neo4j-labs/create-context-graph

AI agents with graph based reasoning memory, scaffolded in seconds

Create Context Graph とは？

Create Context Graph は、ドメイン固有の「ナレッジグラフをバックエンドに持つ」AIアプリケーションを雛形生成するコマンドラインウィザードです。ツールに指定するのは次の通りです：

  • 関心のある業界（ヘルスケア、金融、野生生物管理など）
  • 使用したいLLMエージェントフレームワーク（例：Strands、PydanticAI、LangGraph、Claude SDK）
  • ホスト型メモリサービス（NAMS）とセルフホスト型Neo4jインスタンスのどちらを希望するか

CLIは、すぐに実行可能なフルスタックプロジェクトを生成します：

  • FastAPIバックエンド – LLMエージェントが会話コンテキストをNeo4jグラフ（またはNeo4jベースのNAMS）に保存します。
  • Next.js + Chakra UI フロントエンド – チャットウィンドウ、インタラクティブなグラフビュー、ドキュメントブラウザ、意思決定トレースビューアを表示します。
  • Neo4jスキーマ と、選択したドメイン用のオプションのデモデータ。
  • SaaSツール（GitHub、Slack、Notion など）からグラフに実データをインポートするオプションのコネクタ。

これらはすべて数分で生成され、LLMの対話から抽出したエンティティを保存し、それらをドキュメント、ツール、意思決定にリンクするグラフである「コンテキストグラフ」を試すことができます。

誰が使うのか？

対象 役立つ理由
プロダクトチーム（医療記録チャットボットなど、ドメイン特化型AIアシスタントを構築するチーム） バックエンド、フロントエンド、Neo4jスキーマ、データインポートまで、スタック全体をワンクリックで雛形化。
データエンジニア / ナレッジグラフ専門家（既存のSaaSデータでLLM駆動のエンティティ抽出を試したい方） 組み込みコネクタがGitHub、Slack、Notion、Linearなどからデータを取得し、自動的にグラフへマッピング。
グラフ拡張LLMエージェントを探求する研究者・学生 既製のデモドメインと合成データにより、インフラの配線ではなくエージェントロジックに集中できます。
「エージェントメモリ」のリファレンス実装を探しているNeo4jユーザー Neo4j、LiteLLM、さまざまなエージェントSDKを本番向けFastAPIサービスで組み合わせる方法を示します。

誰が使うのか？

対象 役立つ理由
プロダクトチーム（ドメイン特化型AIアシスタント、例：医療記録チャットボットを構築中） バックエンド、フロントエンド、Neo4jスキーマ、データインポートなど、スタック全体をワンクリックで雛形化。
データエンジニア / ナレッジグラフ専門家（既存のSaaSデータでLLM駆動のエンティティ抽出を試したい方） 組み込みコネクタがGitHub、Slack、Notion、Linearなどからデータを取得し、自動的にグラフへマッピング。
グラフ拡張LLMエージェントを探求する研究者・学生 既製のデモドメインと合成データにより、インフラの配線ではなくエージェントロジックに集中できます。
「エージェントメモリ」のリファレンス実装を探しているNeo4jユーザー Neo4j、LiteLLM、さまざまなエージェントSDKを本番向けFastAPIサービスで組み合わせる方法を示します。

誰が使うのか？

対象 役立つ理由
プロダクトチーム（ドメイン特化型AIアシスタント、例：医療記録チャットボットを構築中） バックエンド、フロントエンド、Neo4jスキーマ、データインポートを含むスタック全体をワンクリックで雛形生成。
データエンジニア / ナレッジグラフ専門家で、既存のSaaSデータでLLM駆動のエンティティ抽出を試したい方 組み込みコネクタがGitHub、Slack、Notion、Linearなどからデータを取得し、自動的にグラフへマッピング。
グラフ拡張LLMエージェントを探求する研究者・学生 既製のデモドメインと合成データにより、インフラの配線ではなくエージェントロジックに集中できます。
「エージェントメモリ」のリファレンス実装を探しているNeo4jユーザー Neo4j、LiteLLM、さまざまなエージェントSDKを本番向けFastAPIサービスで組み合わせる方法を示します。

