🦉 OWL MCP Server

让 AI 直接读写你的 OWL / TTL / RDF 本体文件

简介

OWL MCP Server 是一个基于 Model Context Protocol (MCP) 的本体操作服务器。

它让 Claude、Cursor、WorkBuddy 等 AI 助手能够像操作普通文件一样，直接查询、修改、推理你的 OWL/TTL/RDF 本体文件 —— 无需手写 SPARQL，无需了解 OWL 语法细节，用自然语言对话即可完成复杂的知识图谱操作。

Code

你："找出所有 XX 类的个体，按金额降序排列"
AI：[调用 sparql_query] → 返回结构化结果

适用场景

🏦 金融领域：对账单、票据本体的增删改查
🏥 医疗健康：临床知识图谱探索与推理
🏗️ 工程建模：设备、流程本体的管理与验证
🎓 学术研究：OWL 本体的快速原型开发与测试

快速开始

第一步：安装依赖

Terminal

pip install mcp owlready2 rdflib

或使用 requirements.txt：

Terminal

pip install -r requirements.txt

⚠️ 推理器依赖 Java：使用 run_reasoner（Pellet/HermiT）需要本地安装 JDK 8+

第二步：配置 MCP 客户端

WorkBuddy

在 ~/.workbuddy/mcp.json 中添加：

config.json

{
  "mcpServers": {
    "owl": {
      "command": "python",
      "args": ["/绝对路径/server.py"]
    }
  }
}

💡 推荐：使用虚拟环境的 Python 绝对路径，避免依赖冲突：
json
"command": "C:/Users/yourname/.workbuddy/binaries/python/envs/default/Scripts/python.exe"

Claude Desktop

在 claude_desktop_config.json 中添加：

config.json

{
  "mcpServers": {
    "owl-mcp": {
      "command": "python",
      "args": ["/绝对路径/server.py"]
    }
  }
}

Cursor

在 .cursor/mcp.json 中添加同样的配置，重启 Cursor 后即可在 Agent 模式中使用。

第三步：启用并开始对话

在 WorkBuddy 连接器管理页面找到 owl，点击 Trust 启用，然后直接开始自然语言对话：

Code

"加载本体文件 C:/work/xxxx.ttl"
"列出所有类，只显示以 xxx: 开头的"
"描述 BankStatement 类的完整结构"
"运行 HermiT 推理器，检查本体一致性"
"把新增的类保存回原文件"

工具列表

📖 查询类

工具	说明
`load_ontology`	加载本体文件（支持本地路径或 IRI，格式：TTL / OWL / RDF）
`get_ontology_info`	获取本体概览（类数、个体数、属性数、命名空间）
`list_classes`	列出所有类，支持前缀过滤与数量限制
`list_individuals`	列出所有个体，支持按类过滤
`list_properties`	列出对象属性 / 数据属性
`describe_class`	详细描述类（父类、子类、限制、已知个体）
`describe_individual`	描述个体（所属类型、全部属性值）
`search_entity`	按关键词模糊搜索类 / 个体 / 属性
`sparql_query`	执行 SPARQL 1.1 SELECT 查询

✏️ 修改类

工具	说明
`add_class`	添加新类（可指定父类、rdfs:label、rdfs:comment）
`add_individual`	添加新个体（可指定初始属性值）
`add_object_property_assertion`	添加对象属性三元组断言
`save_ontology`	保存本体（支持 rdfxml / turtle / ntriples）

🧠 推理类

工具	说明
`run_reasoner`	运行推理器（Pellet 或 HermiT），检查一致性并推断隐含知识

注意：add_* 系列修改操作不会自动保存，需显式调用 save_ontology。

示例用法

探索本体结构

Code

你：加载 xxx.ttl，给我一个整体介绍
AI：该本体共有 47 个类、213 个个体、18 个对象属性……

你：描述一下 BankStatement 类
AI：BankStatement 是 FinancialDocument 的子类，拥有以下数据属性：amount、currency、date……

SPARQL 查询

sparql

-- 查找所有 BankStatement 及其金额（降序）
PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>
PREFIX : <http://test.com/t#>

SELECT ?ind ?amount WHERE {
  ?ind rdf:type :BankStatement .
  ?ind :amount ?amount .
}
ORDER BY DESC(?amount)

增量修改

Code

你：新增一个 AA 类，父类是 BB，标签为"CC"
AI：[调用 add_class] → 已添加 AA 类

你：把这个改动保存为 turtle 格式
AI：[调用 save_ontology] → 已保存到 xxx.ttl

一致性检查

Code

你：运行 HermiT 推理器，检查本体有没有逻辑矛盾
AI：[调用 run_reasoner] → 本体一致，推断出 3 个新的隐含类成员关系……

技术栈

组件	用途
owlready2	OWL 本体加载、修改、推理器调用
rdflib	SPARQL 1.1 查询引擎
mcp	Model Context Protocol SDK

注意事项

推理器需要 Java：Pellet / HermiT 依赖 JDK 8+，请确保 java 在系统 PATH 中
大型本体：超过 10 万三元组时，list_* 系列操作请配合 limit 参数使用
修改不自动保存：所有 add_* 操作仅更新内存模型，需手动调用 save_ontology
SPARQL 语法：使用标准 SPARQL 1.1 语法，由 rdflib 引擎执行

兼容的 MCP 客户端

✅ WorkBuddy
✅ Trae/Traw-work
✅ Claude
✅ Cursor (Agent 模式)
✅ 任何支持 MCP 标准的 AI 客户端

License

MIT

☕ 请作者喝杯咖啡

OWL MCP Server 是我在业余时间独立开发和维护的开源项目，永久免费。

如果它帮你省下了哪怕半小时手写 SPARQL 的时间，可以考虑请我喝杯咖啡（¥9.9 就够 ☕）—— 你的每一份支持都会直接转化为新功能开发和 bug 修复的动力。

扫码赞赏时可以留言你最想要的功能，我会优先安排 😉

不方便赞赏？ 给项目点个 ⭐ Star、提一个 Issue、或把它分享给需要的人，同样是巨大的支持！