Cognee MCP : guide et tutoriel complet

Un assistant IA oublie tout d’une conversation à l’autre. Et s’il pouvait se souvenir, relier les informations entre elles et bâtir une vraie connaissance de vos projets ? C’est la promesse de Cognee et de son serveur MCP. Ce guide présente son fonctionnement, son installation et des exemples concrets pour donner une mémoire durable à vos agents.

Introduction

Les grands modèles de langage sont brillants, mais amnésiques : chaque session repart de zéro. Cognee est une plateforme de mémoire open source qui transforme vos documents et vos échanges en un graphe de connaissances réutilisable. Son serveur MCP, publié sur le dépôt topoteretes/cognee, expose cette mémoire via le Model Context Protocol (MCP). Votre assistant IA, comme Claude Desktop, Cursor ou tout client compatible, peut alors y stocker des informations et les retrouver par le sens. Cet article vous propose un MCP guide complet pour bien démarrer.

🎯 Qu’est-ce que le serveur MCP Cognee ?

Le serveur MCP Cognee relie votre assistant IA au moteur de mémoire de Cognee. Il ingère vos contenus (texte, documents, données), en extrait les entités et leurs relations, puis construit un graphe de connaissances que l’assistant peut interroger.

Le MCP protocol standardise l’échange : l’assistant ajoute des informations, lance la construction du graphe, puis pose ses questions. Contrairement à une simple recherche par mots-clés, Cognee relie les faits entre eux, ce qui permet des réponses plus riches et contextuelles.

Schéma : Assistant IA → Serveur MCP Cognee → Moteur Cognee → Graphe de connaissances

⚙️ Fonctionnalités principales

Le serveur couvre le cycle complet de la mémoire d’un agent :

Ingestion de données : ajoutez textes, documents et données structurées à la mémoire de l’agent.
Construction du graphe : Cognee extrait entités et relations pour organiser l’information.
Recherche sémantique : interrogez la mémoire par le sens, pas seulement par mot-clé.
Mémoire persistante : les connaissances survivent d’une session à l’autre.
Transports multiples : STDIO pour les clients locaux, HTTP et SSE pour un déploiement web.
Open source : projet sous licence Apache 2.0, compatible avec de nombreux modèles de langage.

📦 Installation et configuration

Voici la marche à suivre :

Prérequis : Python avec l’outil uv (qui fournit uvx), et une clé d’API de modèle de langage (OpenAI par exemple).
Lancer le serveur : le plus simple est de l’exécuter avec uvx. Pour un client local en STDIO :
```
uvx cognee-mcp --transport stdio
```

Configurer votre client MCP : ajoutez le serveur à la configuration de votre client, par exemple claude_desktop_config.json :

{
  "mcpServers": {
    "cognee": {
      "command": "uvx",
      "args": ["cognee-mcp", "--transport", "stdio"],
      "env": {
        "LLM_API_KEY": "votre_cle_api"
      }
    }
  }
}

Option déploiement web : pour un usage partagé, lancez le serveur en HTTP et pointez vos clients vers son adresse locale :
```
uvx cognee-mcp --transport http --host 127.0.0.1 --port 8000
```
Redémarrer et vérifier : relancez votre client. Les outils de Cognee (ajout, construction du graphe, recherche) doivent apparaître parmi les outils disponibles.

💡 Guide d’utilisation pratique

Une fois connecté, construisez la mémoire de votre agent en langage naturel. Quelques exemples :

Alimenter la mémoire : « Ajoute ce compte rendu de réunion à ta mémoire. »
Construire le graphe : « Traite les documents que je viens d’ajouter et organise-les. »
Interroger : « Quelles décisions avons-nous prises sur le projet, et qui en est responsable ? »

L’assistant exploite le graphe de connaissances pour relier les informations entre elles, même si elles proviennent de documents différents.

🚀 Cas d’usage et exemples

Assistant de projet : gardez en mémoire décisions, responsables et échéances au fil des échanges.
Base de connaissances d’entreprise : transformez vos documents internes en mémoire interrogeable.
Recherche et veille : accumulez des sources et retrouvez les liens entre les sujets.
Support client : donnez à l’agent le contexte complet d’un dossier.
Agents autonomes : offrez à vos agents une mémoire durable entre les tâches.

⚖️ Avantages et inconvénients

Avantages	Inconvénients
Mémoire persistante et structurée en graphe	Nécessite une clé d’API de modèle de langage
Recherche par le sens, pas seulement par mot-clé	Construction du graphe plus coûteuse qu’un simple stockage
Open source, nombreux modèles pris en charge	Prise en main plus technique qu’une mémoire basique
Transports STDIO, HTTP et SSE	Qualité du graphe dépendante du modèle utilisé

❓ FAQ

Q : En quoi Cognee diffère-t-il d’une simple base vectorielle ?
- R : Cognee ne stocke pas que des fragments : il extrait entités et relations pour construire un graphe de connaissances, ce qui relie les informations entre elles.
Q : Est-il open source ?
- R : Oui, sous licence Apache 2.0. Une offre cloud existe par ailleurs.
Q : Faut-il une clé d’API payante ?
- R : Cognee s’appuie sur un modèle de langage pour l’extraction ; une clé d’API (OpenAI ou autre) est donc nécessaire, avec les coûts associés à ce modèle.
Q : Avec quels assistants est-il compatible ?
- R : Avec Claude Desktop, Cursor et tout client compatible MCP, en STDIO, HTTP ou SSE.

🎊 Conclusion et recommandations

Le serveur MCP Cognee répond à l’une des grandes limites des assistants IA : l’absence de mémoire. En structurant vos informations en graphe de connaissances, il permet des réponses plus riches et contextuelles, session après session. Si vous construisez des agents ou une base de connaissances, il mérite un essai. Retrouvez-le dans notre annuaire des serveurs MCP.

Essayez le serveur MCP Cognee dès aujourd’hui ! Consultez le repository GitHub pour commencer.

Cognee MCP : guide et tutoriel