誰が使うのか？

対象 役立つ理由
プロダクトチーム（例：医療記録チャットボットなど、ドメイン特化型AIアシスタントを構築するチーム） バックエンド、フロントエンド、Neo4jスキーマ、データインポートなど、スタック全体をワンクリックで雛形生成。
データエンジニア / ナレッジグラフ専門家で、既存のSaaSデータでLLM駆動のエンティティ抽出を試したい方 組み込みコネクタがGitHub、Slack、Notion、Linearなどからデータを取得し、自動的にグラフへマッピング。
グラフ拡張LLMエージェントを探求する研究者・学生 既製のデモドメインと合成データにより、インフラの配線ではなくエージェントのロジックに集中できます。
「エージェントメモリ」のリファレンス実装を探しているNeo4jユーザー Neo4j、LiteLLM、さまざまなエージェントSDKを本番向けFastAPIサービスで組み合わせる方法を示します。

誰が使うのか？

対象 役立つ理由
プロダクトチーム（例：医療記録チャットボットなど、ドメイン特化型AIアシスタントを構築するチーム） バックエンド、フロントエンド、Neo4jスキーマ、データインポートなど、スタック全体をワンクリックで雛形化。
データエンジニア / ナレッジグラフ専門家で、既存のSaaSデータでLLM駆動のエンティティ抽出を試したい方 組み込みコネクタがGitHub、Slack、Notion、Linearなどからデータを取得し、自動的にグラフへマッピング。
グラフ拡張LLMエージェントを探求する研究者・学生 既製のデモドメインと合成データにより、インフラの配線ではなくエージェントロジックに集中できます。
「エージェントメモリ」のリファレンス実装を探しているNeo4jユーザー Neo4j、LiteLLM、さまざまなエージェントSDKを本番向けFastAPIサービスで組み合わせる方法を示します。

誰が使うのか？

対象 役立つ理由
プロダクトチーム（ドメイン特化型AIアシスタント、例：医療記録チャットボットを構築中） バックエンド、フロントエンド、Neo4jスキーマ、データインポートを含むスタック全体をワンクリックで雛形化。
データエンジニア／ナレッジグラフ専門家で、既存のSaaSデータに対してLLM駆動のエンティティ抽出を試したい方 組み込みコネクタがGitHub、Slack、Notion、Linearなどからデータを取得し、自動的にグラフへマッピング。
グラフ拡張LLMエージェントを探求する研究者・学生 既製のデモドメインと合成データにより、インフラの配線ではなくエージェントロジックに集中できます。
「エージェントメモリ」のリファレンス実装を探しているNeo4jユーザー Neo4j、LiteLLM、さまざまなエージェントSDKを本番向けFastAPIサービスで組み合わせる方法を示します。

誰が使うのか？

対象 役立つ理由
プロダクトチーム（ドメイン特化型AIアシスタント、例：医療記録チャットボットを構築中） バックエンド、フロントエンド、Neo4jスキーマ、データインポートなど、スタック全体をワンクリックで雛形化。
データエンジニア / ナレッジグラフ専門家（既存のSaaSデータでLLM駆動のエンティティ抽出を試したい方） 組み込みコネクタがGitHub、Slack、Notion、Linearなどからデータを取得し、自動的にグラフへマッピング。
グラフ拡張LLMエージェントを探求する研究者・学生 既製のデモドメインと合成データにより、インフラの配線ではなくエージェントロジックに集中できます。
「エージェントメモリ」のリファレンス実装を探しているNeo4jユーザー Neo4j、LiteLLM、さまざまなエージェントSDKを本番向けFastAPIサービスで組み合わせる方法を示します。

誰が使うのか？

対象 役立つ理由
プロダクトチーム（医療記録チャットボットなど、ドメイン特化型AIアシスタントを構築するチーム） バックエンド、フロントエンド、Neo4jスキーマ、データインポートを含むスタック全体をワンクリックで雛形化。
データエンジニア / ナレッジグラフ専門家（既存のSaaSデータでLLM駆動のエンティティ抽出を試したい方） 組み込みコネクタがGitHub、Slack、Notion、Linearなどからデータを取得し、自動的にグラフへマッピング。
グラフ拡張LLMエージェントを探求する研究者・学生 既製のデモドメインと合成データにより、インフラの配線ではなくエージェントロジックに集中できます。
「エージェントメモリ」のリファレンス実装を探しているNeo4jユーザー Neo4j、LiteLLM、さまざまなエージェントSDKを本番向けFastAPIサービスで組み合わせる方法を示します。

