关键词

AI编程助手LangGraph开发代码生成知识图谱RAG（检索增强生成）

项目简介

LangGraph开发导航助手旨在解决AI编程助手在生成代码时可能出现的“幻觉”问题，即生成不准确或过时的代码。它通过将AI助手与特定、版本控制的代码库（特别是LangGraph）相结合，提供“可执行的真相”，确保AI生成的代码是可靠、健壮且符合项目最佳实践的。

主要功能点

  • 智能文档搜索： 允许AI助手通过自然语言提问，从您的LangGraph代码库和文档中检索最相关的、最新的信息。
  • 代码示例查找： 专门用于搜索可运行的代码片段，帮助AI生成实际可用的代码。
  • 代码幻觉检测： 利用代码库的结构知识，自动验证AI生成的Python代码，检查是否存在不存在的类、方法或不正确的函数调用，从而大幅减少错误。
  • 代码结构探索： 允许AI助手直接查询LangGraph代码库的内部结构，深入理解其工作原理。
  • 本地知识托管： 在本地托管LangGraph官方仓库作为知识源，确保上下文是最新的。

安装步骤

  1. 克隆仓库及子模块： 打开您的终端，执行以下命令克隆项目及其所有必要的子模块：

    git clone --recursive https://github.com/botingw/langgraph-dev-navigator.git
cd langgraph-dev-navigator

    如果您的克隆命令中未包含 '--recursive' 标志，请手动初始化子模块：

    git submodule update --init --recursive

  2. 安装核心依赖： 在项目根目录下，使用 'uv' 工具安装Python依赖（如果未安装 'uv'，请先运行 'pip install uv'）：

    uv pip install -r requirements.txt

  3. 设置知识服务器 ('mcp-crawl4ai-rag')： 这个项目包含一个名为 'mcp-crawl4ai-rag' 的子模块，它是提供核心知识服务的MCP服务器。

    • 准备工作：
      • Docker： 推荐使用Docker进行安装。
      • API密钥与服务： 您需要准备OpenAI API Key（用于生成嵌入）、Supabase项目（用于作为向量数据库，获取项目URL和'service_role'密钥）、Neo4j实例（用于作为图数据库，获取URI、用户和密码）。
    • 配置环境变量： 复制 'mcp-crawl4ai-rag/.env.example' 文件到 'mcp-crawl4ai-rag/.env'，并编辑 'mcp-crawl4ai-rag/.env' 填入您准备好的各项API密钥和URL。
    • 设置Supabase数据库： 登录您的Supabase项目仪表板，导航到“SQL Editor”，点击“New query”，将 'mcp-crawl4ai-rag/crawled_pages.sql' 文件的全部内容粘贴进去并运行，以创建必要的表和函数。
    • 构建并运行Docker容器（推荐方式）：
      • 构建Docker镜像： 
        docker build -t mcp-crawl4ai-rag -f mcp-crawl4ai-rag/Dockerfile mcp-crawl4ai-rag
      • 运行一次性数据导入： 这将抓取LangGraph文档并填充您的Supabase和Neo4j数据库。 
        docker run --rm --memory "512m" \
  -v "$(pwd)/mcp-crawl4ai-rag/.env:/app/.env" \
  -v "$(pwd)/mcp-crawl4ai-rag/reports:/app/reports" \
  mcp-crawl4ai-rag \
  python -u run_one_time_ingestion.py
      • 验证数据导入： 运行以下命令确保数据已成功写入数据库。 
        docker run --rm --memory "512m" -v "$(pwd)/mcp-crawl4ai-rag/.env:/app/.env" mcp-crawl4ai-rag python -u validate_setup.py --stage 2

  4. 配置您的AI助手： 运行以下命令，它会提供一个交互式菜单，让您选择您的AI编码助手，并自动为其配置使用此项目提供的MCP服务器的说明和规则。

    uv run python src/setup_dev_assistant.py

服务器配置（用于MCP客户端）

以下是您需要添加到MCP客户端（例如Gemini CLI或GitHub Copilot）配置文件中的MCP服务器配置信息。这些配置将指导您的AI助手如何启动和连接到LangGraph开发导航助手。请根据您的实际AI客户端和路径进行调整。

