EdgeQuake：用 PostgreSQL GraphRAG 构建 MCP 智能体记忆

返回

Kevin Riedl

12 分钟 阅读 · 2026年10月12日
最近审核 2026年10月12日

下一篇

EdgeQuake 是用 Rust 编写的 GraphRAG 服务端，将文档检索与知识图谱整合在 PostgreSQL 中。借助 MCP，智能体在不同对话中都能从中检索证据。它尤其值得用于答案分散在多份文档中的问题，例如：某个产品使用的组件，受哪份供应商协议约束？

v0.34.0 版本于 2026年10月11日发布，适合作为评估这套架构的版本基线。如果团队已经在运维 PostgreSQL，将图谱、向量和文档数据放在同一个数据存储中，可以让系统更容易维护。

核查日期：2026年10月12日。本文核查了该版本标签下的文档与实现。下文给出的是建议采用的评估步骤；Wavect 尚未运行这套 EdgeQuake 部署，也未独立复现其基准测试。

EdgeQuake v0.34.0 更新了什么？

v0.34.0 新增可视化导览，数据库 schema 版本仍为 169。该版本的升级说明指出，查询与存储行为保持不变。它沿用了 8 月已有的准确率评估结果。加密的模型服务连接、工作区隔离和 MCP 等功能，属于产品在此前版本中累积的能力。

了解具体改动，才能安排合适的升级步骤。从 v0.33.0、schema 169 升级时，迁移命令应当没有待执行任务。更早的安装版本需要遵循对应的升级路径。仅凭发布公告，无法判断你的数据库是否已经满足升级条件。

当答案藏在关系中，再考虑 GraphRAG

EdgeQuake 仓库介绍了基于 LightRAG 思路的 Rust 检索实现：摄取文档，提取实体与关系，再结合向量和图操作检索所需上下文。PostgreSQL 负责保存数据，pgvector 负责向量检索，Apache AGE 提供图存储与查询能力。

可以先用下面这组完全虚构的文档做评估：

提问：“哪份协议会影响 Atlas 产品，由谁负责？”有用的回答需要为每一步关联提供正确出处。仅找到一段提到 Atlas 的文字还不够。提取出来的图谱关系也可能出错，因此，接受答案前应核对原文。

向量检索本身也能解决一部分跨文档问题，尤其是在分块合理、允许多轮检索时。应通过实际问题衡量加入图谱是否有帮助。我们的智能体图工程指南讨论更广泛的架构选择；本文聚焦 EdgeQuake 的部署与运行。

“一个 PostgreSQL”实际包含哪些组件

数据集中在一处，运行时仍有多个进程。该版本的 Docker Compose 文件定义了 PostgreSQL、Rust API、Web 前端，以及在 API 启动前执行的迁移服务。项目为 PostgreSQL 16、17 和 18 发布了包含所需扩展的镜像。使用常规托管 PostgreSQL 实例时，需要确认它支持兼容的 pgvector 和 Apache AGE。

Rust 服务端是一个二进制程序。前端、可选的身份提供方，以及本地模型服务器，各有自己的运行要求。“一个 PostgreSQL”说明的是检索数据存在哪里；模型托管、备份和升级仍然需要纳入运维预算。

为了便于重复评估，先下载本文核查过的 Compose 文件，并在启动前检查所选镜像：

mkdir edgequake-0.34.0
cd edgequake-0.34.0
curl -fsSL \
  https://raw.githubusercontent.com/raphaelmansuy/edgequake/v0.34.0/docker-compose.quickstart.yml \
  -o docker-compose.quickstart.yml
export EDGEQUAKE_VERSION=0.34.0
docker compose -f docker-compose.quickstart.yml config --images

将这个版本号保存在部署配置中，否则文件默认使用 latest。演示配置将对外发布的端口绑定到回环地址，并关闭身份认证。用作共享知识服务前，应先配置登录。下文的认证部分说明了需要添加的 Compose 覆盖配置。