誰が使うのか？

対象 役立つ理由
プロダクトチーム（例：医療記録チャットボットなど、ドメイン特化型AIアシスタントを構築するチーム） バックエンド、フロントエンド、Neo4jスキーマ、データインポートを含むスタック全体をワンクリックで雛形生成。
データエンジニア / ナレッジグラフ専門家で、既存のSaaSデータでLLM駆動のエンティティ抽出を試したい方 組み込みコネクタがGitHub、Slack、Notion、Linearなどからデータを取得し、自動的にグラフへマッピング。
グラフ拡張LLMエージェントを探求する研究者・学生 既製のデモドメインと合成データにより、インフラの配線ではなくエージェントロジックに集中できます。
「エージェントメモリ」のリファレンス実装を探しているNeo4jユーザー Neo4j、LiteLLM、さまざまなエージェントSDKを本番向けFastAPIサービスで組み合わせる方法を示します。

誰が使うのか？

対象 役立つ理由
プロダクトチーム（ドメイン特化型AIアシスタント、例：医療記録チャットボットを構築中） バックエンド、フロントエンド、Neo4jスキーマ、データインポートなど、スタック全体をワンクリックで雛形化。
データエンジニア／ナレッジグラフ専門家で、既存のSaaSデータに対してLLM駆動のエンティティ抽出を試したい方 組み込みコネクタがGitHub、Slack、Notion、Linearなどからデータを取得し、自動的にグラフへマッピング。
グラフ拡張LLMエージェントを探求する研究者・学生 既製のデモドメインと合成データにより、インフラの配線ではなくエージェントロジックに集中できます。
「エージェントメモリ」のリファレンス実装を探しているNeo4jユーザー Neo4j、LiteLLM、さまざまなエージェントSDKを本番向けFastAPIサービスで組み合わせる方法を示します。

誰が使うのか？

対象 役立つ理由
プロダクトチーム（ドメイン特化型AIアシスタント、例：医療記録チャットボットを構築） バックエンド、フロントエンド、Neo4jスキーマ、データインポートなど、スタック全体をワンクリックで雛形化。
データエンジニア / 知識グラフ専門家で、既存のSaaSデータに対してLLM駆動のエンティティ抽出を試したい方 組み込みコネクタがGitHub、Slack、Notion、Linearなどからデータを取得し、自動的にグラフへマッピングします。
グラフ拡張LLMエージェントを探求する研究者・学生 既製のデモドメインと合成データにより、インフラの配線ではなくエージェントロジックに集中できます。
「エージェントメモリ」のリファレンス実装を探しているNeo4jユーザー Neo4j、LiteLLM、さまざまなエージェントSDKを本番向けFastAPIサービスで組み合わせる方法を示します。

誰が使うのか？

対象 役立つ理由
プロダクトチーム（ドメイン特化型AIアシスタント、例：医療記録チャットボットを構築中） バックエンド、フロントエンド、Neo4jスキーマ、データインポートなど、スタック全体をワンクリックで雛形化。
データエンジニア / ナレッジグラフ専門家で、既存のSaaSデータでLLM駆動のエンティティ抽出を試したい方 組み込みコネクタがGitHub、Slack、Notion、Linearなどからデータを取得し、自動的にグラフへマッピング。
グラフ拡張LLMエージェントを探求する研究者・学生 既製のデモドメインと合成データにより、インフラの配線ではなくエージェントロジックに集中できます。
「エージェントメモリ」のリファレンス実装を探しているNeo4jユーザー Neo4j、LiteLLM、さまざまなエージェントSDKを本番向けFastAPIサービスで組み合わせる方法を示します。

