py-ontology-server-starter

Starter de servidor de conocimiento ontológico — capa semántica FastAPI + triplestore Apache Jena Fuseki, con consumidores tanto por REST como por MCP.

Declara en código una ontología centrada en objetos al estilo Palantir (Object Type / Property / Link Type), y el almacenamiento y la consulta se gestionan con los estándares W3C (RDF / SPARQL 1.1). Como el código de la aplicación solo usa el estándar SPARQL, la aplicación permanece igual aunque se cambie el almacén por GraphDB u otro.

┌─ 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

Inicio rápido

# 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

Adaptador MCP (para agentes de IA)

Se ejecuta mediante el transporte stdio. En el .mcp.json de un proyecto de Claude Code:

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

Herramientas disponibles: list_object_types(descubrimiento de esquema) · search_objects(consulta de instancias por tipo) · sparql_query(consulta directa de solo lectura).

Cómo adaptarlo a tu dominio

1. Reemplaza src/ontology_server/ontology/sample.py por una ontología de dominio: con solo cambiar las declaraciones de Object Type y Link Type, el adaptador REST, el adaptador MCP y el constructor de consultas se adaptan automáticamente.

2. Añade módulos de ingesta por fuente de conocimiento en src/ontology_server/ingest/ (example_csv.py como referencia).

3. Si se necesita integración externa o cumplimiento de estándares, define los espacios de nombres con un esquema de URIs real y gestiona también el documento de esquema OWL.

Pruebas

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

Estructura

Licencia

MIT