Skip to main content
Glama
liftkkkk

OWL MCP Server

by liftkkkk
OverviewSchemaRelated ServersScoreDiscussions
Python
Local

🦉 OWL MCP Server

让 AI 直接读写你的 OWL / TTL / RDF 本体文件

License: MIT Python MCP owlready2

English · 快速开始 · 工具列表 · 示例

简介

OWL MCP Server 是一个基于 Model Context Protocol (MCP) 的本体操作服务器。

它让 Claude、Cursor、WorkBuddy 等 AI 助手能够像操作普通文件一样，直接查询、修改、推理你的 OWL/TTL/RDF 本体文件 —— 无需手写 SPARQL，无需了解 OWL 语法细节，用自然语言对话即可完成复杂的知识图谱操作。

你："找出所有 XX 类的个体，按金额降序排列"
AI：[调用 sparql_query] → 返回结构化结果

适用场景

  • 🏦 金融领域：对账单、票据本体的增删改查

  • 🏥 医疗健康：临床知识图谱探索与推理

  • 🏗️ 工程建模：设备、流程本体的管理与验证

  • 🎓 学术研究：OWL 本体的快速原型开发与测试

Related MCP server: Ontology MCP

快速开始

第一步：安装依赖

pip install mcp owlready2 rdflib

或使用 requirements.txt：

pip install -r requirements.txt

⚠️ 推理器依赖 Java：使用 run_reasoner（Pellet/HermiT）需要本地安装 JDK 8+

第二步：配置 MCP 客户端

WorkBuddy

在 ~/.workbuddy/mcp.json 中添加：

{
  "mcpServers": {
    "owl": {
      "command": "python",
      "args": ["/绝对路径/server.py"]
    }
  }
}

💡 推荐：使用虚拟环境的 Python 绝对路径，避免依赖冲突：

"command": "C:/Users/yourname/.workbuddy/binaries/python/envs/default/Scripts/python.exe"

Claude Desktop

在 claude_desktop_config.json 中添加：

{
  "mcpServers": {
    "owl-mcp": {
      "command": "python",
      "args": ["/绝对路径/server.py"]
    }
  }
}

Cursor

在 .cursor/mcp.json 中添加同样的配置，重启 Cursor 后即可在 Agent 模式中使用。

第三步：启用并开始对话

在 WorkBuddy 连接器管理页面找到 owl，点击 Trust 启用，然后直接开始自然语言对话：

"加载本体文件 C:/work/xxxx.ttl"
"列出所有类，只显示以 xxx: 开头的"
"描述 BankStatement 类的完整结构"
"运行 HermiT 推理器，检查本体一致性"
"把新增的类保存回原文件"

工具列表

📖 查询类

工具

说明

load_ontology

加载本体文件（支持本地路径或 IRI，格式：TTL / OWL / RDF）

get_ontology_info

获取本体概览（类数、个体数、属性数、命名空间）

list_classes

列出所有类，支持前缀过滤与数量限制

list_individuals

列出所有个体，支持按类过滤

list_properties

列出对象属性 / 数据属性

describe_class

详细描述类（父类、子类、限制、已知个体）

describe_individual

描述个体（所属类型、全部属性值）

search_entity

按关键词模糊搜索类 / 个体 / 属性

sparql_query

执行 SPARQL 1.1 SELECT 查询

✏️ 修改类

工具

说明

add_class

添加新类（可指定父类、rdfs:label、rdfs:comment）

add_individual

添加新个体（可指定初始属性值）

add_object_property_assertion

添加对象属性三元组断言

save_ontology

保存本体（支持 rdfxml / turtle / ntriples）

🧠 推理类

工具

说明

run_reasoner

运行推理器（Pellet 或 HermiT），检查一致性并推断隐含知识

注意：add_* 系列修改操作不会自动保存，需显式调用 save_ontology。

示例用法

探索本体结构

你：加载 xxx.ttl，给我一个整体介绍
AI：该本体共有 47 个类、213 个个体、18 个对象属性……

你：描述一下 BankStatement 类
AI：BankStatement 是 FinancialDocument 的子类，拥有以下数据属性：amount、currency、date……

SPARQL 查询

-- 查找所有 BankStatement 及其金额（降序）
PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>
PREFIX : <http://test.com/t#>

SELECT ?ind ?amount WHERE {
  ?ind rdf:type :BankStatement .
  ?ind :amount ?amount .
}
ORDER BY DESC(?amount)

增量修改

你：新增一个 AA 类，父类是 BB，标签为"CC"
AI：[调用 add_class] → 已添加 AA 类

你：把这个改动保存为 turtle 格式
AI：[调用 save_ontology] → 已保存到 xxx.ttl

一致性检查

你：运行 HermiT 推理器，检查本体有没有逻辑矛盾
AI：[调用 run_reasoner] → 本体一致，推断出 3 个新的隐含类成员关系……

技术栈

组件

用途

owlready2

OWL 本体加载、修改、推理器调用

rdflib

SPARQL 1.1 查询引擎

mcp

Model Context Protocol SDK

注意事项

  • 推理器需要 Java：Pellet / HermiT 依赖 JDK 8+，请确保 java 在系统 PATH 中

  • 大型本体：超过 10 万三元组时，list_* 系列操作请配合 limit 参数使用

  • 修改不自动保存：所有 add_* 操作仅更新内存模型，需手动调用 save_ontology

  • SPARQL 语法：使用标准 SPARQL 1.1 语法，由 rdflib 引擎执行

兼容的 MCP 客户端

  • ✅ WorkBuddy

  • ✅ Trae/Traw-work

  • ✅ Claude

  • ✅ Cursor (Agent 模式)

  • ✅ 任何支持 MCP 标准的 AI 客户端

License

MIT

☕ 请作者喝杯咖啡

OWL MCP Server 是我在业余时间独立开发和维护的开源项目，永久免费。

如果它帮你省下了哪怕半小时手写 SPARQL 的时间，可以考虑请我喝杯咖啡（¥9.9 就够 ☕）—— 你的每一份支持都会直接转化为新功能开发和 bug 修复的动力。

不方便赞赏？ 给项目点个 ⭐ Star、提一个 Issue、或把它分享给需要的人，同样是巨大的支持！

Install Server
A
license - permissive license
A
quality
B
maintenance

How are these scores calculated?

Maintenance

–Maintainers
–Response time
–Release cycle
–Releases (12mo)
Commit activity

Resources

Tools

View all tools

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/liftkkkk/owl-mcp'

If you have feedback or need assistance with the MCP directory API, please join our Discord server