aws/context-ontology-accelerator

해결하는 문제

이 프로젝트는 AI 에이전트가 정확하고 비즈니스 인식이 있는 컨텍스트를 검색할 수 있도록 도와주는 AWS용 의미론적 컨텍스트 계층을 제공합니다. 원시 데이터 소스와 AI 에이전트 사이의 격차를 지식 그래프, 형식적 온톨로지, 규칙 기반 시스템을 결합함으로써 메트릭과 비즈니스 로직에 기반한 정보의 검증을 보장합니다.

작동 방식

시스템은 "스캔 → 모델 → 서빙" 워크플로우를 사용합니다:

• 스캔: 데이터 소스에 연결하고 스키마를 탐지하며, 구조화된 및 비구조화된 문서를 인게스트합니다.
• 모델: 데이터가 비즈니스 메트릭 및 로직과 어떻게 연결되는지를 정의하기 위해 온톨로지와 통합된 의미론적 그래프를 생성하고 관리합니다.
• 서빙: SPARQL 페더레이션(VKG)과 지식 그래프를 사용하여 Model Context Protocol(MCP)을 통해 검증된 컨텍스트를 AI 에이전트에 제공합니다.

대상 사용자

복잡한 비즈니스 도메인과 형식적인 데이터 관계를 깊이 이해해야 하는 AWS에서 AI 에이전트를 개발하는 개발자 및 아키텍트를 위한 것입니다.

주요 특징

• 의미론적 그래프: 지식 그래프와 형식적 온톨로지를 결합하여 고정밀 컨텍스트 검색을 가능하게 합니다.
• MCP 통합: Model Context Protocol(MCP)을 사용하여 컨텍스트를 AI 에이전트에 직접 제공합니다.
• VKG 지원: SPARQL 페더레이션을 통해 쿼리 가능한 가상 지식 그래프(VKG)를 구현합니다.
• 온톨로지 유도: HermiT/ELK를 사용한 온톨로지 유도 및 추론 엔진을 포함합니다.
• 엔터프라이즈 수준 접근 제어: 네임스페이스 기반 역할과 플랫폼 수준의 접근 제어를 통해 안전한 데이터 관리를 제공합니다.