Veritasgraph

Name: Veritasgraph
Author: bibinprathap

von bibinprathapVersion 0.1.2i★ –iLäuft auf deinem Computer

Name in der Registryio.github.bibinprathap/veritasgraph

Installieren

Überblick

Beschreibung vom Entwickler (englisches Original)

Zero-trust, air-gapped Enterprise GraphRAG MCP server with offline, citation-grounded answers.

Die drei Säulen von PopNx MCP

Diese drei werden nie zu einer Punktzahl zusammengefasst: Meinungen, Messungen und Beliebtheit sind verschiedene Dinge.

Stimmen der NutzeriNoch keine BewertungenBewertungen starten in einem späteren Schritt zusammen mit Benutzerkonten
Unsere Basischecksi1 von 1 bestandenAnhand öffentlicher Informationen geprüft; Code noch nicht gescannt
NutzungiNoch nicht gemessen★ –

Was du damit machen kannst

Für diesen Server haben wir noch keine Zusammenfassung in einfacher Sprache geschrieben. Unten stehen die Fakten, die wir aus der Registry gelesen haben.

Verbindung: Läuft auf deinem Computer
Transport: stdio
Kategorie: Sonstiges

Installation

Wähle die KI-App, die du nutzt, und kopiere die Einstellungen.

Bevor du installierst

Basischecks: 1 von 1 bestanden
Läuft auf deinem Computer mit den Rechten deines Benutzerkontos (Dateien, Netzwerk, Apps).
Das trägst du selbst ein: VERITASGRAPH_MODEL, OLLAMA_HOST, STUDIO_DATA_DIR

Du brauchst

PyPIuv für Python installiert (für den Befehl uvx)

Welche App nutzt du?

ClaudeClaude CodeCursorVS CodeChatGPT

Wähle oben deine App. Wir merken sie uns, damit der Button beim nächsten Mal „In … installieren“ anzeigt.

Öffne Claude Desktop → Settings → Developer → Edit Config und füge dies in claude_desktop_config.json ein

{
  "mcpServers": {
    "veritasgraph": {
      "command": "uvx",
      "args": [
        "veritasgraph-mcp"
      ],
      "env": {
        "VERITASGRAPH_MODEL": "your-value",
        "OLLAMA_HOST": "your-value",
        "STUDIO_DATA_DIR": "your-value"
      }
    }
  }
}

Führe das in deinem Terminal aus

claude mcp add veritasgraph --env VERITASGRAPH_MODEL=your-value --env OLLAMA_HOST=your-value --env STUDIO_DATA_DIR=your-value -- uvx veritasgraph-mcp

Trag die leeren Werte ein, bevor du ihn startest.

In Cursor öffnen

Oder kopier die Einstellungen selbst

In .cursor/mcp.json in deinem Projekt oder in ~/.cursor/mcp.json einfügen

{
  "mcpServers": {
    "veritasgraph": {
      "command": "uvx",
      "args": [
        "veritasgraph-mcp"
      ],
      "env": {
        "VERITASGRAPH_MODEL": "your-value",
        "OLLAMA_HOST": "your-value",
        "STUDIO_DATA_DIR": "your-value"
      }
    }
  }
}

Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.

In VS Code öffnen

Oder kopier die Einstellungen selbst

In .vscode/mcp.json in deinem Projekt einfügen

{
  "servers": {
    "veritasgraph": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "veritasgraph-mcp"
      ],
      "env": {
        "VERITASGRAPH_MODEL": "your-value",
        "OLLAMA_HOST": "your-value",
        "STUDIO_DATA_DIR": "your-value"
      }
    }
  }
}

Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.

Dieser Server läuft auf deinem Computer, und ChatGPT kann sich nur mit Servern im Internet verbinden. Wähle eine andere App.

Deine Auswahl bleibt in einem Cookie auf diesem Gerät; kein Konto nötig.

Werte, die du selbst einträgst

VERITASGRAPH_MODEL env
Default local Ollama model for ingest/query (e.g. qwen3:latest).
OLLAMA_HOST env
Local Ollama endpoint.
STUDIO_DATA_DIR env
Directory where the knowledge-graph snapshot is persisted.

Diese Einstellungen werden aus dem Registry-Eintrag des Entwicklers erzeugt. Wenn in der README etwas anderes steht, folge der README.

