Open Ontologies

AIネイティブなオントロジーエンジニアリング。OWL/RDFを直接生成し、MCPツールで検証し、クリーンになるまで反復し、Terraformスタイルのライフサイクルで統制します。

前提条件

このスキルでは、onto_*ツールを提供するOpen Ontologies MCPサーバーが必要です。

インストール: cargo install open-ontologies または GitHub Releases からダウンロード

MCPの設定 (.mcp.json またはClaudeの設定に追加):

{
  "mcpServers": {
    "open-ontologies": {
      "command": "open-ontologies",
      "args": ["serve"]
    }
  }
}

クレデンシャルは不要です。 すべての処理はインメモリのOxigraphトリプルストア内でローカルに実行されます。ネットワークアクセスは、onto_pull(リモートオントロジー取得)またはonto_push(SPARQLエンドポイントへ送信)を明示的に呼び出すときのみ、提供するURLを使用して行われます。モニターアラート(onto_monitor)はstdoutにのみログされます。

コアワークフロー

オントロジーを構築または変更する場合は、このワークフローに従ってください。結果に基づいてどのツールをどの順序で呼び出すかを決定します。これは固定されたパイプラインではありません。

1. 生成

• ドメイン要件を理解します(自然言語、コンピテンシー質問、方法論的制約)
• TurtleまたはOWLを直接生成します。Claudeはネイティブに OWL、RDF、BORO、4Dモデリングを理解しています
• 複雑な方法論については、背景資料または制約について質問してください

2. 検証とロード

• 生成されたTurtleに対してonto_validateを呼び出します。失敗した場合は構文エラーを修正して再検証します
• onto_loadを呼び出してOxigraphトリプルストアにロードします
• onto_statsを呼び出してクラス数、プロパティ数、トリプル数が期待値と一致することを確認します

3. 検証

• onto_lintを呼び出してラベル、コメント、ドメイン、レンジの欠落をチェックします。見つかった問題を修正します
• onto_queryをSPARQLで呼び出して構造を検証します(期待されるクラス、サブクラス階層、コンピテンシー質問)
• 参照オントロジーが存在する場合は、onto_diffを呼び出して比較します

4. 反復

• いずれかのステップで問題が明らかになった場合は、Turtleを修正してステップ2から再開します
• 検証が通り、統計値が一致し、リンターがクリーンになり、SPARQLクエリが期待される結果を返すまで続けます

5. 永続化

• onto_saveを呼び出して最終的なオントロジーを.ttlファイルに書き込みます
• onto_versionを呼び出してロールバック用の名前付きスナップショットを保存します

オントロジーライフサイクル(Terraformスタイル)

進化するオントロジーを本番環境で使用する場合:

1. 計画 -- onto_planは追加/削除されたクラス、影響範囲、リスクスコアを表示します。保護されたIRIについてonto_lockを確認します。
2. 強制 -- onto_enforceをルールパック(generic、boro、value_partition)で実行して設計パターン準拠をチェックします。
3. 適用 -- onto_applyをモードsafe(クリア+リロード)またはmigrate(owl:equivalentClassブリッジ追加)で実行します。
4. モニター -- onto_monitorはSPARQLウォッチャーを実行し、しきい値アラートを使用します。ブロックされた場合はonto_monitor_clearを使用します。
5. ドリフト -- onto_driftは名前変更検出と自己キャリブレーション信頼度でバージョンを比較します。

データ拡張ワークフロー

外部データにオントロジーを適用する場合:

1. onto_map -- データスキーマ+ロード済みオントロジーからマッピング設定を生成
2. onto_ingest -- 構造化データ(CSV、JSON、NDJSON、XML、YAML、XLSX、Parquet)をRDFに解析
3. onto_shacl -- SHACLシェープに対して検証(カーディナリティ、データタイプ、クラス)
4. onto_reason -- RDFSまたはOWL-RL推論を実行し、推論トリプルを具体化
5. またはonto_extendを使用して完全なパイプラインを実行: 取り込み、SHACL検証、推論を1回の呼び出しで

臨床用語サポート

医療関連オントロジーの場合:

• onto_crosswalk -- ICD-10、SNOMED CT、MeSHの間のマッピングを検索
• onto_enrich -- クラスを臨床コードにリンクするskos:exactMatchトリプルを追加
• onto_validate_clinical -- クラスラベルを臨床クロスウォークの用語と照合

オントロジー調整

2つのオントロジーを調整する場合:

• onto_align -- 6つの重み付けシグナルを使用して調整候補(equivalentClass、exactMatch、subClassOf)を検出
• onto_align_feedback -- 候補を承認/却下して信頼度の重みを自己キャリブレーション