誰が使うのか？

対象 役立つ理由
プロダクトチーム（ドメイン特化型AIアシスタント、例：医療記録チャットボットを構築） バックエンド、フロントエンド、Neo4jスキーマ、データインポートを含むスタック全体をワンクリックで雛形生成。
データエンジニア／ナレッジグラフ専門家（既存のSaaSデータでLLM駆動のエンティティ抽出を試したい方） 組み込みコネクタがGitHub、Slack、Notion、Linearなどからデータを取得し、自動的にグラフへマッピング。
グラフ拡張LLMエージェントを探求する研究者・学生 既製のデモドメインと合成データにより、インフラの配線ではなくエージェントロジックに集中できます。
「エージェントメモリ」のリファレンス実装を探しているNeo4jユーザー Neo4j、LiteLLM、さまざまなエージェントSDKを本番向けFastAPIサービスで組み合わせる方法を示します。

どのように動作しますか？

  1. ウィザード – create-context-graph がいくつかのプロンプト（ドメイン、フレームワーク、メモリバックエンド、デモデータ、コネクタ）を尋ねます。フラグを使えば非対話式でも実行できます。
  2. ドメインオントロジー – エンティティ型、リレーションシップ、ツール定義を記述したYAMLファイルが選択（または自由文の説明から生成）されます。これがコード生成を駆動します。
  3. テンプレートレンダリング – Jinja2テンプレートがオントロジーを次のものに変換します：
    • Neo4jスキーマ（schema.cypher）
    • FastAPI API用のPydanticモデル
    • エージェント固有のツールラッパー
    • グラフを可視化するフロントエンドコンポーネント。
  4. メモリレイヤー – 生成されたバックエンドは、neo4j-agent-memory ライブラリ（v0.4）を配線します。これは以下と通信できます：
    • NAMS – ホスト型のNeo4jバックアップメモリサービス（デフォルト）。NAMS APIキーのみが必要です。
    • セルフホスト型Neo4j – ローカルまたはAuraインスタンスへのbolt接続で、Cypher、GDS、リレーションシップの全機能を利用できます。
  5. LLM統合 – エージェントはLiteLLM互換のプロバイダ文字列を使用するため、Anthropic、OpenAI、Bedrock、Ollamaなどを接続できます。エンティティ抽出はデフォルトでClaude-haikuまたはGPT-4o-miniを使用します。
  6. フロントエンド – Next.jsアプリは以下を表示します：
    • ストリーミングチャット（Server-Sent Events）
    • リアルタイムのツール呼び出しの可視化
    • インタラクティブなグラフビュー（ノードの展開、ドラッグ/ズーム、プロパティパネル）
    • ドキュメントブラウザと、エージェントの推論ステップのトレースビューア。
  7. データインポート – コネクタを選択した場合、スキャフォールドには、選択したSaaSサービスからNeo4jにデータを取り込むスクリプト（import_data.py）と make import ターゲットが含まれます。

生成されたプロジェクトの中身

my-app/
├─ backend/               # FastAPI サービス
│  ├─ app/main.py        # エントリポイント
│  ├─ app/agent.py       # LLMエージェント（フレームワーク固有）
│  ├─ app/memory.py      # Neo4j または NAMS メモリ統合
│  ├─ app/context_graph_client.py   # Neo4j 用 CRUD ヘルパー
│  ├─ app/gds_client.py  # オプションの Graph Data Science 呼び出し
│  └─ connectors/        # SaaS インポートコード（選択時）
├─ frontend/              # Next.js + Chakra UI の UI
│  ├─ components/ChatInterface.tsx   # ストリーミングチャットUI
│  ├─ components/ContextGraphView.tsx # インタラクティブなグラフ
│  └─ …
├─ data/ontology.yaml     # 生成に使用するドメイン定義
├─ data/fixtures.json     # 合成デモエンティティ（--demo 時）
├─ cypher/schema.cypher   # 制約とインデックス
├─ docker-compose.yml     # セルフホストモード用のオプションの Neo4j コンテナ
├─ Makefile               # install、start、seed、import、test …
└─ README.md              # プロジェクト固有のドキュメント

ホスト型メモリとセルフホスト型メモリのどちらを選ぶか

機能 NAMS（ホスト型） セルフホスト Neo4j
セットアップ Neo4j のインストール不要、APIキーのみ Docker/Aura を実行、bolt URL を設定
書き込み機能 エンティティ作成のみ。リレーションシップは description 内のMarkdownブロックとして保存 完全なCypher書き込み、ネイティブエッジ、GDSアルゴリズム
スケーラビリティ マネージドサービス、Neo4j ベースのREST APIに限定 クラスターサイズ、レプリケーションなどを制御可能
コスト Neo4j Labs メモリサービスで従量課金制 Neo4j のデプロイメントに依存
ユースケース クイックデモ、プロトタイピング、個人ナレッジベース 複雑なグラフクエリや分析を必要とする本番グレードのアプリ