Was er kann

Läuft auf deinem Computer; die Tool-Liste erscheint nach der Installation in deiner KI-App.

Basischecksi

Wir prüfen Informationen, die jeder sehen kann; den Code haben wir nicht gelesen. Checks, die nicht zutreffen, werden nicht mitgezählt. · Geprüft am 7. Nov. 2026

✓ Bestanden
Entwickler passt zum Repo
Der Registry-Name wurde mit dem GitHub-Konto bibinprathap bestätigt, dem das Repo gehört
… Noch nicht geprüft
Wird noch gepflegt
Dieses Repo haben wir noch nicht von GitHub gelesen
… Noch nicht geprüft
Hat eine Lizenz
Dieses Repo haben wir noch nicht von GitHub gelesen
– Nicht zutreffend
Endpunkt antwortet
Dieser Server läuft auf deinem Computer; es gibt keinen Endpunkt im Internet
– Nicht zutreffend
Anmeldung mit OAuth
Läuft auf deinem Computer und nutzt stattdessen lokale Einstellungen
… Noch nicht geprüft
Keine versteckten Anweisungen in Tool-Beschreibungen
Läuft auf deinem Computer; Tool-Listen können wir nur von Endpunkten im Internet lesen

Im Vergleich mit anderen in Sonstigesi

Mehr Sterne als 0 % der anderen 32678 Server in dieser Kategorie
Neuer in der Registry veröffentlicht als 15 % der anderen 32678 Server in dieser Kategorie
Basischecks gleich gut wie oder besser als bei 100 % der anderen 32678 Server in dieser Kategorie

Verglichen mit allen aktiven Servern dieser Kategorie in der Registry. Sterne zählen nur, wenn dem Herausgeber das Repo gehört.

Häufige Fragen

Ist Veritasgraph sicher?

Er hat 1 von 1 zutreffenden Basischecks bestanden. Den Code haben wir nicht gelesen. Bevor du einen Schlüssel oder Token hinzufügst, sieh nach, welche Zugriffe der Server verlangt, und nutze einen Schlüssel, der nur die Berechtigungen hat, die du brauchst.

Welche Schlüssel oder Codes braucht er?

Die Registry nennt keinen erforderlichen Schlüssel, manche Server bitten dich aber bei der ersten Nutzung, dich anzumelden.

Läuft er auf meinem Computer oder in der Cloud?

Er läuft auf deinem Computer. Deine KI-App startet ihn bei Bedarf, und die Daten laufen nicht über die Server des Entwicklers (außer der Server ruft selbst einen Onlinedienst auf).

Wird er noch gepflegt?

Das GitHub-Repo wurde zuletzt – geändert, und die neueste Version (0.1.2) kam vor 4 Monaten in die Registry.

Welche Apps können ihn nutzen?

Apps, die MCP unterstützen, etwa Claude Desktop, Claude Code, Cursor und VS Code. Außerdem brauchst du Python (uv) auf deinem Computer.

Was kann ich stattdessen nutzen?

In derselben Kategorie: Spec Driven Development, Remote Desktop Commander, Starreel

Alternativen

Server derselben Kategorie von anderen Entwicklern, sortiert nach Sternen.

So liest du eine Karte:★ GitHub-SterneiDrei Säulen: Bewertungen · Checks · NutzungiAktualisiert = neueste Version in der Registry veröffentlichti

Spec Driven Development

von formulahendry

MCP Server that facilitates spec-driven development workflows, not just Vibe Coding.

Läuft auf deinem Computer★ 440MITAktualisiert vor 14 Monaten

Installieren

Remote Desktop Commander

von desktop-commander

Remote Desktop Commander: use files, terminal and processes on your own computers from any AI app.

Läuft in der Cloud★ 211Aktualisiert vorgestern

Installieren

Starreel

von starreel

Turn a script into a finished, downloadable short-drama episode — via MCP or REST.

Läuft auf deinem ComputerAktualisiert heute

Installieren

README vom Entwickler

README öffnen

Unverändert aus dem Repo des Entwicklers übernommen. PopNx MCP hat den Inhalt weder geprüft noch empfiehlt es ihn. HTML, Bilder und Skripte wurden entfernt. Links führen von dieser Website weg.

VeritasGraph — The Governed, On-Prem GraphRAG & Agent Framework

Stop chunking blindly. Combine Tree-Search structure with Knowledge-Graph reasoning — and wire it into governed AI agents. Runs 100% locally or in the cloud.