MCP 记忆的流程：摄取、等待索引、检索证据

MCP 集成指南给出的网关端点是 POST /mcp，别名为 /api/v1/mcp。完整流程如下：

1. 通过界面或 REST API 创建工作区，为指定身份授予访问权限。
2. 具有写入权限的调用方通过 eq_ingest 提交文本，使用 eq_upload_* 工具上传文件。
3. 保存返回的任务标识，并轮询 eq_task_get。任务状态变为 indexed 后，文档才可供检索。
4. 先调用 eq_search，再通过 eq_fetch 的 view=toc 查看现有证据。随后获取所需文本块或引用。
5. 由宿主智能体组织答案，并保留来源引用。开启新对话后，需要再次检索相关证据。

这些 MCP 工具返回证据，供宿主智能体使用。独立的答案生成 API 是另一条调用路径。“第二大脑”可以用来概括持久保存、随时可检索的知识，但它并不代表系统会自动记录每次对话，也不能保证每个答案都正确。

只需要检索的连接器，应在 API 进程的环境中设置 EDGEQUAKE_MCP_PROFILE=query。默认的 control 配置也会开放写入工具，memory 是它的别名。采用只读查询配置后，需要通过界面、REST API 或另行配置的服务导入知识。

让智能体的权限与目标工作区一致

API 密钥说明区分了 edgequake:read、edgequake:query 和 edgequake:write。密钥的默认权限范围是读取和查询。应为智能体使用专用身份签发密钥，并将该身份的成员权限限制在实际需要的范围内。

按照认证快速入门启用登录。对于本文核查的 Compose 部署，需要设置 EDGEQUAKE_AUTH_ENABLED=true、EDGEQUAKE_DEV_MODE=false，保存强度足够且持久不变的 JWT_SECRET，配置首次管理员凭据，并通过 Compose 覆盖配置向 API 传入 EDGEQUAKE_CORS_ORIGINS。也应在这份 API 覆盖配置中设置 MCP profile；仅在宿主机 shell 中导出变量，这份 Compose 文件不会将其传入容器。项目支持通过 Keycloak/OIDC 实现 SSO，但身份服务的部署与账号生命周期需要单独配置。

工作区请求头用于选择上下文，访问范围则必须由授权检查来约束。该版本的API 密钥创建类型接受名称、权限范围和可选的有效期，没有工作区标识字段。即使客户端设置了默认工作区，也不能据此认定高权限用户的密钥被限制在该工作区内。

选一个获准访问的工作区和另一个工作区，用同一凭据分别测试。省略工作区请求头、撤销访问权限后，再重复测试。除搜索外，也要检查文档读取和图谱工具。如果需要继承上游系统的文档级访问权限，可参考我们的RAG 权限控制指南；单独进行工作区隔离，并不能证明源系统的文档权限已经得到落实。

向已启用认证的服务器发送经源码核查的 HTTP 查询

配置好服务器，并为虚构语料完成索引后，通过本地环境变量提供密钥、租户 ID 和工作区 ID。以下诊断请求对照了该版本的HTTP 传输校验与工具参数 schema。不要将凭据写入会提交到版本库的客户端配置。

curl --fail-with-body -sS http://localhost:8080/mcp \
  -H "Authorization: Bearer $EDGEQUAKE_API_KEY" \
  -H "X-Tenant-ID: $EDGEQUAKE_TENANT_ID" \
  -H "X-Workspace-Id: $EDGEQUAKE_WORKSPACE_ID" \
  -H 'Content-Type: application/json' \
  -H 'Accept: application/json, text/event-stream' \
  -H 'MCP-Protocol-Version: 2026-07-28' \
  -H 'Mcp-Method: tools/call' \
  -H 'Mcp-Name: eq_search' \
  --data-binary @- <<'JSON'
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "eq_search",
    "arguments": {
      "query": "Which agreement affects Product Atlas, and who owns it?",
      "mode": "hybrid",
      "budget": "standard",
      "limit": 8
    }
  }
}
JSON

