ontomics

ontomics

ontomics は、あらゆるコーディングエージェントにコードベースの知識を即座に提供します。ツールの呼び出しは19回ではなく1回。トークン数は約20分の1です。

https://github.com/user-attachments/assets/01afa8a0-1bc2-4686-94d7-965fef7610c3

画像レジストレーションの教師なし学習ライブラリである voxelmorph プロジェクトの可視化

ベンチマーク

Claude Sonnet でテストしました。同じ質問を、ontomics を使った場合と使わない場合で比較しています。

voxelmorph で「このコードベースにおける『transform』の意味は何ですか？」（トランスクリプト全文）：

	ontomics あり	なし
ツール呼び出し数	1	19
トークン数	約3.7k	約76k
時間	5秒	1分15秒
回答の品質	完全	完全

ScribblePrompt で「このコードベースにおける主なドメイン概念は何ですか？」（トランスクリプト全文）：

	ontomics あり	なし
ツール呼び出し数	1	26
トークン数	約3.7k	約61.6k
時間	約5秒	56秒
回答の品質	完全	完全

どちらの場合も、完全で正確な回答が得られました。ontomics は1回の呼び出しで回答にたどり着きました。

検索ではできないこと

検索では、文字列がどこに現れるかがわかります。LSP では、シンボルがどこで定義され、参照されているかがわかります。しかし、どちらも次の問いには答えられません。このコードベースのドメイン概念は何か。それらはどのように関連しているか。どのような命名規則が定着したか。前回のリリース以降、ドメインの語彙はどのように変化したか。名前に関係なく、どの関数が似た振る舞いをするか。

ontomics はプロジェクトのドメインのセマンティックインデックスを構築します。関連するシンボルを概念ごとにクラスタリングし、使用頻度から命名規則を検出し、略語を解決し、振る舞いの類似性で関数をグループ化し、語彙が時間とともにどのように変化するかを追跡します。このインデックスはポータブルなアーティファクトとしてエクスポートでき、ほかのリポジトリに規約を取り入れる際の初期データとして利用できます。

振る舞いの類似性

ontomics は、命名や概念に加えて、CodeRankEmbed（768次元、対照学習によるコード検索）を使って関数本体を直接埋め込み、振る舞いの類似性でクラスタリングします。これにより、命名や呼び出しグラフでは明らかにならない関係を見つけられます。

❯ What functions behave like spatial_transform()?

  random_transform()   nn/functional.py:352   0.80
  spatial_transform()  functional.py:596      0.69
  random_transform()   functional.py:1399     0.67
  random_disp()        nn/functional.py:275   0.65
  integrate_disp()     functional.py:764      0.65
  compose()            nn/functional.py:216   0.63
  disp_to_trf()        functional.py:343      0.62

また、この結果から、random_transform が異なる類似度スコアで2か所に現れることもわかります。これは実装が重複している兆候であり、概念レベルの検索では完全に見落とされます。

インストール

一度インストールすれば、すべてのプロジェクトで利用できます。設定は不要です。ontomics はリポジトリを自動検出し、初回実行時にインデックスを作成します。

ontomics を使うには、Git リポジトリ（.git/ ディレクトリ）が必要です。ホーム、ルート、一時ディレクトリのインデックス作成は拒否されます。Git リポジトリではないディレクトリにインデックスを作成するには、--force を指定してください。

1. バイナリをインストールする

npm（macOS/Linux）：

npm install -g @ontomics/ontomics

macOS（Homebrew）：

brew install EtienneChollet/tap/ontomics

シェルインストーラー（macOS/Linux）：

curl --proto '=https' --tlsv1.2 -LsSf https://github.com/EtienneChollet/ontomics/releases/latest/download/ontomics-installer.sh | sh

ソースからインストール：

git clone https://github.com/EtienneChollet/ontomics.git
cd ontomics
cargo build --release

