Build Graph

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。

概要

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

環境:

• Python 3.9+
• ryugraph パッケージ (pip install ryugraph)

推奨（/analyze-system の出力）:

• reports/01_analysis/ubiquitous-language.md - ユビキタス言語
• reports/01_analysis/domain-code-mapping.md - ドメイン-コード対応
• reports/01_analysis/actors-roles-permissions.md - アクター・ロール
• reports/01_analysis/system-overview.md - システム概要

必須:

• 対象コードベースへのアクセス

出力先

重要: 各ステップ完了時に即座にファイルを出力してください。

• knowledge.ryugraph - RyuGraphデータベースファイル
• reports/graph/data/ - CSV形式のグラフデータ

グラフスキーマ

ノードテーブル

プロセスノードの詳細

BusinessProcess（ビジネスプロセス）

業務フローを表現。例：注文処理、承認フロー、返品処理など。

Activity（アクティビティ）

プロセス内の個々のステップ。分岐点（ゲートウェイ）も含む。

SystemProcess（システムプロセス）

バッチ処理、Saga、データ同期などの技術的プロセス。

リレーションテーブル

プロセスリレーションの詳細

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 0: 前提条件の検証

重要: 実行前に必ず前提条件を確認してください。

推奨ファイルの確認:
├── reports/01_analysis/ubiquitous-language.md      [推奨] ← /analyze-system
├── reports/01_analysis/domain-code-mapping.md      [推奨] ← /analyze-system
├── reports/01_analysis/actors-roles-permissions.md [推奨] ← /analyze-system
└── reports/01_analysis/system-overview.md          [推奨] ← /analyze-system

必須:
└── 対象コードベースへのアクセス                    [必須]

エラーハンドリング:

• 推奨ファイルが存在しない場合 → 警告を表示してコードベースから直接構築
• 対象コードベースにアクセスできない場合 → エラー終了

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
└── 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

# business_processes.csv
name,name_ja,description,domain,trigger_event
OrderProcessing,注文処理,顧客からの注文を処理する業務フロー,OrderManagement,ORDER_SUBMITTED
ApprovalWorkflow,承認ワークフロー,高額注文の承認フロー,OrderManagement,HIGH_VALUE_ORDER_CREATED
ReturnProcessing,返品処理,商品返品を処理する業務フロー,OrderManagement,RETURN_REQUESTED

# activities.csv
name,name_ja,description,sequence_order,is_decision
ValidateOrder,注文検証,注文内容の妥当性を確認,1,false
CheckInventory,在庫確認,在庫の有無を確認,2,false
IsHighValue,高額判定,注文金額が閾値を超えるか判定,3,true
ProcessPayment,決済処理,支払い処理を実行,4,false
SendConfirmation,確認送信,注文確認メールを送信,5,false

# system_processes.csv
name,type,description,is_async,timeout_ms
OrderSaga,saga,注文処理のSagaオーケストレーション,true,30000
InventorySync,sync,在庫データの同期処理,true,60000
PaymentEventHandler,event_handler,決済イベントの処理,true,10000
DailyReportBatch,batch,日次レポート生成バッチ,true,3600000

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

# has_activity.csv
process,activity
OrderProcessing,ValidateOrder
OrderProcessing,CheckInventory
OrderProcessing,IsHighValue
OrderProcessing,ProcessPayment
OrderProcessing,SendConfirmation
OrderSaga,ValidateOrder
OrderSaga,CheckInventory
OrderSaga,ProcessPayment

# next_activity.csv
from_activity,to_activity,condition
ValidateOrder,CheckInventory,
CheckInventory,IsHighValue,
IsHighValue,ProcessPayment,amount < 100000
IsHighValue,ApprovalRequired,amount >= 100000
ProcessPayment,SendConfirmation,

# performs.csv
actor,activity
Customer,SubmitOrder
SalesRep,ApproveOrder
System,ProcessPayment
System,SendConfirmation

# triggers.csv
activity,system_process,event_name
ProcessPayment,PaymentEventHandler,PAYMENT_COMPLETED
ValidateOrder,InventorySync,INVENTORY_CHECK_REQUESTED

# invokes.csv
source,method
ValidateOrder,OrderValidator.validate
CheckInventory,InventoryService.checkStock
ProcessPayment,PaymentService.processPayment
OrderSaga,OrderSagaOrchestrator.execute

# participates_in.csv
entity,process
Order,OrderProcessing
OrderItem,OrderProcessing
Payment,OrderProcessing
Inventory,OrderProcessing

# compensates.csv
saga_step,compensating_step
ProcessPayment,RefundPayment
ReserveInventory,ReleaseInventory
CreateOrder,CancelOrder

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
        │   ├── business_processes.csv   # ビジネスプロセス
        │   ├── activities.csv           # アクティビティ
        │   ├── system_processes.csv     # システムプロセス
        │   ├── belongs_to.csv
        │   ├── defined_in.csv
        │   ├── references.csv
        │   ├── calls.csv
        │   ├── implements.csv
        │   ├── has_term.csv
        │   ├── has_role.csv
        │   ├── has_activity.csv         # プロセス→アクティビティ
        │   ├── next_activity.csv        # アクティビティ遷移
        │   ├── performs.csv             # アクター→アクティビティ
        │   ├── triggers.csv             # アクティビティ→システムプロセス
        │   ├── invokes.csv              # プロセス/アクティビティ→メソッド
        │   ├── participates_in.csv      # エンティティ→プロセス
        │   └── compensates.csv          # Saga補償関係
        ├── 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 |
| BusinessProcess | 12 |
| Activity | 48 |
| SystemProcess | 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 |
| HAS_ACTIVITY | 48 |
| NEXT_ACTIVITY | 42 |
| PERFORMS | 35 |
| TRIGGERS | 15 |
| INVOKES | 60 |
| PARTICIPATES_IN | 85 |
| COMPENSATES | 8 |

## プロセス統計

| プロセスタイプ | 件数 | アクティビティ数 |
|--------------|------|----------------|
| BusinessProcess | 12 | 48 |
| SystemProcess (saga) | 3 | 12 |
| SystemProcess (batch) | 2 | 4 |
| SystemProcess (sync) | 2 | 6 |
| SystemProcess (event_handler) | 1 | 2 |

## 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
- プロセス定義ファイル: あり

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

関連スキル