关键词

知识图谱分布式数据库数据版本控制AI Agent上下文Delta-CRDT

项目简介

RhizomeDB 是一个独特的超图数据库，它以不可变的“Delta”（增量）作为核心数据单元，通过Delta-CRDTs（冲突免��复制数据类型）技术，在查询时动态构建数据状态。这意味着数据没有传统意义上的“固定状态”，而是由一系列增量断言构成。它原生支持时间旅行、灵活的模式演进以及分布式协作。此仓库包含RhizomeDB的规范和TypeScript参考实现，并特别提供了一个符合Model Context Protocol (MCP) 标准的服务器，旨在让AI Agent能够将其作为上下文服务和持久化知识库使用。

主要功能点

  • 数据存储与管理：所有数据以不可变增量（Delta）的形式存储。每个Delta都是一个原子性断言，记录了操作者、时间戳和关联关系。支持对现有Delta进行“否定”操作，以实现逻辑上的数据修改或撤销，同时保留完整的审计历史。
  • 灵活的查询与视图：通过强大的HyperSchema机制，可以将原始的Delta流转换为结构化且易于理解的“HyperView”（超视图），从而呈现出不同维度和深度的领域对象。
  • AI Agent工具调用：MCP服务器暴露了一系列工具，允许AI Agent通过标准化的JSON-RPC协议调用数据库操作，例如创建新的Delta、查询历史Delta、创建对象和关系、以及获取数据库统计信息等。
  • AI Agent资源访问：AI Agent可以通过资源URI访问数据库中的领域对象或原始Delta。领域对象以简洁的JSON格式呈现，方便AI理解和使用。
  • 联邦与多实例协作：设计上支持多个RhizomeDB实例之间进行Delta的同步与联邦，能够实现数据在地理位置上的复制、客户端-服务器同步、甚至去中心化的数据协作（联邦功能仍在持续开发和完善中）。
  • 模式演进与自适应：除了核心的Delta模式外，所有的HyperSchema定义本身也以Delta的形式存储在数据库中，这使得数据模式可以随着应用需求动态演进，无需停机或复杂的迁移脚本。

安装步骤

要运行RhizomeDB MCP服务器，您需要Node.js和'ts-node'环境。

  1. 克隆仓库： 
    git clone https://github.com/mbilokonsky/rhizomedb.git
cd rhizomedb
  2. 安装依赖： 
    cd typescript
npm install
# 或者使用 pnpm
# pnpm install
  3. 启动MCP服务器： 从 'typescript' 目录运行以下命令： 
    ts-node mcp-server/src/index.ts
    服务器启动后，会输出日志到标准错误流（stderr），而标准输出流（stdout）将用于MCP协议通信。

服务器配置

MCP客户端需要配置RhizomeDB MCP服务器的启动信息，以便建立连接。以下是客户端可能需要的JSON配置示例（请将 'path/to/your/rhizomedb-repo' 替换为RhizomeDB仓库的实际路径）：

{
  "server_name": "RhizomeDB MCP Server",
  "command": "ts-node",
  "args": [
    "path/to/your/rhizomedb-repo/typescript/mcp-server/src/index.ts"
  ],
  "env": {
    "RHIZOME_STORAGE": "memory",
    "RHIZOME_PATH": "/tmp/rhizomedb-data",
    "RHIZOME_SYSTEM_ID": "my-ai-agent-mcp-server",
    "RHIZOME_CACHE_SIZE": "10000",
    "RHIZOME_ENABLE_INDEXING": "true",
    "RHIZOME_VALIDATE_SCHEMAS": "false"
  },
  "description": "RhizomeDB MCP服务器作为AI Agent的知识图谱后端。它管理着不可变的Delta数据流，并通过MCP协议向AI Agent暴露创建、查询和管理这些Delta的工具与资源。AI Agent可以利用其时间旅行、冲突解决和灵活模式演进的能力来存储和查询复杂的上下文信息。",
  "comment_RHIZOME_STORAGE": "数据存储类型：'memory' (内存，数据不持久化) 或 'leveldb' (持久化存储，推荐用于生产环境)。",
  "comment_RHIZOME_PATH": "LevelDB存储路径：仅当 RHIZOME_STORAGE 为 'leveldb' 时有效，指定本地文件系统路径。",
  "comment_RHIZOME_SYSTEM_ID": "当前RhizomeDB实例的唯一标识符。如果未提供，将自动生成。",
  "comment_RHIZOME_CACHE_SIZE": "缓存中保留的Materialized HyperView数量，用于加速查询。较大的值通常带来更好的读取性能。",
  "comment_RHIZOME_ENABLE_INDEXING": "是否启用索引功能。启用后将维护HyperView，加快查询速度。设为 'false' 则禁用。",
  "comment_RHIZOME_VALIDATE_SCHEMAS": "是否在注册HyperSchema时进行验证，例如检查循环依赖。设为 'true' 启用，'false' 禁用。"
}

基本使用方法

当MCP服务器启动并被MCP客户端连接后，AI Agent可以通过以下方式与RhizomeDB进行交互：

  1. 列出可用工具：AI Agent可以发送 'ListToolsRequest' 请求，获取所有可用的数据库操作工具及其详细描述和输入模式。
    • 例如：'create_delta' 用于创建原始Delta；'create_object' 和 'create_relationship' 是创建数据的便捷封装；'query_deltas' 用于按多种条件查询Delta。
  2. 调用工具执行操作：AI Agent可发送 'CallToolRequest' 请求来执行特定工具。
    • 创建信息：调用 'create_object' 工具来为某个ID添加属性（例如，为一个用户ID添加姓名、年龄等）。
    • 建立关系：调用 'create_relationship' 工具来在两个对象之间建立语义关联（例如，表示一个电影由某个导演执导）。
    • 查询历史：调用 'time_travel_query' 工具，传入一个时间戳，查看数据库在该时间点的状态。
  3. 列出和读取资源：AI Agent可以发送 'ListResourcesRequest' 来发现可用的数据资源，并通过 'ReadResourceRequest' 读取资源内容。
    • 读取对象状态：通过URI 'rhizome://object/your_object_id' 读取某个领域对象的当前状态（聚合了所有相关的Delta）。
    • 查看原始Delta：通过URI 'rhizome://delta/your_delta_id' 读取某个特定Delta的原始信息。

通过这些工具和资源，AI Agent能够像操作一个功能丰富的知识图谱一样，与RhizomeDB进行高效的上下文交互和数据管理。

信息

分类

数据库与文件

访问项目