py-ontology-server-starter

Ontologie-Wissensserver-Starter — FastAPI-Semantikschicht + Apache-Jena-Fuseki-Triplestore, für Konsumenten sowohl REST als auch MCP.

Eine Palantir-artige objektzentrierte Ontologie (Object Type / Property / Link Type) wird im Code deklariert, Speicherung und Abfrage erfolgen nach W3C-Standards (RDF / SPARQL 1.1). Da der Anwendungscode ausschließlich den SPARQL-Standard verwendet, bleibt die App unverändert, auch wenn der Datenspeicher z. B. durch GraphDB ersetzt wird.

┌─ 소비자 ──────────────────────────────┐
│  AI 에이전트(MCP)      앱·사람(REST)   │
└──────────┬───────────────┬───────────┘
           │               │
   mcp_server.py       api/rest.py      ← 이중 어댑터
           └───────┬───────┘
            ontology/ + store/           ← 코어: 온톨로지 정의 + SPARQL 클라이언트
                   │
        Apache Jena Fuseki (docker)      ← 저장·SPARQL·추론
                   ▲
             ingest/ 파이프라인           ← 지식원 → RDF 변환·적재

Schnellstart

# 1. 트리플스토어 기동
docker compose up -d fuseki          # http://localhost:3030 (admin / admin)

# 2. 앱 설치
python -m venv .venv && source .venv/bin/activate
pip install -e ".[dev]"

# 3. 샘플 데이터 적재 (CSV → RDF → Fuseki)
python -m ontology_server.ingest.example_csv data/sample/organizations.csv \
  --object-type organization --push

# 4. REST 서버 기동
uvicorn ontology_server.main:app --reload
# → http://localhost:8000/docs
curl localhost:8000/objects/organization

Related MCP server: mcp-ubergraph-query

MCP-Adapter (für KI-Agenten)

Läuft über den stdio-Transport. In der .mcp.json des Claude-Code-Projekts:

{
  "mcpServers": {
    "ontology": {
      "command": "/절대경로/.venv/bin/python",
      "args": ["-m", "ontology_server.mcp_server"]
    }
  }
}

Bereitgestellte Werkzeuge: list_object_types(Schema ermitteln) · search_objects(Instanzen nach Typ abfragen) · sparql_query(schreibgeschützte Direktabfrage).

An die eigene Domäne anpassen

1. Ersetze src/ontology_server/ontology/sample.py durch die Domänen-Ontologie — wenn du nur die Deklarationen von Object Type und Link Type änderst, passen sich REST-, MCP- und Abfrage-Builder automatisch an.

2. Füge in src/ontology_server/ingest/ pro Wissensquelle ein Erfassungsmodul hinzu (siehe example_csv.py).

3. Wenn externe Anbindung und Standardkonformität erforderlich sind, lege die Namespaces als reales URI-Schema fest und pflege die OWL-Schema-Dokumente ebenfalls.

Tests

pytest                       # 단위 테스트 (Fuseki 불필요)
RUN_INTEGRATION=1 pytest     # Fuseki 기동 상태에서 통합 테스트 포함

Aufbau

Lizenz

MIT