誰が使うのか？

対象 役立つ理由
プロダクトチーム（ドメイン特化型AIアシスタント、例：医療記録チャットボットを構築するチーム） バックエンド、フロントエンド、Neo4jスキーマ、データインポートを含むスタック全体をワンクリックで雛形生成。
データエンジニア / ナレッジグラフ専門家で、既存のSaaSデータでLLM駆動のエンティティ抽出を試したい方 組み込みコネクタがGitHub、Slack、Notion、Linearなどからデータを取得し、自動的にグラフへマッピング。
グラフ拡張LLMエージェントを探求する研究者・学生 既製のデモドメインと合成データにより、インフラの配線ではなくエージェントロジックに集中できます。
「エージェントメモリ」のリファレンス実装を探しているNeo4jユーザー Neo4j、LiteLLM、さまざまなエージェントSDKを本番向けFastAPIサービスで組み合わせる方法を示します。

誰が使うのか？

対象 役立つ理由
プロダクトチーム（例：医療記録チャットボットなど、ドメイン特化型AIアシスタントを構築するチーム） バックエンド、フロントエンド、Neo4jスキーマ、データインポートなど、スタック全体をワンクリックで雛形化。
データエンジニア / ナレッジグラフ専門家で、既存のSaaSデータでLLM駆動のエンティティ抽出を試したい方 組み込みコネクタがGitHub、Slack、Notion、Linearなどからデータを取得し、自動的にグラフへマッピング。
グラフ拡張LLMエージェントを探求する研究者・学生 既製のデモドメインと合成データにより、インフラの配線ではなくエージェントロジックに集中できます。
「エージェントメモリ」のリファレンス実装を探しているNeo4jユーザー Neo4j、LiteLLM、さまざまなエージェントSDKを本番向けFastAPIサービスで組み合わせる方法を示します。

どのように動作しますか？

  1. ウィザード – create-context-graph がいくつかのプロンプト（ドメイン、フレームワーク、メモリバックエンド、デモデータ、コネクタ）を尋ねます。フラグを使えば非対話式でも実行できます。
  2. ドメインオントロジ – エンティティ型、リレーションシップ、ツール定義を記述したYAMLファイルが選択（または自由文の説明から生成）されます。これがコード生成を駆動します。
  3. テンプレートレンダリング – Jinja2テンプレートがオントロジーを次のものに変換します：
    • Neo4jスキーマ（schema.cypher）
    • FastAPI API 用の Pydantic モデル
    • エージェント固有のツールラッパー
    • グラフを可視化するフロントエンドコンポーネント。
  4. メモリレイヤー – 生成されたバックエンドは、neo4j-agent-memory ライブラリ（v0.4）を配線します。これは以下と通信できます：
    • NAMS – ホスト型 Neo4j バックアップのメモリサービス（デフォルト）。NAMS API キーのみが必要です。
    • Self-hosted Neo4j – ローカルまたは Aura インスタンスへの bolt 接続。完全な Cypher、GDS、リレーションシップのサポートを提供します。
  5. LLM 統合 – エージェントは LiteLLM 互換のプロバイダー文字列を使用するため、Anthropic、OpenAI、Bedrock、Ollama などを接続できます。エンティティ抽出はデフォルトで Claude‑haiku または GPT‑4o‑mini を使用します。
  6. フロントエンド – Next.js アプリが以下を表示します：
    • ストリーミングチャット（Server‑Sent Events）
    • リアルタイムのツール呼び出しの可視化
    • インタラクティブなグラフビュー（ノードの展開、ドラッグ/ズーム、プロパティパネル）
    • ドキュメントブラウザと、エージェントの推論ステップのトレースビューア。
  7. データインポート – コネクタを選択した場合、スキャフォールドには、選択したSaaSサービスからNeo4jにデータをプルするためのスクリプト（import_data.py）と make import ターゲットが含まれます。