2. ハーネスに登録する

Claude Code：

claude mcp add -s user ontomics -- ontomics

Codex：

codex mcp add ontomics -- ontomics

OpenClaw：

openclaw mcp set ontomics '{"command":"ontomics"}'

pi-coding-agent：

pi install npm:@ontomics/ontomics

チームと共有する — リポジトリのルートに .mcp.json を配置します：

{
  "mcpServers": {
    "ontomics": {
      "command": "npx",
      "args": ["-y", "@ontomics/ontomics", "--repo", "."]
    }
  }
}

対応言語

Python、TypeScript、JavaScript、Rust。ファイル拡張子から自動検出します。

ツール

概念と用語

ツール	機能
query_concept	用語のすべてのバリエーション、関連する概念、出現箇所を検索します
locate_concept	概念に対応する主要なシグネチャ、クラス、ファイルを検索します
describe_symbol	関数またはクラスのシグネチャ、docstring、関連性を取得します
trace_concept	呼び出しチェーンをたどり、コードベース内で概念がどのように流れるかを追跡します
list_concepts	出現頻度の高いドメイン概念を一覧表示します
list_conventions	検出された命名パターン（接頭辞、接尾辞、変換）をすべて一覧表示します
list_entities	概念、役割、種類で絞り込んだコードエンティティ（クラス、関数）を一覧表示します
check_naming	識別子がプロジェクトの規約に沿っているか確認し、標準的な形式を提案します
suggest_name	プロジェクトの用語に合った識別子名を生成します
vocabulary_health	規約の適用範囲、命名の一貫性、クラスターのまとまりを測定します
ontology_diff	git の参照以降に追加、変更、削除されたドメイン概念を表示します
export_domain_pack	他のリポジトリで使用できるよう、ドメイン知識をポータブルな YAML としてエクスポートします

振る舞いの類似性

ツール	機能
find_similar_logic	振る舞いが類似した実装の関数を検索し、埋め込みの類似度順に表示します
describe_logic	関数の振る舞いの説明、本文、ロジッククラスターへの所属情報を取得します
compact_context	LLM での利用に最適化した、シンボルの階層化コンテキスト（概念＋ロジック）を組み立てます

コードベースの構造

ツール	機能
describe_file	ファイル内のエンティティ、概念、関連性の概要を表示します
concept_map	各ドメイン概念を含むモジュールを表示します
type_flows	コードベース内の主要な型とデータの流れを表示します
trace_type	特定の型がファイルや呼び出し箇所をまたいでどのように伝播するかを追跡します

リソース

リソース	機能
ontomics://briefing	セッション概要：主な規約、略語、重要な概念、対照的なペア、用語に関する警告。ontomics briefing CLI からも利用できます。

仕組み

ontomics はすべての処理をお使いのマシン上で実行する多段階パイプラインです。API キーは必要ありません：

1. 解析 — tree-sitter がソースファイルからすべての識別子、シグネチャ、呼び出し箇所を抽出します
2. 分析 — TF-IDF スコアリングにより、ドメイン固有の概念を特定し、命名規約を検出します
3. 埋め込み（概念） — BGE-small（384-dim）が意味的類似性に基づいて関連する概念をクラスター化します
4. 埋め込み（ロジック） — CodeRankEmbed（768-dim）が関数本体の生テキストを埋め込み、振る舞いの類似性に基づいてクラスター化します
5. 中心性 — PageRank が構造上の重要度に基づいてエンティティをスコアリングします

どちらの埋め込みモデルも初回実行時に一度だけダウンロードされ、ローカルにキャッシュされます。インデックスは <repo>/.ontomics/index.db に保存されます。以降の起動時にはキャッシュから読み込まれ、ファイルの変更が監視されます。

設定はリポジトリのルートにある .ontomics/config.toml で行います。すべてのフィールドには適切な既定値が設定されています。設計仕様の全容については SPEC.md を参照してください。