🎯 Traditional RAG guesses based on similarity. VeritasGraph reasons based on structure.

Don't just find the document — understand the connection, then act on it with governed agents.

🌐 Live site · ⭐ Star · 🍴 Fork · 💬 Discuss · 🐛 Report a bug

python -m veritasgraph_mcp     # from repo root (needs local Ollama for ingest/query)

[▶️️ Watch the Full Talk & Live Demo on YouTube (27 mins)](https://www.youtube.com/watch?v=MDo1Mk8R5Wo)

Why Vector RAG Breaks on Deep Research

Attribution is a data model, not a prompt: Storing provenance at write time prevents hallucinated citations at read time.
Deterministic retrieval: Graph traversal is fully reproducible, separating factual evidence traces from stochastic LLM generation.
Explicit abstention: The agent identifies missing graph edges and returns "insufficient evidence" rather than guessing.

📚 Featured Guide — Build Governed AI Agents On-Prem

A complete walkthrough of designing, wiring, and shipping governed AI agents entirely on your own infrastructure.

**📄 Read the guide: *Build Governed AI Agents On-Prem* (PDF)**

▶️ [Watch the walkthrough on YouTube](https://youtu.be/sA7ReEgdJfg)

🚀 Quick Start (2 lines, no GPU)

pip install veritasgraph

veritasgraph demo --mode=lite

That's it — an interactive demo using cloud APIs (OpenAI/Anthropic), no local models required.

Mode	Best For	Requirements
`--mode=lite`	Quick demo, no GPU	OpenAI/Anthropic API key
`--mode=local`	Privacy, offline use	Ollama + 8GB RAM
`--mode=full`	Production, all features	Docker + Neo4j

export OPENAI_API_KEY="sk-..."        # Lite: cloud APIs, zero setup

veritasgraph demo --mode=lite

veritasgraph demo --mode=local --model=llama3.2 # 100% offline with Ollama veritasgraph start --mode=full # full GraphRAG pipeline

Useful links: ⚡ Live docs · 🎮 Live demo · 📖 Article · 📄 Research paper

🏥 Example Implementation — MedTrust Agent

[MedTrust Agent](MedTrust%20Agent/README.md) is a complete, reproducible example implementation of the VeritasGraph governed-agent architecture, applied to medical and pharmaceutical workflows — a zero-trust, observable LLM agent framework (NEECON 2026 paper).

Zero-trust control plane: least-privilege IAM with step-up authorization — no tool runs before authorization succeeds.
Governed answers: mandatory [doc#chunk] citations; uncited answers are withheld or routed to human review.
Tamper-evident audit: keyed, hash-chained audit log with published anchors.
Honest evaluation: security measured directly from the running code (100% unauthorized actions blocked, Wilson 95% CIs), answer quality clearly labelled *illustrative*; 69 tests, a versioned 40-scenario suite, and a one-command reproduce script.

python -m medtrust.demo    # end-to-end governed demo, 100% offline

📄 Read the full write-up: MedTrust Agent README

🧩 Built with VeritasGraph

A growing ecosystem of projects is building on VeritasGraph for enterprise GraphRAG, agent orchestration, fact-checking, and governed reasoning.

Community projects and integrations

MeAkash77 / VeritasGraph-Enterprise-GraphRAG-Verifiable-AI-Platform — enterprise GraphRAG adapter and verifiable AI platform patterns.
PTP063 / veritas-graph — derivative project and live deployment using VeritasGraph concepts.
RahulSagar2005 / multi-hop-rag — multi-hop retrieval and reasoning workflows.
lukehungngo / agentwall — agent security and governance-oriented reasoning flows.
gajanan229 / Fact-checker-Agent — evidence-focused fact-checking and explanation patterns.
Minh-Tam-Solution / EndiorBot — enterprise chatbot and AI agent integration built around graph-backed reasoning.
NistorDorinGabriel / Proiect_Licenta — academic thesis project extending VeritasGraph-inspired graph reasoning techniques.

If you are building with VeritasGraph and want to be featured here, open a PR or reach out with a short repo description and usage summary.

� Live Example — Floorplan-KG Takeoff Demo

A hosted, zero-setup example of VeritasGraph applied to construction drawings. Upload a floorplan PDF (or pick a bundled sample) and the engine extracts rooms, dimensions, openings, fixtures, and schedules — then builds a knowledge graph and quantity takeoff you can query, all with verifiable provenance back to the source sheet.

