ruc-datalab/EvoOntology
EvoOntology: A Self-Evolving Ontology Layer for Data Agents ⚙️ EvoOntology插件为Claude Code/Codex 建立&进化本体层
해결하는 문제
EvoOntology은 AI 에이전트가 테이블, 파일, 데이터베이스와 같은 원시 데이터 소스의 의미를 이해하지 못하는 '에이전트-데이터 갭'을 해결합니다. 메트릭 정의나 엔티티 관계를 추측해야 하는 의미 불확실성 문제를 해결하고, 빠르게 낡아지는 고비용의 수동 유지 보수 정적 의미 계층의 필요성을 제거합니다.
작동 방식
자기 진화형 온톨로지 계층을 구현하여 학습 가능한 에이전트 상태로 작동합니다. 시스템은 다음과 같은 라이프사이클을 따릅니다:
- 구축: 워크로드에서 후보 개념을 도출하고 원시 데이터와 비교하여 초기 버전을 생성.
- 사용: 데이터 에이전트는 전체 온톨로지가 프롬프트에 삽입되는 대신, MCP(Model Context Protocol) 도구를 통해 필요 시 이 계층에 쿼리합니다.
- 진화: 진화 에이전트가 상호작용 트래잭터리를 분석하여 오류를 진단하고 국소적 업데이트를 제안.
- 평가: 새로운 후보는 동일한 데이터와 예산을 사용해 부모 버전과 비교되어 재현 가능한 개선을 보장.
- 게시: 검증된 개선 사항만 새로운 버전으로 게시됩니다.
온톨로지는 세 가지 계층으로 구성됩니다: 콘텐츠 계층(용어, 매핑, 제약 조건의 의미 그래프), 스키마 계층(표현 규칙), 도구 계층(MCP 도구를 통한 탐색 및 의미 해결).
대상 사용자
이질적인 데이터 소스 위에서 작동하는 데이터 에이전트를 개발하는 개발자들, 그리고 에이전트가 반복적인 데이터 탐색과 수동 의미 매핑에 의존하는 것을 줄이고자 하는 사람.
주요 특징
- MCP 호환: Claude Code 및 Codex와 같은 에이전트에 플러그인처럼 원활하게 통합 가능.
- 자기 진화: 실제 실행 행동에 기반해 지식 기반을 지속적으로 정교화.
- 워크로드 기반: 하위 데이터와의 검증 후에만 의미 객체를 커밋.
- 게이트된 버전 관리: 측정 가능한 성능 향상이 있을 때만 온톨로지 업데이트가 이루어짐.
관련
- 프로젝트
- 프로젝트
- 프로젝트
- 프로젝트
- 프로젝트