ontomics

ontomicsは、あらゆるコーディングエージェントにあなたのコードベースに関する即時の知識を提供します。19回のツール呼び出しを1回に減らし、トークン消費量を約20分の1に抑えます。

https://github.com/user-attachments/assets/01afa8a0-1bc2-4686-94d7-965fef7610c3

voxelmorph プロジェクト（画像レジストレーションにおける教師なし学習用ライブラリ）の可視化

ベンチマーク

Claude Sonnetでテスト — ontomicsを使用した場合と使用しない場合で同じ質問を行いました。

voxelmorph に対して「このコードベースにおける 'transform' の意味は？」と質問 (完全なトランスクリプト):

ScribblePrompt に対して「このコードベースの主要なドメイン概念は？」と質問 (完全なトランスクリプト):

どちらの条件でも完全で正確な回答が得られましたが、ontomicsは1回の呼び出しで到達しました。

Related MCP server: Code-Index-MCP

検索にはできないこと

検索は文字列がどこに出現するかを教えてくれます。LSPはシンボルがどこで定義され、参照されているかを教えてくれます。しかし、どちらも「このコードベースのドメイン概念は何か？」「それらはどう関連しているか？」「どのような命名規則が定着しているか？」「前回のリリース以降、ドメイン語彙にどのような変化があったか？」「名前に関係なく、どの関数が同様の動作をするか？」といった問いには答えられません。

ontomicsは、プロジェクトのドメインのセマンティックインデックスを構築します。関連するシンボルを概念にクラスタリングし、使用頻度から命名規則を検出し、略語を解決し、動作の類似性によって関数をグループ化し、語彙が時間の経過とともにどのように進化するかを追跡します。そのインデックスは、他のリポジトリで規則をブートストラップするためのポータブルなアーティファクトとしてエクスポート可能です。

動作の類似性

命名や概念を超えて、ontomicsは CodeRankEmbed (768次元、対照学習によるコード検索) を使用して生の関数本体を埋め込み、動作の類似性によってクラスタリングします。これにより、命名やコールグラフでは明らかにならない関係性が浮き彫りになります。

❯ 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

結果はまた、random_transform が異なる類似度スコアで2箇所に出現していることも明らかにしています。これは、概念レベルの検索では完全に見落とされる実装の重複の兆候です。

インストール

一度インストールすれば、すべてのプロジェクトで利用可能です。設定は不要で、ontomicsは初回実行時にリポジトリを自動検出し、インデックスを作成します。

ontomicsはgitリポジトリ (.git/ ディレクトリ) を必要とします。ホームディレクトリ、ルートディレクトリ、一時ディレクトリのインデックス作成は拒否されます。git以外のディレクトリをインデックス化するには --force を渡してください。

1. バイナリのインストール

npm (macOS/Linux):

npm install -g @ontomics/ontomics

macOS (Homebrew):

brew install EtienneChollet/tap/ontomics

シェルインストーラー (macOS/Linux):

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

ソースから:

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

2. ハーネスへの登録

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

チームと共有 — リポジトリのルートに .mcp.json を配置します:

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

対応言語

Python、TypeScript、JavaScript、Rust。ファイル拡張子から自動検出されます。

ツール

概念と語彙

動作の類似性

コードベース構造

リソース

仕組み

ontomicsは、APIキーを必要とせず、完全にローカルマシン上でマルチステージのパイプラインを実行します：

1. 解析 (Parse) — tree-sitterがソースファイルからすべての識別子、シグネチャ、呼び出しサイトを抽出

2. 分析 (Analyze) — TF-IDFスコアリングがドメイン固有の概念を特定し、命名規則を検出

3. 埋め込み (Embed - 概念) — BGE-small (384次元) が関連する概念を意味的類似性によってクラスタリング

4. 埋め込み (Embed - ロジック) — CodeRankEmbed (768次元) が生の関数本体を埋め込み、動作の類似性によってクラスタリング

5. 中心性 (Centrality) — PageRankが構造的な重要度に基づいてエンティティをスコアリング

両方の埋め込みモデルは初回実行時に一度だけダウンロードされ、ローカルにキャッシュされます。インデックスは <repo>/.ontomics/index.db に保存され、以降の起動時はキャッシュから読み込まれ、ファイルの変更を監視します。

設定はリポジトリルートの .ontomics/config.toml で行います。すべてのフィールドには適切なデフォルト値が設定されています。設計の詳細については SPEC.md を参照してください。