[🏗️ Try the Floorplan-KG demo](https://spaceai-llmpc.ngrok.app/floorplan) — *free, no login; runs the live PyMuPDF/pdfplumber extraction pipeline.*

What it shows: PDF → structured rooms/dimensions/schedules → knowledge graph → CSV/XLSX takeoff export, with a VeritasGraph assist panel for grounded Q&A over the extracted graph.
Why it matters: the same governed-attribution model that powers document RAG applies to geometry — every measured quantity traces back to a specific sheet and element rather than a guessed value.
Example output: a single-sheet residential plan returns ~17 rooms and ~2,400 sq ft in under 200 ms.

Studio is a local Agent Build Workspace (FastAPI + single-page UI) that lets you build a knowledge graph from your own documents and wire it into agents alongside tools, memory, data logging, guardrails, and headroom-style context budgeting — then chat with those agents live and watch every stage of the orchestration pipeline. Everything runs 100% locally against Ollama.

[🎮 Try the Studio Live](https://bibinprathap.github.io/VeritasGraph/studio/) — *stable URL that always redirects to the current running studio tunnel.*

Run it:

pip install -r requirements.txt

ollama serve & ollama pull qwen3:latest # any local chat model STUDIO_DATA_DIR="$PWD/studio_api/data" \ uvicorn studio_api.main:app --host 127.0.0.1 --port 8200 --log-level warning

Studio UI → http://localhost:8200/studio · API docs → /docs

One-command end-to-end demo (builds a graph + drives a fully-wired agent through graph reasoning, memory recall, PII redaction, and a guardrail block):

python3 demos/agent-studio/sample_pipeline.py --model qwen3:latest

What's inside — full Studio feature set

🧩 Knowledge Graph builder & explorer — ingest text, extract entities/relationships locally, inspect nodes/edges with grounded evidence.
🔎 Graph Q&A with citations — multi-hop answers backed by [doc#chunk] source attribution.
🤖 Agent workspace — create/edit agents with model selection, prompt/persona settings, and per-agent capability toggles.
🔀 Governed orchestration pipeline — per-turn flow of Guardrails → Memory → Knowledge Graph → Headroom budget → Tools → Data log, with full trace visibility.
🧰 Editable tools catalog — add, edit, enable/disable, test, and delete tools directly in Studio.
🌐 External real tool support — call real HTTP endpoints with configurable method, auth header, and custom headers.
🔌 MCP bridge integrations — local MCP proxy connectors (e.g. Chrome DevTools MCP, Unity MCP) with health-aware probing.
🛡️ Guardrails — PII redaction and policy-block controls with visible guardrail-block metrics.
🧠 Memory + Data logs — per-agent short-term memory and interaction-log persistence.
📈 Evaluation & fine-tune simulation — run eval suites, track pass-rate trends, and queue/monitor fine-tune jobs.
💬 Playground — run governed agent conversations live and inspect the pipeline trace.
📊 KPI dashboard — active agents, connected tools, eval pass rate, and guardrail-block counters.

See [`studio_api

Nur der Anfang wird gezeigt; den Rest findest du im Repo

Veritasgraph

Überblick

Die drei Säulen von PopNx MCP

Was du damit machen kannst

Installation

Bevor du installierst

Werte, die du selbst einträgst

Was er kann

Basischecksi

Entwickler passt zum Repo

Wird noch gepflegt

Hat eine Lizenz

Endpunkt antwortet

Anmeldung mit OAuth

Keine versteckten Anweisungen in Tool-Beschreibungen

Im Vergleich mit anderen in Sonstigesi

Häufige Fragen

Alternativen

Spec Driven Development

Remote Desktop Commander

Starreel

README vom Entwickler

VeritasGraph — The Governed, On-Prem GraphRAG & Agent Framework

Why Vector RAG Breaks on Deep Research

📚 Featured Guide — Build Governed AI Agents On-Prem

🚀 Quick Start (2 lines, no GPU)

🏥 Example Implementation — MedTrust Agent

🧩 Built with VeritasGraph

Community projects and integrations

� Live Example — Floorplan-KG Takeoff Demo

Studio UI → http://localhost:8200/studio · API docs → /docs