  • Gemini CLI ('.gemini/settings.json') 配置示例:

    请将以下JSON片段添加到您的 '~/.gemini/settings.json' 文件中的 'mcpServers' 部分：

    {
  "mcpServers": {
    "crawl4ai-rag-bash": {
      "command": "docker",
      "args": ["run", "-i", "--rm",
               "--memory", "512m",
               "-v", "${pwd}/mcp-crawl4ai-rag/.env:/app/.env",
               "mcp-crawl4ai-rag",
               "bash", "/app/start_mcp_server.sh"],
      "timeout": 600
    }
  }
}

    参数说明:

    • '"crawl4ai-rag-bash"': 这是您为MCP服务器定义的名称，AI助手将通过此名称引用它。
    • '"command": "docker"': MCP客户端将执行的命令，这里是启动Docker容器的'docker'命令。
    • '"args"': 传递给 'docker' 命令的参数列表。
      • '-i': 保持标准输入打开，以便AI客户端可以与服务器进行交互。
      • '--rm': 在容器停止时自动移除容器。
      • '--memory "512m"': 限制Docker容器的内存使用为512MB。
      • '-v "${pwd}/mcp-crawl4ai-rag/.env:/app/.env"': 将您当前工作目录下的 'mcp-crawl4ai-rag/.env' 文件挂载到Docker容器内部的 '/app/.env'。请确保 '${pwd}' 变量在您的环境中能正确解析为实际路径。
      • '"mcp-crawl4ai-rag"': 这是您之前构建的Docker镜像的名称。
      • '"bash", "/app/start_mcp_server.sh"': 在Docker容器内部执行 '/app/start_mcp_server.sh' 脚本来启动MCP服务器。
    • '"timeout": 600': 服务器启动的超时时间为600秒（10分钟）。

  • GitHub Copilot ('.vscode/mcp.json') 配置示例:

    请将以下JSON片段添加到您的项目根目录下的 '.vscode/mcp.json' 文件中的 'servers' 部分：

    {
  "servers": {
    "crawl4ai-rag": {
      "type": "stdio",
      "command": "docker",
      "args": ["run", "-i",
               "--memory", "512m",
               "-v", "$(pwd)/mcp-crawl4ai-rag/.env:/app/.env",
               "mcp-crawl4ai-rag",
               "bash", "/app/start_mcp_server.sh"]
    }
  }
}

    参数说明:

    • '"crawl4ai-rag"': 您为MCP服务器定义的名称。
    • '"type": "stdio"': MCP客户端与服务器通过标准输入/输出流进行通信。
    • '"command": "docker"': 启动服务器的命令。
    • '"args"': 传递给 'docker' 命令的参数列表，与Gemini CLI配置类似。
      • 注意： '$(pwd)' 应替换为 'mcp-crawl4ai-rag' 子模块的绝对路径，这通常在Shell环境中自动解析。

基本使用方法

配置完成后，您的AI编码助手（如Gemini CLI或GitHub Copilot）将能够自动连接到LangGraph开发导航助手。您可以通过向AI助手提问，例如：“如何向我的图添加持久性？”，或者“如何创建一个带工具调用的LangGraph ReAct代理？”，来体验其功能。

AI助手将利用LangGraph开发导航助手提供的以下工具为您提供帮助：

  • 'perform_rag_query'：检索相关文档，找到问题的权威解答。
  • 'search_code_examples'：查找官方文档中的可运行代码示例。
  • 'check_ai_script_hallucinations'：自动验证AI生成的代码是否存在语法或逻辑错误。
  • 'query_knowledge_graph'：直接探索LangGraph代码库的内部结构，获取深层上下文。

这些工具的自动调用将确保您的AI助手在LangGraph开发过程中提供更准确、更可靠的指导和代码。

信息

分类

AI与计算

访问项目