MCP HubMCP Hub
Retour aux compétences

ontology-validator

HeshamFS
Mis à jour Yesterday
3 vues
40
3
40
Voir sur GitHub
Designaiautomationdesigndata

À propos

La compétence de validation d'ontologie vérifie la conformité des annotations d'échantillons matériels avec l'ontologie, en contrôlant l'existence des termes, la cohérence des domaines/plages et l'exhaustivité des propriétés requises. Elle est utilisée pour auditer les annotations par rapport à des ontologies comme CMSO avant leur publication, garantissant ainsi le respect des normes de données FAIR. Les développeurs doivent l'utiliser pour détecter les erreurs dans les définitions de classes et de propriétés dès le début du flux de travail.

Installation rapide

Claude Code

Recommandé
Principal
npx skills add HeshamFS/materials-simulation-skills -a claude-code
Commande PluginAlternatif
/plugin add https://github.com/HeshamFS/materials-simulation-skills
Git CloneAlternatif
git clone https://github.com/HeshamFS/materials-simulation-skills.git ~/.claude/skills/ontology-validator

Copiez et collez cette commande dans Claude Code pour installer cette compétence

Documentation

Ontology Validator

Goal

Validate that material sample annotations comply with ontology constraints: correct class names, valid properties, consistent domain/range relationships, and required fields present.

Requirements

  • Python 3.8+
  • No external dependencies (Python standard library only)
  • Requires ontology-explorer's cmso_summary.json and ontology_registry.json

Inputs to Gather

InputDescriptionExample
AnnotationJSON dict or list of annotation dicts{"class":"UnitCell","properties":{"has Bravais lattice":"cF"}}
Class nameClass to check completeness forCrystal Structure
Provided propertiesComma-separated property names"has unit cell,has space group"
RelationshipsJSON array of subject-property-object triples[{"subject_class":"Material","property":"has structure","object_class":"Crystal Structure"}]

Decision Guidance

What do you need to validate?
├── An annotation (classes and properties are correct)
│   └── schema_checker.py --ontology cmso --annotation '<json>'
├── Completeness of a class annotation
│   └── completeness_checker.py --ontology cmso --class <name> --provided <props>
└── Object property relationships
    └── relationship_checker.py --ontology cmso --relationships '<json>'

Script Outputs (JSON Fields)

ScriptKey Outputs
scripts/schema_checker.pyresults.valid, results.errors, results.warnings, results.class_valid, results.properties_valid
scripts/completeness_checker.pyresults.completeness_score, results.required_missing, results.recommended_missing, results.optional_missing, results.unrecognized
scripts/relationship_checker.pyresults.valid, results.results, results.errors

Workflow

  1. After mapping a sample with ontology-mapper, pass the annotations to schema_checker.py to verify correctness.
  2. For a specific class, use completeness_checker.py to see what required/recommended properties are missing.
  3. When building relationships between instances, use relationship_checker.py to ensure domain/range consistency.

Conversational Workflow Example

User: I annotated my sample as CrystalStructure with properties hasUnitCell and hasBasis.
      Is this correct and complete?

Agent: Let me validate your annotation and check completeness.

[Runs: completeness_checker.py --ontology cmso --class "Crystal Structure" --provided "has unit cell,has basis" --json]

Your annotation is partially complete:
- has unit cell: provided (required)
- has basis: not a direct property of Crystal Structure (it belongs to Unit Cell)
- **Missing required**: has space group

The "has basis" property belongs to the Unit Cell class, not Crystal Structure.
You should add "has space group" to Crystal Structure and move "has basis"
to the Unit Cell annotation.

CLI Examples

# Validate an annotation
python3 skills/ontology/ontology-validator/scripts/schema_checker.py \
  --ontology cmso \
  --annotation '{"class":"Unit Cell","properties":{"has Bravais lattice":"cF"}}' \
  --json

# Check completeness
python3 skills/ontology/ontology-validator/scripts/completeness_checker.py \
  --ontology cmso \
  --class "Crystal Structure" \
  --provided "has unit cell,has space group" \
  --json

# Validate relationships
python3 skills/ontology/ontology-validator/scripts/relationship_checker.py \
  --ontology cmso \
  --relationships '[{"subject_class":"Computational Sample","property":"has material","object_class":"Material"}]' \
  --json

