MCPKG - Model Context Protocol Knowledge Graph 是什么？
🛠️
MCPKG 是一个用 Go 语言实现的轻量级知识图谱系统，核心目标是让语义数据的存储和查询变得更直接。它不依赖复杂的数据库或中间件，也不需要写配置文件，下载后运行就能开始使用。通过标准的 MCP 接口，外部程序可以稳定地与它通信，执行数据操作。它的设计思路很明确：把主语-谓语-宾语这种基本的数据结构作为核心单元，让你像写句子一样组织信息。
为什么需要它？
以往要管理实体之间的复杂关系，比如“用户 A 关注了主题 B”、“文档 C 引用了术语 D”，开发者通常得自己设计表结构、写关联查询，或者引入重型图数据库。这类方案要么扩展性差，要么运维成本高。如果只是做个原型或中小型项目，这些代价显得过重。
MCPKG 的出现就是为了解决这个断层。你不需要搭建集群或学习专用查询语言，只需要通过简单的 API 插入三元组，比如 ("张伟", "来自", "成都")，然后就能通过主语或宾语快速查出相关联的数据。对于需要快速验证想法、又希望保留语义表达能力的场景，它提供了一个折中且实用的选择。
核心能力速览
三元组读写支持：可以直接插入或查询形如“主体-关系-客体”的结构化数据，无需建模前置。添加一条新关系就像发一条 HTTP 请求那样简单。
图遍历查询：支持通过 graph:// URI 进行路径式查询。例如，你想知道“某人的出生地所属的省份”，可以用类似 graph://Person/来自/省份 的表达式一步步追踪，系统会自动返回匹配的结果链。
基于有向图的数据结构：所有三元组在底层构成一张有向图，能准确表达非对称关系（如“父子”、“属于”），也支持多跳查询，方便挖掘间接关联。
自动持久化：写入的数据会定期序列化到磁盘，服务重启后自动加载，不需要手动干预。你不用关心备份策略或恢复流程，数据状态始终可延续。
适合谁？怎么用？
⚡
如果你是后端或全栈开发者，正在做智能问答、元数据管理、资产关系梳理这类项目，而且希望避免一开始就引入 Neo4j 或 JanusGraph 这类复杂系统，MCPKG 是个合适的起点。
它也适合想尝试知识图谱但缺乏经验的开发者。你可以用它先搭一个小的知识库原型，比如把公司员工、部门、项目之间的关系录入进去，再通过简单的查询验证逻辑是否成立。一旦需求变复杂，也能作为过渡组件，逐步替换为更强大的系统。
建议从本地运行开始，用 curl 或 Postman 调用几个接口试试看。只要几分钟，就能完成第一个三元组的写入和检索。当你的应用开始依赖实体间的关系推理时，这个工具的价值就会显现出来。
