論文の概要: mcp-proto-okn: Natural-language access to open scientific knowledge graphs through the Model Context Protocol
- arxiv url: http://arxiv.org/abs/2605.30283v1
- Date: Thu, 28 May 2026 17:37:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-30 02:45:56.636943
- Title: mcp-proto-okn: Natural-language access to open scientific knowledge graphs through the Model Context Protocol
- Title（参考訳）: mcp-proto-okn: Model Context Protocolによるオープンサイエンス知識グラフへの自然言語アクセス
- Authors: Peter W. Rose, Benjamin M. Good, Amanda M. Saravia-Butler, Charlotte A. Nelson, James P. Balhoff, Yaphet Kebede, Patricia L. Whetzel, Christopher Bizon, Andrew I. Su, Sergio E. Baranzini,
- Abstract要約: MCP Server Proto-OKN (mcp-proto-okn) はPythonベースのModel Context Protocolサーバである。
これにより、AIアシスタントは自然言語を通じて科学知識グラフを発見し、検査し、クエリし、統合することができる。
- 参考スコア（独自算出の注目度）: 0.8789537677882211
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: MCP Server Proto-OKN (mcp-proto-okn) is a Python-based Model Context Protocol server that enables AI assistants to discover, inspect, query and integrate scientific knowledge graphs through natural language. The server provides graph routing, schema inspection, SPARQL execution, ontology expansion, multi-graph querying, and transcript generation, lowering the barrier to cross-domain knowledge graph analysis for biomedical and scientific users. mcp-proto-okn is implemented in Python using the FastMCP framework and is available at https://github.com/sbl-sdsc/mcp-proto-okn. Documentation, client configuration instructions, and example analysis transcripts are provided in the GitHub repository.
- Abstract（参考訳）: MCP Server Proto-OKN (mcp-proto-okn)は、PythonベースのModel Context Protocolサーバで、AIアシスタントが自然言語を通じて科学知識グラフを発見し、検査し、クエリし、統合することができる。
このサーバは、グラフルーティング、スキーマインスペクション、SPARQL実行、オントロジー拡張、マルチグラフクエリ、およびトランスクリプト生成を提供し、バイオメディカルおよび科学ユーザーのためのクロスドメイン知識グラフ分析への障壁を低くする。
mcp-proto-oknはFastMCPフレームワークを使用してPythonで実装されており、https://github.com/sbl-sdsc/mcp-proto-oknで入手できる。
ドキュメント、クライアント設定指示、サンプル分析の書き起こしはGitHubリポジトリで提供されている。
関連論文リスト
- Code2MCP: Transforming Code Repositories into MCP Services [53.234097255779744]
Model Context Protocol (MCP)は、大規模言語モデルがどのようにツールを使用するかの標準を作成することを目的としている。
私たちは、GitHubリポジトリを機能的なMSPサービスに自動的に変換するエージェントベースのフレームワークであるCode2MCPを紹介します。
Code2MCPはバイオインフォマティクス、数学、流体力学などの科学分野におけるオープンソースの計算ライブラリの変換に成功している。
論文 参考訳（メタデータ） (2025-09-07T06:13:25Z) - A Large-Scale Evolvable Dataset for Model Context Protocol Ecosystem and Security Analysis [8.943261888363622]
約14KのMPPサーバと300のMPPクライアントを含む大規模データセットであるMCPCorpusを紹介する。
各アーティファクトには、アイデンティティ、インターフェース設定、GitHubアクティビティ、メタデータをキャプチャする20以上の正規化された属性がアノテートされている。
MCPCorpusは、実世界のMCPエコシステムの再現可能なスナップショットを提供し、採用トレンド、エコシステムの健全性、実装の多様性の研究を可能にする。
