ruc-datalab/EvoOntology

何を解決するか

EvoOntologyは、AIエージェントがテーブル、ファイル、データベースなどの生データソースの意味を理解できないという「エージェント-データギャップ」に対処します。意味の不確実性（メトリクス定義やエンティティ関係を推測しなければならないこと）の問題を解決し、データやワークロードの変化に伴ってすぐに陳腐化する高コストな手作業による静的意味層の必要性を排除します。

動作方法

このシステムは、時間とともに進化する学習可能な状態としてオントロジー層を扱います。3つの相互接続されたレイヤーで構成されています：

• コンテンツレイヤー：用語、マッピング、制約、証拠を含む型付きの意味グラフ。
• スキーマレイヤー：オントロジーの表現方法に関するルールと境界を定義します。
• ツールレイヤー：Model Context Protocol (MCP) ツールを通じてエージェントにオントロジーを公開し、エージェントが必要とする特定の意味だけをオンデマンドで取得できるようにします。これにより、コンテキストウィンドウ内で完全なオントロジーを処理する必要がなくなります。

ライフサイクルは、ワークロードの証拠から初期オントロジーを構築し、エージェントタスクで使用し、相互作用の軌跡を診断して更新を提案し、親バージョンと比較して更新の評価を行い、新しいバージョンを公開するというループを繰り返します。

対象ユーザー

手動での意味マッピングや継続的な専門家メンテナンスなしに、多様で複雑なデータソース上で動作するデータエージェントを開発する開発者。

特徴

• 自己進化型：観測された実行行動と相互作用履歴に基づいて、オントロジー層を自動的に最適化します。
• MCP互換性：Claude Code や Codex などのエージェント向けのユニバーサルプラグインとして統合可能です。
• 根拠に基づく構築：下位の生データに対して検証された後、のみ意味オブジェクトがコミットされます。
• ゲート付きバージョニング：前のバージョンに対して再現可能な改善が見られる場合にのみ、新しいオントロジーバージョンが公開されます。