Skip to main content
Glama
deenesjakoruzh
rinDBeans

onto-agent

by rinDBeans
OverviewSchemaRelated ServersScoreDiscussions
Python
Hybrid

🌌 OntoAgent

The All-Knowing Code Brain & Architecture Contract Guard for AI Coding Agents

AI 코딩 에이전트를 위한 전(全) 저장소 인지 지식 그래프 및 아키텍처 거버넌스 엔진.

CI Python 3.10+ License: Apache-2.0 Embedded Kùzu DB MCP Supported DSH Compatible Benchmark

📖 Why OntoAgent?

현대 Coding Agent는 대규모 코드베이스를 다룰 때 일반적으로 세 가지 구조적 문제에 직면합니다:

  1. 장님 코끼리 만지기: 현재 파일만 보고, 모듈 간 호출자, API 계약 및 테스트 의존성을 볼 수 없습니다.

  2. 긴 컨텍스트 환각: 전체 저장소를 Prompt에 "무작정" 넣으면 Token 비용이 높고 신호 대 잡음비가 낮아 모델이 핵심 제약 조건을 쉽게 놓칩니다.

  3. 파괴적 변경의 추적이 어려움: 핵심 클래스를 수정할 때 어떤 업스트림 모듈, 테스트 및 인터페이스가 함께 폭발할지 빠르게 알 수 없습니다.

기존 방식:

  • Naive Raw Text: 전체를 컨텍스트에 넣어 Token이 방대하고 구조화된 위치 정보가 없습니다.

  • Vector-Chunk RAG: 텍스트 유사도로 청크를 나누어 Token을 압축할 수 있지만, AST 수준의 의존성, 상속 관계 및 계약 의미론이 손실됩니다.

OntoAgent의 선택:

AST 정적 분석 + 임베디드 그래프 데이터베이스로 전 저장소 인지 그래프를 구축하여, AI Agent가 코드를 수정하기 전에 호출 네트워크, 계약, 테스트, 폭발 반경을 먼저 볼 수 있게 합니다.

Related MCP server: code-intel

🏛️ Architecture Flow

graph TD
    subgraph Base["底座层"]
        Kuzu["Kùzu Embedded Graph DB"]
        AST["AST Parsers: Python / TypeScript / Markdown / JSON"]
    end

    subgraph Core["核心引擎"]
        Blast["Blast Radius Analyzer"]
        Context["Smart Context Extractor"]
        Compliance["Architecture Compliance Guard"]
        Scanner["Codebase Scanner & Entity Ingestion"]
    end

    subgraph Ecosystem["交互生态"]
        MCP["MCP Server"]
        DSH["DSH / Cordis Plugin"]
        CLI["onto-agent CLI"]
        Dashboard["React 2D Canvas + Dagre Dashboard"]
    end

    AST --> Scanner
    Scanner --> Kuzu
    Kuzu --> Blast
    Kuzu --> Context
    Kuzu --> Compliance
    Blast --> MCP
    Context --> DSH
    Compliance --> CLI
    Scanner --> Dashboard

📊 Benchmark

원클릭 재현:

python benchmark/run_benchmark.py

결정적 코드 픽스처를 기반으로 세 가지 컨텍스트 구축 전략을 비교합니다:

Method

Tokens

Token Reduction

Critical Dep Recall

Test & Contract Recall

Blast Precision

Blast Recall

Blast F1

A. Naive Raw Text

1162

0.0%

100.0%

100.0%

50.0%

100.0%

66.7%

B. Vector-Chunk RAG

282

75.7%

0.0%

66.7%

60.0%

60.0%

60.0%

C. OntoAgent AST Graph

120

89.7%

100.0%

100.0%

100.0%

100.0%

100.0%

결론:

  • OntoAgent는 Naive Raw Text 대비 약 89.7% 의 Token 소비를 줄입니다.

  • OntoAgent는 Vector-Chunk RAG 대비 핵심 의존성 리콜, 테스트/계약 리콜 및 폭발 반경 위치 파악에서 전반적으로 앞섭니다.

