$ loading_
帮助用户构建、分析并可视化关系图谱，执行 PageRank 与环检测等图算法。
该 MCP 工具材料较少，但从已知信息看为开源 MIT 项目的图数据库/图分析服务，无需密钥且未声明远程端点，整体风险偏低。需注意其具备本机执行代码这一类 MCP 固有能力，且仓库社区采用度低、维护状态未知，建议先做源码与权限边界核查。
材料注明无需密钥或环境变量，未见要求提供 API token、账号口令或其他敏感凭证，因此凭证泄露与滥用面较小。
未声明任何远程端点或外部服务依赖；按现有材料看，不存在明确的用户数据外发路径。由于 README 缺失，仍应在运行前确认是否存在未文档化联网行为。
系统检查项明确标记为 executes-code，说明该 MCP 工具会在本机运行代码/进程；这属于此类工具的常规能力，本身不构成高风险，但应限制其运行环境与可调用系统资源。
描述表明其提供图数据库构建、分析和可视化能力，通常意味着会处理并持有用户提供的图数据，可能涉及本地数据读写；现有材料未见超出其声明功能的过度数据权限，但具体访问范围未文档化。
正面因素是开源、可审计且采用 MIT 许可证；但来源为第三方 registry，GitHub 仓库仅 0 star、维护状态未知且 README 缺失，降低了成熟度与可验证性，因此供应链层面建议审慎。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"mcp-graph-engine" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请根据这组用户关注关系创建图谱，找出 PageRank 最高的前 10 个节点，并标记是否存在闭环社区，最后生成可视化结果摘要。
返回构建好的关系图分析结果，包括高影响力节点、闭环检测结论和可视化说明。
把以下服务调用关系建成依赖图，找出存在循环依赖的服务链路，并说明哪些节点是关键枢纽。
输出系统依赖图、循环依赖路径以及关键服务节点分析。
根据这批实体与关系数据生成知识图谱，分析各实体之间的连接强度，识别最核心的概念节点，并给出可视化建议。
产出知识图谱结构分析、核心概念识别结果和展示方式建议。
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
基于代码与文档构建知识图谱，支持仓库问答与实现方案规划。
用自然语言连接 Data Graphs 平台，搜索、探索并查询知识图谱数据。
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。
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。
帮助团队查询和管理软件架构图谱，用于影响分析、依赖追踪与设计决策。