$ loading_
让 AI 直接查询代码库知识图谱，以更少 token 快速理解项目结构与依赖。
基于现有材料，PruvaGraph MCP Server 未显示需要密钥或远程外发，整体风险偏低。主要注意点在于其具备本机代码执行能力，且项目虽为开源 MIT，但社区采用度与维护情况证据较弱。
材料明确标注“无”需要的密钥/环境变量，未见要求提供 API key、token 或其他敏感凭证，因此凭证泄露与滥用面较小。
材料标注远程端点 host 为“无”，描述也仅提到读取本地 compact graph.json 以查询代码图谱，未见向外部服务传输用户数据的证据。
系统检查项显示该工具具备 executes-code 能力，说明其可在本机环境中运行代码或进程。这属于 MCP 工具的常规高权限能力，材料未显示额外异常权限申请，但仍应在受控环境中使用。
描述显示其功能是读取代码库知识图谱文件 graph.json 来回答查询，意味着至少具备访问本地项目数据的能力。现有材料未显示写入、删除或越权访问更多系统资源的证据，但应按最小权限原则限制其可见目录。
正面因素是该项目开源且采用 MIT 许可证，源码可审计，有助于降低风险；但来源为 third_party_registry，社区采用度为 0 star，维护状态未知，信任与持续维护证据较弱，因此供应链维度建议谨慎。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"PruvaGraph 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。
读取这个仓库的 graph.json，概括核心模块、主要依赖关系，以及项目的入口文件和关键数据流。
输出一份基于知识图谱的项目结构总结，说明模块职责与相互关系。
基于 graph.json，帮我找出用户登录流程相关的文件、函数调用链，以及可能需要修改的模块。
列出相关文件与调用路径，并给出最可能的修改点建议。
先读取 graph.json，不要扫描全部源码。请总结这次变更可能影响的上下游模块，并指出需要重点审查的依赖关系。
给出高效的审查范围建议，帮助在少量上下文下完成代码评审准备。
帮助 AI 深度理解代码库并进行语义检索分析