智能体框架

代理框架为开发者提供构建块，使其能够超越单次大语言模型调用——将语言模型连接到工具、记忆和外部数据源。代理不再是线性的提示-响应循环，而是可以在多个步骤上进行推理，选择要调用的工具，并根据中间结果调整其行为。

Neo4j 天然适配代理工作流，既可作为知识来源，又可作为记忆存储。代理通过 MCP 工具或直接驱动程序集成查询图谱，以获取结构化上下文、遍历实体之间的关系，并将回复基于真实数据而非仅模型权重。

连接点通常是 Neo4j MCP 服务器，它将模式检查和 Cypher 执行公开为标准工具，任何兼容 MCP 的代理都可以调用。对于更倾向于直接集成的框架，Neo4j Python 驱动以及 langchain-neo4j / llama-index-graph-stores-neo4j 包提供原生工具定义和向量存储支持。

代理框架

Neo4j 通过 Neo4j MCP 服务器、直接驱动连接以及框架原生工具定义，与所有主流代理框架集成。

  • LangChain — 支持 langchain-neo4j 和 MCP 适配器的 ReAct 风格代理

  • LlamaIndex — 具备 BasicMCPClient、Neo4jVectorStore 和 GraphRAG 检索器的 FunctionAgent

  • LangGraph — 带有 Neo4j 检查点持久化的有状态多角色图工作流

  • OpenAI Agents SDK — 使用 OpenAI Agents SDK 并结合 Neo4j MCP 的工具调用代理

  • AWS Strands Agents — 支持 Bedrock 模型的 AWS 原生代理框架

  • Pydantic AI — 具有结构化工具定义的类型安全代理框架

  • Claude Agent SDK — Anthropic 的代理 SDK，支持工具使用和 MCP 集成

  • Microsoft Agent Framework — 多模式集成：直接 SDK、MCP、HTTP API 和 Context Provider

  • Google ADK — Google 的代理开发套件，支持 MCP Toolbox

GraphAcademy 课程

如果您想学习 LLM 和知识图谱如何结合以改进 GenAI 应用程序，请查看 GraphAcademy 上的 Neo4j & LLM 课程。

llm fundamentals
© . This site is unofficial and not affiliated with Neo4j, Inc.