LiteGraph：同时精通图关系、向量检索和 MCP 协议的轻量级数据库

图1：LiteGraph 项目 Logo

想象一下：你正在构建一个企业知识库 AI 助手，用户问了一个问题："过去半年内，哪些客户对产品 X 提出了不满，并在社交媒体上引发了讨论？" 这需要系统同时理解语义相似性（向量检索）、关系链条（图数据库）以及外部协议扩展（MCP）。传统方案需要 Neo4j + Pinecone + 额外的 MCP 桥接服务，三套系统各自运维。而 LiteGraph 用一个数据库把所有需求打包解决了。

图2：LiteGraph Web Dashboard — 图数据可视化界面

一、背景故事：把三个数据库拧成一个

LiteGraph 由 .NET 开发者 Joel Christochowitz（GitHub @jchristn）创建和维护，定位是一个属性图数据库，瞄准的是现代 AI 应用对数据层的复杂需求——既要图关系的表达能力，又要向量检索的语义理解，还要能被 AI Agent 通过 MCP 协议直接调用。

项目最早版本可追溯至 2021 年，经历了从单一 SQLite 后端到多后端支持、从 REST API 到 MCP 协议集成的演进过程。截至 2025 年底，LiteGraph 已发布 v7.0.0，支持 PostgreSQL 17 生产级并发写入、HNSW 向量索引、RBAC 权限控制和 Prometheus 监控。

二、核心功能：一个数据库，三重能力

2.1 图数据：属性图模型 + 原生查询语言

LiteGraph 采用属性图模型（Property Graph），节点（Node）和边（Edge）都可以附加属性（Property）和标签（Label/Tag）。数据层级结构为：

Tenant（租户） → Graph（图） → Nodes/Edges（图节点/边）
                            → Labels/Tags（图标签）
                            → Vectors（向量）

LiteGraph 定义了自研的图查询 DSL，支持图遍历、向量混合搜索、图变更操作。

2.2 向量检索：HNSW 索引 + 多种后端

LiteGraph 通过 HnswLite 2.0.1 实现 HNSW（Hierarchical Navigable Small World）向量索引，支持高召回率的近似最近邻搜索。v7.0.0 的向量索引使用文件持久化格式（FormatVersion = 2）。

2.3 MCP 协议：让 AI Agent 直接操作图数据

MCP（Model Context Protocol）是 AI Agent 与外部工具/数据交互的标准协议。LiteGraph 实现了完整的 MCP Server，支持 HTTP、TCP、WebSocket 三种传输方式，AI Agent 可直接调用图查询能力。

图3：LiteGraph Dashboard — 图数据查询结果展示

三、技术架构：五层分层设计

LiteGraph 采用严格的五层分层架构：

1. Client Layer：处理输入验证和跨切面逻辑
2. Repository Layer：数据访问原语
3. Storage Layer：SQLite（嵌入式）或 PostgreSQL（生产级并行写入）
4. Query Layer：原生 DSL 图查询引擎 + HNSW 向量索引
5. Transport Layer：REST API、MCP Server、Web Dashboard

四、部署体验：五分钟一键启动

LiteGraph 提供开箱即用的 Docker Compose 方案，包含以下组件：

启动命令：

cd docker
docker compose up -d

初始化容器会自动完成 PostgreSQL schema 创建和默认数据导入。Dashboard 基于 Next.js 16 + React 19。

五、SDK 支持：多语言生态

LiteGraph 提供三种语言的官方 SDK：

六、争议与局限

• 生态积累不足：相比 Neo4j 数十年的社区积累，LiteGraph 第三方集成、教程文档还很有限，126 颗 Star 的社区规模也反映了这一现状
• License 为空：仓库 API 返回 license: null，使用前需确认实际许可证类型
• .NET 单语言核心：虽然 SDK 覆盖多语言，但底层扩展性受限于 .NET 生态
• v7.0 事务机制复杂度：PostgreSQL 并行写入的事务隔离级别对运维人员要求较高

七、行业意义与增长趋势

随着 RAG 和 Agent 应用的爆发式增长，图数据库 + 向量检索的融合需求正在成为趋势。LiteGraph 处于这一交叉点——不像 Neo4j 那样重型，也不像纯向量数据库那样单薄，用"刚好够用"的方式降低了 AI 应用数据层的复杂度。

其 MCP 原生支持也代表了数据库发展的一个新方向——数据库直接参与 Agent 工作流，而非仅作为被动存储层。

相关资源

• GitHub: https://github.com/litegraphdb/litegraph
• 文档: https://litegraph.readme.io/
• Docker Hub: jchristn77/litegraph:v7.0.0
• PyPI: litegraph-sdk
• NPM: litegraphdb