这条网关诊断请求经过源码核查，尚未在实际运行的服务器上执行。常规 MCP 客户端还会完成初始化握手。远程部署应使用 HTTPS。检查返回的证据句柄和错误，包括 JSON-RPC 的 error 与 MCP 的 isError；收到 HTTP 响应本身，并不能证明检索成功。

hybrid 结合局部与全局图检索。默认的 mix 模式加入融合检索与重排序；下文的基准测试使用 Mix。记录评估结果时，应同时记录查询模式。

选用桥接程序前，先检查客户端的传输兼容性。该版本的stdio 桥接实现没有发送上述 method/name 请求头，也没有转发配置中的默认租户。这些细节限制了它在本次源码核查中能证明的多租户连接能力。采用通用 npx 配置示例前，应核对实际安装的包及其发出的请求。

要让数据全程留在本地，逐一检查模型角色

EdgeQuake 支持云端模型服务和本地模型端点。相比查看服务商标识，工作区模型角色说明更有助于判断数据流向：

角色文档说明，当已保存的 Connection 无法使用时，系统可能回退到工作区或服务器默认配置。使用 Ollama、LM Studio、MLX 或 llama.cpp 本地部署时，应核对可达端点与实际选中的模型角色。随后模拟本地端点故障，检查请求是否被发送给了其他服务商。

智能体自身使用的模型，也是一个数据去向。本地知识存储可以将原文片段返回给使用云端模型的 MCP 客户端。判断整个流程是否满足本地处理要求时，必须将最后这次模型调用计算在内。

模型服务安全指南说明，已保存的服务商密钥使用 AES-256-GCM 加密，密钥只能写入，不能通过 API 读回。应妥善持久保存 EDGEQUAKE_SECRETS_KEY：修改或丢失它，会导致已存储的密钥无法解密。交互式快速入门脚本每次运行都会生成新密钥，除非事先已导出该变量。静态加密保护的是存储中的凭据；配置的模型服务商仍会处理发送给它的请求。

先评估 PDF 提取结果，再相信图谱关系

PDF 处理指南介绍了文本提取，以及面向扫描页面和复杂版式的视觉处理。用一张实际表格、一个扫描页面，以及一份包含修订后组件编号的文档做测试。评估答案前，先检查提取的内容与来源引用。表格中提错的一行数据，可能在图谱中变成看似可信、实则错误的关系。

EdgeQuake 与 LightRAG：先看清缓存条件

项目公开的基准测试记录给出了以下结果。这些数据来自项目方的不同轮次测试，并被沿用至本次发布。

准确率对比使用相同语料、问题、Mix 模式、Mistral Small 和 mistral-embed。准确率差值的 95% 置信区间为 [-0.022, +0.034]，包含零。这个结果并不能证明两者的检索质量等同。

热缓存测试中，关键词、嵌入和生成阶段的耗时中位数都记录为零毫秒。因此，82 ms 不能用来说明通过新模型调用回答新问题需要多久。重复查询可能受益于这条缓存路径；首次查询的耗时应单独测量。

先在一个工作区完成有针对性的评估

我们建议从一小组获准使用的文档开始，选择需要明确实体关系才能回答的问题。导入前，先约定正确答案必须包含哪些证据。也应加入一个文档无法回答的问题。

• 核验 Atlas 示例中的完整关系链，并检查每一处引用的原文。
• 用选定的图检索模式和较简单的检索基线，分别回答同一组问题。
• 单独记录首次查询延迟、重复查询延迟、摄取耗时和模型成本。
• 使用第二个身份，检查工作区隔离、失效凭据以及被撤销的成员权限。
• 修改一条源事实，重新处理文档，再检查是否仍有冲突或过时的证据。
• 在测试环境中恢复数据库及所需密钥，然后再次检索。

使用 edgequake doctor 检查配置与数据库就绪情况，并在启动升级后的 API 前完成明确的迁移步骤。源码核查与进程健康状态为评估提供依据；文档、权限和恢复测试，才能判断这套部署是否适合你的实际工作。

当问题需要跨文档梳理关系，而团队又适合采用 PostgreSQL 运维时，EdgeQuake 值得评估。如果主要需求是在不同 IDE 之间共享编程决策，我们的 mcp-memory-service 配置指南更聚焦这个场景。需要在自建知识服务与现成产品之间做选择时，可参考定制软件与现成软件选型指南。