  • 전체 보고서는 benchmark/reports/benchmark_report.md를 참조하세요.

🚀 Quickstart

1. 설치

pip install -e .[test]

2. 전체 저장소 스캔

onto-agent scan --path .

3. 시각화 워크벤치 시작

python dashboard/api_server.py
# 打开 http://127.0.0.1:8000

4. MCP 구성

integrations/cursor_mcp.json을(를) .cursor/mcp.json으로 복사하거나 Claude Desktop에서 병합하세요:

{
  "mcpServers": {
    "onto-agent": {
      "command": "python",
      "args": ["-m", "onto_agent.mcp"]
    }
  }
}

5. DSH 네이티브 플러그인 설치

dsh plugin --profile web add ./integrations/dsh/onto-agent-plugin

🧠 Agent Abilities

get_blast_radius(file_path)

임의의 파일/심볼을 수정하기 전에 다음을 반환합니다:

  • 직접 호출자

  • 간접 영향 모듈

  • 다운스트림 의존성

  • 관련 API 계약

  • 실행해야 하는 테스트

check_architecture_compliance(strict=True)

검사:

  • 순환 import

  • 계층 간 위반 호출

  • 테스트로 커버되지 않은 핵심 클래스

get_smart_context(query_or_symbol)

리팩토링/생성 전 고신호 대 잡음비 컨텍스트 생성:

  • 정의, 줄 수, Docstring

  • 클래스/함수 목록

  • imports / callers

  • API 계약, 관련 테스트, 관련 문서

🔌 Ecosystem

진입점

방식

MCP

onto_get_blast_radius, onto_check_architecture_compliance, onto_get_smart_context 등 10개 도구

DSH

integrations/dsh/onto-agent-plugin, Cordis 네이티브 플러그인

CLI

onto-agent blast-radius, onto-agent compliance, onto-agent context

REST

/api/blast_radius, /api/architecture/compliance, /api/smart_context

Dashboard

React + Force Graph + Dagre 계층 아키텍처 다이어그램

🗂️ Project Layout

src/onto_agent/
├── engine/          # Scanner, ArchitectureGuard, Context, Steering, Reflection
├── storage/         # Kùzu graph storage adapter
├── mcp/             # MCP Server
├── client/          # Python SDK
└── cli.py           # Unified CLI

dashboard/           # FastAPI + React workbench
benchmark/           # Reproducible Codex-for-Open benchmark
integrations/        # Cursor / Claude / Windsurf / DSH
docs/                # Design docs & tickets
tests/               # 48+ unit / integration tests

📚 Documentation

📄 License

이 프로젝트는 Apache-2.0 라이선스로 오픈소스입니다.

This server cannot be installed

A
license - permissive license
Not graded
quality - not tested
B
maintenance

How are these scores calculated?

Maintenance

–Maintainers
–Response time
–Release cycle
1Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

  • code-intel

    nairraf
    A
    license
    Not graded
    quality
    C
    maintenance
    Provides semantic code search and code insights via a knowledge graph, enabling AI to understand, navigate, and modify complex projects with deep dependency and architecture analysis.
    MIT

  • CodeGraph

    andysom25
    A
    license
    Not graded
    quality
    B
    maintenance
    Supercharges AI coding agents with semantic code intelligence, providing pre-built knowledge graphs for surgical context, faster answers, and fewer tool calls.
    MIT
  • coderadius by coderadius-ai

    coderadiusofficial

    coderadius-ai
    A
    license
    Not graded
    quality
    A
    maintenance
    Enables AI agents to query architecture context, data contracts, and blast radius to prevent cross-repo architectural breakage before merging.
    30
    Apache 2.0

View all related MCP servers

Related MCP Connectors

  • Hokmah

    AI Agent with Architectural Memory. Impact analysis (free), tests and code from the graph (pro).

  • Umtri

    Give your AI agent a persistent map of your project's structure, dependencies, and bugs.

  • Lobu

    Shared, permission-aware company context for AI agents, with provenance, approvals and audit.

View all MCP Connectors

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/rinDBeans/onto-agent'

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