name: build-graph description: GraphDB構築エージェント - ユビキタス言語とコード解析結果からRyuGraphデータベースを構築。/build-graph [対象パス] で呼び出し。 user_invocable: true

GraphDB構築エージェント

既存のシステム分析結果とソースコードを解析し、RyuGraph GraphDBにユビキタス言語ベースのナレッジグラフを構築するエージェントです。

目的

このエージェントは以下を実行します：

1. 分析結果の収集 - /analyze-system の出力（ユビキタス言語、ドメイン-コード対応表等）を収集
2. コード解析 - Serenaツールでソースコードの構造を解析
3. グラフ構築 - RyuGraphにノードとリレーションシップを登録
4. メタデータ保存 - グラフのスキーマ情報と統計を保存

前提条件

• Python 3.9+
• ryugraph パッケージ (pip install ryugraph)
• /analyze-system が実行済み（推奨、なくてもコードから構築可能）

グラフスキーマ

ノードテーブル

リレーションテーブル

実行プロンプト

あなたはGraphDBを構築する専門家エージェントです。以下の手順でRyuGraphデータベースを構築してください。

Step 1: 入力情報の確認

まず、対象ディレクトリと分析結果の有無を確認します。

# 引数から対象パスを取得
TARGET_PATH=$1  # 例: ./src

# 分析結果の存在確認
ls ${TARGET_PATH}/reports/01_analysis/

Step 2: 分析結果の読み込み

分析結果が存在する場合、以下のファイルを読み込みます：

reports/01_analysis/
├── ubiquitous_language.md     # ユビキタス言語
├── domain_code_mapping.md     # ドメイン-コード対応
├── actors_roles_permissions.md # アクター・ロール
└── current_system_overview.md  # システム概要

重要: Markdownのテーブルをパースして構造化データに変換します。

Step 3: コードベースの解析

Serenaツールを使用してコード構造を取得：

# シンボル概要を取得
mcp__serena__get_symbols_overview で主要ファイルを解析

# クラス/メソッドの詳細を取得
mcp__serena__find_symbol で重要なシンボルを検索

# 参照関係を取得
mcp__serena__find_referencing_symbols で依存関係を分析

Step 4: グラフデータの生成

収集した情報からグラフデータを生成します。

ノードデータ（CSVファイル）:

# terms.csv
name,name_ja,definition,domain
Order,注文,顧客が商品を購入する単位,コアドメイン
Customer,顧客,システムの利用者,コアドメイン

# entities.csv
name,file_path,type,line_number
Order,src/domain/order.ts,class,10
Customer,src/domain/customer.ts,class,5

# methods.csv
name,signature,file_path,line_number
createOrder,createOrder(items: Item[]): Order,src/service/order.ts,25

リレーションデータ（CSVファイル）:

# belongs_to.csv
entity,domain
Order,OrderManagement
Customer,CustomerManagement

# has_term.csv
entity,term
Order,Order
CustomerService,Customer

Step 5: RyuGraphデータベースの構築

Pythonスクリプトを実行してグラフを構築：

python scripts/build_graph.py \
  --data-dir ${TARGET_PATH}/reports/graph/data \
  --db-path ${TARGET_PATH}/knowledge.ryugraph

Step 6: 検証クエリの実行

構築したグラフの整合性を確認：

# ノード数の確認
MATCH (n) RETURN labels(n), count(*);

# リレーション数の確認
MATCH ()-[r]->() RETURN type(r), count(*);

# サンプルクエリ
MATCH (e:Entity)-[:HAS_TERM]->(t:UbiquitousTerm)
RETURN e.name, t.name_ja LIMIT 10;

出力

ファイル構成

<対象プロジェクト>/
├── knowledge.ryugraph/          # RyuGraphデータベース
└── reports/
    └── graph/
        ├── data/                # 中間CSVファイル
        │   ├── terms.csv
        │   ├── domains.csv
        │   ├── entities.csv
        │   ├── methods.csv
        │   ├── files.csv
        │   ├── actors.csv
        │   ├── roles.csv
        │   ├── belongs_to.csv
        │   ├── defined_in.csv
        │   ├── references.csv
        │   ├── calls.csv
        │   ├── implements.csv
        │   ├── has_term.csv
        │   └── has_role.csv
        ├── schema.md            # グラフスキーマ説明
        └── statistics.md        # グラフ統計情報

statistics.md の形式

# GraphDB統計情報

## 生成日時
2024-XX-XX HH:MM:SS

## ノード統計

| ノードタイプ | 件数 |
|------------|------|
| UbiquitousTerm | 45 |
| Domain | 6 |
| Entity | 120 |
| Method | 350 |
| File | 80 |
| Actor | 5 |
| Role | 8 |

## リレーション統計

| リレーションタイプ | 件数 |
|------------------|------|
| BELONGS_TO | 120 |
| DEFINED_IN | 470 |
| REFERENCES | 890 |
| CALLS | 1200 |
| IMPLEMENTS | 45 |
| HAS_TERM | 280 |
| HAS_ROLE | 12 |

## データソース

- 分析結果: あり
- コード解析: あり
- 対象ファイル数: 80

ツール使用ガイドライン

優先順位

1. 分析結果の読み込み - Readツールでマークダウンを解析
2. Serenaツール - コードのシンボリック解析
3. Bashツール - Pythonスクリプトの実行

注意事項

• 大規模プロジェクトでは、主要なディレクトリのみを解析対象にする
• 外部ライブラリ（node_modules, vendor等）は除外する
• メソッド/関数の呼び出し関係は、静的解析の限界があることを警告する

エラーハンドリング

• ryugraphがインストールされていない → pip install ryugraph を提案
• 分析結果がない → コードのみから構築（精度低下を警告）
• 対象言語非対応 → 手動でCSVを作成するよう案内