ツールリファレンス

ツール	使用時期
onto_validate	TurtleをGenerateまたは変更した後。常に最初に検証します
onto_load	検証が通った後。トリプルストアにロードします
onto_stats	ロード後。カウントの健全性チェック
onto_lint	ロード後。ラベル、ドメイン、レンジの欠落を検出
onto_query	構造を検証し、コンピテンシー質問に答える
onto_diff	リファレンスまたは以前のバージョンと比較
onto_save	オントロジーをファイルに永続化
onto_convert	形式間の変換(Turtle、N-Triples、RDF/XML、N-Quads、TriG)
onto_clear	別のオントロジーをロードする前にストアをリセット
onto_pull	リモートURLまたはSPARQLエンドポイントからオントロジーをフェッチ
onto_push	オントロジーをSPARQLエンドポイントにプッシュ
onto_import	owl:importsチェーンを解決してロード
onto_version	変更を加える前に名前付きスナップショットを保存
onto_history	保存されたバージョンスナップショットをリスト表示
onto_rollback	以前のバージョンを復元
onto_ingest	構造化データをRDFに解析してストアにロード
onto_map	データスキーマ+オントロジーからマッピング設定を生成
onto_shacl	SHACLシェープに対してデータを検証
onto_reason	RDFS またはOWL-RL推論を実行
onto_extend	完全なパイプライン: 取り込み、SHACL検証、推論
onto_plan	追加/削除されたクラス、影響範囲、リスクスコアを表示
onto_apply	safeモードまたはmigrateモードで変更を適用
onto_lock	本番IRI を削除から保護
onto_drift	名前変更検出と自己キャリブレーション信頼度でバージョンを比較
onto_enforce	設計パターンチェック: generic、boro、value_partition、またはカスタム
onto_monitor	SHARQLウォッチャーをしきい値アラートで実行
onto_monitor_clear	アラート解決後にブロック状態をクリア
onto_crosswalk	臨床用語マッピングを検索(ICD-10、SNOMED、MeSH)
onto_enrich	臨床コードにリンクするskos:exactMatchトリプルを追加
onto_validate_clinical	クラスラベルを臨床用語と照合
onto_align	2つのオントロジー間の調整候補を検出
onto_align_feedback	調整候補を承認/却下して重みを自己キャリブレーション
onto_lineage	セッション系統トレイル(計画、強制、適用、モニター、ドリフト)を表示
onto_lint_feedback	リント問題を承認/却下して除外を教える
onto_enforce_feedback	強制違反を承認/却下して除外を教える
onto_unload	メモリからアンロード。nameで特定のキャッシュエントリをターゲット。delete_cache=trueでディスク上のファイルも削除
onto_recompile	ソースを再解析。nameで非アクティブなキャッシュエントリを再構築(アクティブなインメモリストアは未変更)
onto_cache_status	コンパイルキャッシュを検査: アクティブスロット、すべてのエントリ、有効な[cache]設定
onto_cache_list	キャッシュされたオントロジーをメタデータ(is_active、in_memory、mtime、サイズ)でリスト表示
onto_cache_remove	nameでキャッシュされたオントロジーを削除(delete_file=falseでディスク上のN-Triplesを保持)
onto_repo_list	設定された[general] ontology_dirsディレクトリ内のRDF/OWLファイルをリスト表示
onto_repo_load	設定されたリポジトリから単純な名前、相対パス、または絶対パスでオントロジーをロード
onto_status	サーバーの健全性/ロード済みトリプル数
onto_marketplace	キュレーション済みカタログから標準オントロジーを参照/インストール
onto_dl_check	DLタブローを使用してsubClass ⊑ superClassをチェック
onto_dl_explain	クラスが満たされない理由を説明(DLクラッシュトレース)
onto_embed	すべてのクラスのテキスト+ Poincaré構造埋め込みを生成
onto_search	自然言語クエリ → 最も類似したクラス
onto_similarity	2つのIRI間のコサイン+ Poincaré距離
onto_import_schema	PostgreSQLまたはDuckDBスキーマを内省 → OWLクラス/プロパティ/カーディナリティを生成
onto_sql_ingest	PostgreSQLまたはDuckDBに対してSQLSELECTを実行 → RDF(DuckDBは拡張機能を使用してCSV/Parquet/JSON/HTTPFS/postgres-scannerをサポート)

使用例

ピザオントロジーをゼロから構築

ピザ、ピザベース(ThinAndCrispy、DeepPan)、ピザトッピング(Mozzarella、Tomato、Pepperoni、Mushroom)、
プロパティhasBase、hasToppiングを持つピザオントロジーを作成してください。
すべてにrdfs:labelsおよびrdfs:commentsを含めます。検証し、コンピテンシークエリを実行して
「マルゲリータピザはどんなトッピングがありますか?」と聞くことができるか確認してください。

既存のオントロジーをロードしてクエリ

https://www.w3.org/TR/owl-guide/wine.rdf からオントロジーをロードし、統計を表示し、
リント処理を行い、Wineのすべてのサブクラスを見つけるSPARQLクエリを実行してください。

オントロジーを安全に進化

「GlutenFreePizza」という新しいクラスをPizzaのサブクラスとして追加し、
hasBaseのみGlutenFreeBaseの制限を持たせる必要があります。変更を計画し、
ジェネリックルールに対して強制実行し、safeモードで適用してください。

CSVデータを知識グラフに取り込む

以下のカラムを持つ従業員のCSVがあります: name、department、role、start_date。
ロード済みのHRオントロジーにマップして取り込んでください。次に、SHACLシェープで検証し、
推論を実行して部門階層を具体化してください。

2つのオントロジーを調整

schema.orgと私の企業オントロジーをロードしてください。onto_alignを実行して
equivalentClassおよびexactMatchの候補を見つけてください。レビューしてフィードバックを
提供し、重みを自己キャリブレーションします。

重要な原則

前のツール呼び出しが返した内容に基づいて次のツール呼び出しを動的に決定します。onto_validateが失敗した場合は修正して再試行します。onto_statsが間違ったカウントを示した場合は再生成します。onto_lintがラベルの欠落を見つけた場合は追加します。MCPツールは個別の操作です。Claudeがオーケストレーターです。