生成されたプロジェクトの内部構造

my-app/
├─ backend/               # FastAPI サービス
│  ├─ app/main.py        # エントリポイント
│  ├─ app/agent.py       # LLMエージェント（フレームワーク固有）
│  ├─ app/memory.py      # Neo4j または NAMS メモリ統合
│  ├─ app/context_graph_client.py   # Neo4j 用 CRUD ヘルパー
│  ├─ app/gds_client.py  # オプションの Graph Data Science 呼び出し
│  └─ connectors/        # SaaS インポートコード（選択時）
├─ frontend/              # Next.js + Chakra UI の UI
│  ├─ components/ChatInterface.tsx   # ストリーミングチャットUI
│  ├─ components/ContextGraphView.tsx # インタラクティブなグラフ表示
│  └─ …
├─ data/ontology.yaml     # 生成に使用するドメイン定義
├─ data/fixtures.json     # 合成デモエンティティ（--demo 時）
├─ cypher/schema.cypher   # 制約とインデックス
├─ docker-compose.yml     # セルフホストモード用のオプションの Neo4j コンテナ
├─ Makefile               # install、start、seed、import、test …
└─ README.md              # プロジェクト固有のドキュメント

ホスト型メモリとセルフホスト型メモリのどちらを選ぶべきか

機能 NAMS（ホスト型） セルフホスト Neo4j
セットアップ Neo4j のインストール不要、APIキーのみ Docker/Aura を実行し、bolt URL を設定
書き込み機能 エンティティ作成のみ。リレーションシップは description 内のマークダウンブロックとして保存 完全なCypher書き込み、ネイティブエッジ、GDSアルゴリズム
スケーラビリティ マネージドサービス、Neo4j ベースのREST APIに限定 クラスターサイズ、レプリケーションなどを制御可能
コスト Neo4j Labs メモリサービスで従量課金制 Neo4j のデプロイメントに依存
ユースケース クイックデモ、プロトタイピング、個人用ナレッジベース 複雑なグラフクエリや分析を必要とする本番グレードのアプリ

クイックスタート例（Python、NAMS）

uvx create-context-graph my‑app \
  --domain healthcare \
  --framework strands \
  --nams‑api‑key sk‑nams‑…

cd my‑app
make install          # pip install + npm install
make start            # launches FastAPI + Next.js

http://localhost:3000 でUI、http://localhost:8000/docs でAPIにアクセスできます。

制限事項と注意点

  • NAMSバックエンドは、ネイティブなNeo4jリレーションシップを作成したり、任意のCypherを実行したりできません。生成されたアプリは、エッジをマークダウンでエンコードすることでこれを回避しています。
  • 高度なGraph Data Science（GDS）機能の一部は、セルフホストモードでのみ利用できます。
  • デフォルト以外のメモリプロバイダーを使用するには、LiteLLM文字列と場合によってはAPIキーを指定する必要があります。
  • このプロジェクトは実験的です。Neo4j Labs によってメンテナンスされていますが、公式サポートはありません。

結論

Create Context Graph は、いくつかの選択（ドメイン、エージェントフレームワーク、メモリバックエンド）を、数分で完全に機能するAI拡張グラフアプリケーションに変えます。LLMエージェントがNeo4jナレッジグラフ上でどのように保存・推論できるかを、配線をゼロから書かずに試したい人に最適です。

便利なリンク（リポジトリより）

関連

  • プロジェクト
    docker/genai-stack

    LLMとNeo4jを統合したRAGおよび知識グラフ機能を備えた、GenAIアプリケーション構築用のDockerベーススタータースタック。

  • プロジェクト
    potpie-ai/potpie

    Potpieは、コードベースと開発ツールから動的なコンテキストグラフを作成し、AIエージェントがコードの計画、デバッグ、記述を行うために必要な深いプロジェクト知識を提供します。

  • プロジェクト
    theaniketgiri/create-llm

    プロダクション対応のLLMトレーニングプロジェクトをスケルトン化するCLIツールで、さまざまなモデルサイズのテンプレートと、トークナイズからデプロイまでの一連のパイプラインを提供します。

  • プロジェクト
    knowsuchagency/mcp2cli

    MCPサーバー、OpenAPI仕様、GraphQLエンドポイントを実行可能なコマンドに変換するランタイムCLIジェネレーターで、AIエージェントのトークン浪費を削減します。