ontomics

ontomics proporciona a Claude Code conocimiento instantáneo de tu base de código. Una llamada a herramienta en lugar de 19. ~20 veces menos tokens.

Benchmark

Probado con Claude Sonnet — misma pregunta, con y sin ontomics.

"¿Qué significa 'transform' en esta base de código?" en voxelmorph (transcripción completa):

"¿Cuáles son los principales conceptos del dominio en esta base de código?" en ScribblePrompt (transcripción completa):

Ambas condiciones produjeron respuestas completas y correctas. ontomics lo logró en una sola llamada.

Related MCP server: Code-Index-MCP

Lo que hace que la búsqueda no puede hacer

La búsqueda te dice dónde aparece una cadena. Un LSP te dice dónde se define y referencia un símbolo. Ninguno responde: ¿cuáles son los conceptos del dominio en esta base de código? ¿Cómo se relacionan? ¿Qué convenciones de nomenclatura surgieron? ¿Qué cambió en el vocabulario del dominio desde la última versión? ¿Qué funciones se comportan de manera similar, independientemente de cómo se llamen?

ontomics construye un índice semántico del dominio de tu proyecto: agrupa símbolos relacionados en conceptos, detecta convenciones de nomenclatura a partir de la frecuencia de uso, resuelve abreviaturas, agrupa funciones por similitud de comportamiento y rastrea cómo evoluciona el vocabulario con el tiempo. Ese índice puede exportarse como un artefacto portátil para iniciar convenciones en otros repositorios.

Similitud de comportamiento

Más allá de los nombres y conceptos, ontomics incrusta cuerpos de funciones sin procesar utilizando CodeRankEmbed (768 dimensiones, recuperación de código contrastiva) y los agrupa por similitud de comportamiento. Esto revela relaciones que ni los nombres ni los grafos de llamadas exponen:

❯ What functions behave like spatial_transform()?

  random_transform()   nn/functional.py:352   0.80
  spatial_transform()  functional.py:596      0.69
  random_transform()   functional.py:1399     0.67
  random_disp()        nn/functional.py:275   0.65
  integrate_disp()     functional.py:764      0.65
  compose()            nn/functional.py:216   0.63
  disp_to_trf()        functional.py:343      0.62

El resultado también revela que random_transform aparece en dos ubicaciones con diferentes puntuaciones de similitud: una señal de duplicación de implementación que la búsqueda a nivel de concepto pasaría por alto por completo.

Instalación

Instálalo una vez, disponible en cada proyecto. No se necesita configuración: ontomics detecta automáticamente el repositorio y lo indexa en la primera ejecución.

ontomics requiere un repositorio git (directorio .git/). Se negará a indexar directorios de inicio, raíz o temporales. Para indexar un directorio que no sea git, usa --force.

1. Instalar el binario

npm (macOS/Linux):

npm install -g @ontomics/ontomics

macOS (Homebrew):

brew install EtienneChollet/tap/ontomics

Instalador de shell (macOS/Linux):

curl --proto '=https' --tlsv1.2 -LsSf https://github.com/EtienneChollet/ontomics/releases/latest/download/ontomics-installer.sh | sh

Desde el código fuente:

git clone https://github.com/EtienneChollet/ontomics.git
cd ontomics
cargo build --release

2. Registrar con tu entorno

Claude Code:

claude mcp add -s user ontomics -- ontomics

Codex:

codex mcp add ontomics -- ontomics

OpenClaw:

openclaw mcp set ontomics '{"command":"ontomics"}'

pi-coding-agent:

pi install npm:@ontomics/ontomics

Comparte con tu equipo — coloca un .mcp.json en la raíz de tu repositorio:

{
  "mcpServers": {
    "ontomics": {
      "command": "npx",
      "args": ["-y", "@ontomics/ontomics", "--repo", "."]
    }
  }
}

Lenguajes soportados

Python, TypeScript, JavaScript, Rust. Detectados automáticamente a partir de las extensiones de archivo.

Herramientas

Conceptos y vocabulario

Similitud de comportamiento

Estructura de la base de código

Recursos

Cómo funciona

ontomics ejecuta una tubería de varias etapas completamente en tu máquina; no se requieren claves de API:

1. Analizar (Parse) — tree-sitter extrae cada identificador, firma y sitio de llamada de tus archivos fuente

2. Analizar (Analyze) — la puntuación TF-IDF identifica conceptos específicos del dominio y detecta convenciones de nomenclatura

3. Incrustar (conceptos) — BGE-small (384 dimensiones) agrupa conceptos relacionados por similitud semántica

4. Incrustar (lógica) — CodeRankEmbed (768 dimensiones) incrusta cuerpos de funciones sin procesar y los agrupa por similitud de comportamiento

5. Centralidad — PageRank puntúa las entidades por importancia estructural

Ambos modelos de incrustación se descargan una vez en la primera ejecución y se almacenan en caché localmente. El índice reside en <repo>/.ontomics/index.db: los inicios posteriores se cargan desde la caché y vigilan los cambios de archivo.

Configuración a través de .ontomics/config.toml en la raíz del repositorio. Todos los campos tienen valores predeterminados razonables. Consulta SPEC.md para ver el contrato de diseño completo.