陷”“修复方案”，请帮我补充它们之间合理的边关系，并输出适合智能体推理的图结构。
补全节点之间的关系并输出可推理图。
为 AI 代理与 IDE 提供持久化知识图谱记忆、语义检索与关联探索能力
为 AI 代理接入企业级 RAG 与多向量库检索能力，兼顾安全与动态工具选择
帮助用户通过知识图谱与向量检索高效搜索、阅读并分析 Wiki 内容。
为大模型提供可持久化的知识图谱记忆与语义检索能力
为智能代理提供语义笔记记忆与网页搜索能力，增强检索和推理效果
将代码库转为结构化知识图谱，帮助 AI 在开发中高效理解与探索代码。