Error Handling

ErrorCauseResolution
Class 'X' not foundInvalid class nameUse ontology-explorer to find correct name
Property 'X' not foundInvalid property nameUse property_lookup.py to search
Annotation must be a dictWrong input formatProvide valid JSON dict
Relationships must be a non-empty listWrong input formatProvide JSON array of relationship dicts

Interpretation Guidance

  • Errors indicate definite problems (unknown class/property, range mismatch)
  • Warnings indicate potential issues (domain mismatch — may be intentional for subclasses)
  • Completeness score: 0.0-1.0 ratio of provided vs. total tracked properties
  • required_missing: must fix for valid annotation
  • recommended_missing: should fix for quality
  • unrecognized: may indicate typos or properties from a different ontology

Security

Input Validation

  • --ontology is validated against registered ontology names in ontology_registry.json (fixed allowlist)
  • --annotation JSON is parsed with json.loads() and validated as a dict with required class and properties keys
  • --class names are validated against known classes in the ontology summary; unknown classes produce clear errors
  • --provided property names are validated as comma-separated strings and matched against known properties
  • --relationships JSON is parsed and validated as a non-empty list of dicts, each requiring subject_class, property, and object_class keys

File Access

  • Scripts read pre-processed JSON files from the references/ directory: ontology_registry.json, cmso_summary.json, cmso_constraints.json (all read-only)
  • No scripts write to the filesystem; all output goes to stdout
  • No network access is required

Tool Restrictions

  • Read: Used to inspect script source, reference files, and ontology constraint data
  • Bash: Used to execute the three Python validation scripts (schema_checker.py, completeness_checker.py, relationship_checker.py) with explicit argument lists

Safety Measures

  • No eval(), exec(), or dynamic code generation
  • All subprocess calls use explicit argument lists (no shell=True)
  • JSON input parsing uses json.loads() only (no pickle, no YAML with unsafe loaders)
  • Validation logic operates on pre-loaded in-memory data structures; no dynamic file discovery or traversal

Limitations

  • Constraints file is manually curated, not derived from OWL axioms
  • Does not validate data types (e.g., whether a value is actually a float vs string)
  • Does not validate cardinality (e.g., exactly one space group per structure)
  • Subclass checking uses simple parent traversal, not full OWL reasoning

References

Version History

DateVersionChanges
2026-02-251.0Initial release with CMSO validation support

Dépôt GitHub

HeshamFS/materials-simulation-skills
Chemin: skills/ontology/ontology-validator
0
agent-skillsagentscli-toolscomputational-sciencellmmaterials-science

Compétences associées

executing-plans

Design

Utilisez la compétence executing-plans lorsque vous disposez d'un plan de mise en œuvre complet à exécuter par lots contrôlés avec des points de contrôle de revue. Elle charge et examine le plan de manière critique, puis exécute les tâches par petits lots (3 tâches par défaut) tout en rapportant la progression entre chaque lot pour une revue par l'architecte. Cela garantit une mise en œuvre systématique avec des points de contrôle de qualité intégrés.

Voir la compétence

requesting-code-review

Design

Cette compétence délègue un sous-agent réviseur de code pour analyser les modifications apportées au code par rapport aux exigences avant de poursuivre. Elle doit être utilisée après avoir terminé des tâches, implémenté des fonctionnalités majeures, ou avant une fusion vers la branche principale. La revue aide à détecter précocement les problèmes en comparant l'implémentation actuelle avec le plan initial.

Voir la compétence

connect-mcp-server

Design

Cette compétence fournit un guide complet permettant aux développeurs de connecter des serveurs MCP à Claude Code via les transports HTTP, stdio ou SSE. Elle couvre l'installation, la configuration, l'authentification et la sécurité pour intégrer des services externes tels que GitHub, Notion et des API personnalisées. Utilisez-la lors de la configuration d'intégrations MCP, de la configuration d'outils externes ou du travail avec le Protocole de Contexte de Modèle de Claude.

Voir la compétence

web-cli-teleport

Design

Cette compétence aide les développeurs à choisir entre les interfaces Web et CLI de Claude Code en fonction de l'analyse des tâches, puis permet une téléportation transparente des sessions entre ces environnements. Elle optimise le flux de travail en gérant l'état et le contexte de la session lors du passage entre le web, la CLI ou le mobile. Utilisez-la pour des projets complexes nécessitant différents outils à diverses étapes.

Voir la compétence