論文 参考訳（メタデータ） (2025-06-30T02:37:27Z) - Comgra: A Tool for Analyzing and Debugging Neural Networks [35.89730807984949]
PyTorchで使用するオープンソースのpythonライブラリであるcomgraを紹介します。
Comgraはモデルの内部アクティベーションに関するデータを抽出し、GUIで整理する。
要約統計と個々のデータポイントの両方を示し、トレーニングの初期段階と後期を比較し、関心のある個々のサンプルに注目し、ネットワークを通しての勾配の流れを可視化する。
論文 参考訳（メタデータ） (2024-07-31T14:57:23Z) - TorchCP: A Python Library for Conformal Prediction [22.441191734166413]
コンフォーマル予測(CP)は、予測間隔や保証されたカバレッジ確率のセットを生成する強力な統計フレームワークである。
本稿では、最先端のCPアルゴリズムをディープラーニング技術に統合するために設計されたPyTorchネイティブライブラリであるTorchCPを紹介する。
TorchCPは、CP固有のトレーニングアルゴリズム、オンライン予測、GPU加速バッチ処理を可能にし、大規模なデータセットで最大90%の推論時間を短縮する。
論文 参考訳（メタデータ） (2024-02-20T03:14:47Z) - Learning Multiplex Representations on Text-Attributed Graphs with One Language Model Encoder [55.24276913049635]
テキスト分散グラフ上での多重表現学習のための新しいフレームワークMETAGを提案する。
既存の手法とは対照的に、MeTAGは1つのテキストエンコーダを使用して関係性間の共有知識をモデル化する。
学術分野と電子商取引分野の5つのグラフにおいて,9つの下流タスクについて実験を行った。
論文 参考訳（メタデータ） (2023-10-10T14:59:22Z) - Context Perception Parallel Decoder for Scene Text Recognition [52.620841341333524]
シーンテキスト認識手法は高い精度と高速な推論速度を達成するのに苦労している。
本稿では、STRにおけるARデコーディングの実証的研究を行い、ARデコーダが言語文脈をモデル化するだけでなく、視覚的文脈知覚のガイダンスも提供することを明らかにする。
我々は一連のCPPDモデルを構築し、提案したモジュールを既存のSTRデコーダにプラグインする。英語と中国語のベンチマーク実験により、CPPDモデルはARベースモデルよりも約8倍高速に動作し、高い競争精度を達成できることを示した。
論文 参考訳（メタデータ） (2023-07-23T09:04:13Z) - GraphQ IR: Unifying Semantic Parsing of Graph Query Language with
Intermediate Representation [91.27083732371453]
本稿では,グラフクエリ言語,すなわちGraphQ IRに対する統合中間表現(IR)を提案する。
セマンティックギャップをブリッジするIRの自然言語のような表現と、グラフ構造を維持するための正式に定義された構文によって、ニューラルネットワークによるセマンティックパーシングは、ユーザクエリをより効果的にGraphQ IRに変換することができる。
我々のアプローチは、KQA Pro、Overnight、MetaQAにおける最先端のパフォーマンスを一貫して達成できます。
論文 参考訳（メタデータ） (2022-05-24T13:59:53Z) - Automated Attack Synthesis by Extracting Finite State Machines from
Protocol Specification Documents [25.871916915930996]
RFC文書から有限状態マシン(FSM)を抽出するためのデータ駆動型アプローチを提案する。
市販のNLPツールとは異なり、RFC文書からFSMを抽出するためのデータ駆動型アプローチを提案する。
BGPv4, DCCP, RFCを用いたFSM抽出の一般化可能性を示す。
SCTPとTCP。
論文 参考訳（メタデータ） (2022-02-18T23:27:29Z) - TorchKGE: Knowledge Graph Embedding in Python and PyTorch [0.0]
TorchKGEは、PyTorchのみに依存する知識グラフ(KG)組み込みのためのPythonモジュールである。
KGデータ構造、単純なモデルインターフェース、ネガティブサンプリングとモデル評価のためのモジュールを備えている。
論文 参考訳（メタデータ） (2020-09-07T09:21:34Z) - Self-Supervised Log Parsing [59.04636530383049]
大規模ソフトウェアシステムは、大量の半構造化ログレコードを生成する。
既存のアプローチは、ログ特化や手動ルール抽出に依存している。
本稿では,自己教師付き学習モデルを用いて解析タスクをマスク言語モデリングとして定式化するNuLogを提案する。
論文 参考訳（メタデータ） (2020-03-17T19:25:25Z) - MOGPTK: The Multi-Output Gaussian Process Toolkit [71.08576457371433]
ガウス過程(GP)を用いたマルチチャネルデータモデリングのためのPythonパッケージMOGPTKを提案する。
このツールキットの目的は、研究者、データサイエンティスト、実践者にもMOGP(multi-output GP)モデルを利用できるようにすることである。
論文 参考訳（メタデータ） (2020-02-09T23:34:49Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。