¿Qué es Open Ontologies?
Open Ontologies es un motor de línea de comandos y servidor MCP para equipos que mantienen una ontología en producción. Una ontología es un vocabulario formal de un dominio, escrito en los estándares del W3C RDF y OWL (o SKOS para taxonomías y tesauros): dice qué es un Supplier, una Jurisdiction o un Diagnosis y cómo se relacionan, para que el software y los razonadores puedan sacar conclusiones. Los equipos de grafos de conocimiento y de gobierno del dato mantienen estos archivos, y una edición de una línea puede cambiar miles de conclusiones posteriores.
El motor trata un cambio de ontología como Terraform trata la infraestructura: planificas un archivo Turtle propuesto contra el almacén, lees el radio de impacto (blast radius) y la puntuación de riesgo, aplicas, vigilas la deriva y reviertes. Su razonador también puede escribir un certificado de derivación que un verificador aparte, demostrado correcto en Lean 4, vuelve a comprobar sin el motor ni red. Se distribuye como un único binario con un almacén de tripletas Oxigraph integrado y SQLite para el estado, además de una imagen Docker en GHCR, un motor en Python puro (open-ontologies-lite 0.5.0 en PyPI) y un Studio de escritorio.
Lo mantiene Fabio Rovai en Tesseract Semantics, una empresa británica que vende una plataforma alojada y servicios empresariales basados en el motor. El repositorio se creó el 9 de marzo de 2026, tiene licencia MIT, unas 2.600 estrellas en GitHub y 287 forks, y publicó la v2.1.0 el 23 de octubre de 2026. Su README declara el nombre de registro MCP io.github.fabio-rovai/open-ontologies, pero una búsqueda en el registro oficial el 31 de octubre de 2026 no devolvió ninguna entrada.
¿Merece la pena Open Ontologies?
Open Ontologies responde a una pregunta que la mayoría de las herramientas de ontologías dejan a la revisión de código: ¿qué hace realmente este cambio? Un diff de texto de una sola tripleta rdfs:domain añadida ocupa una línea. El README planifica exactamente ese cambio y no informa de clases añadidas ni eliminadas y de un radio de impacto de cero tripletas; después, la comprobación de conservatividad encuentra 901 consecuencias nuevas en 0,04 segundos, porque cada individuo que usa esa propiedad acaba de adquirir un tipo nuevo. Ese segundo número es la razón para fijarse en él.
El paso de plan es la parte Terraform. El Turtle propuesto es el estado deseado completo, así que se borra todo lo que falte en él, y el plan enumera las clases, propiedades e individuos añadidos y eliminados, cuántas tripletas hacen referencia a lo que desaparece (el radio de impacto), una puntuación de riesgo baja, media o alta y un bloque lógico que señala defectos nuevos o una inconsistencia que introduce el cambio. Los IRI bloqueados no se pueden eliminar, los últimos 100 planes se guardan por ID y los vigilantes SPARQL pueden bloquear la siguiente aplicación o revertir automáticamente. Una decisión de diseño importa en los pipelines: apply no vuelve a leer la puntuación de riesgo, así que un plan de alto riesgo se aplica salvo que tu CI lo frene o un monitor lo bloquee.
La prueba para el auditor no es una firma ni una cadena de hashes. Es un certificado de derivación: dos archivos separados por tabuladores, las tripletas afirmadas y una línea por cada tripleta inferida que nombra la regla y sus premisas, más un resumen SHA-256 de las afirmaciones. Un verificador pequeño escrito en Lean 4, cuya corrección es un teorema comprobado por máquina, reproduce cada línea y sale con 1 ante una conclusión falsificada, nombrando la regla. Eso cubre los perfiles de encadenamiento hacia delante RDFS y OWL RL y las reglas Horn que aportes tú, que reciben una palabra de veredicto más débil. El tableau de OWL DL, que según las notas de la v2.1.0 ya coincide con las 500 subsunciones de HermiT 1.4.3 en la ontología Pizza, devuelve respuestas sin certificado, y el resumen vincula una prueba a unos bytes, no a quien la produjo. La documentación lo dice todo con claridad.
La IA queda fuera del motor. Según SECURITY.md no hay ningún modelo dentro ni llamadas salientes en una compilación por defecto; un agente en Claude Code o Cursor es solo quien llama a sus 124 herramientas onto_*, y la guía rápida muestra a Claude redactando OWL que el motor luego valida y razona. Las herramientas de lectura y escritura comparten una misma superficie: onto_apply, onto_rollback, onto_clear, onto_push y onto_reason (que por defecto escribe las inferencias en el almacén) están junto a query y lint, así que conviene fijar un perfil de herramientas como validation o governance. El acceso a la red solo llega desde las herramientas que lo piden, la descarga del modelo de 448 MB de la compilación con embeddings y el panel de chat del Studio, que envía tu conversación a Anthropic o a un proveedor compatible con OpenAI.
Frente a las herramientas establecidas es un complemento más que un sustituto. Protégé, el editor OWL gratuito de Stanford, es donde dibujas la jerarquía de clases, y el README lo dice. Stardog y TopQuadrant venden un servidor con gobierno, conectores y control de acceso; Open Ontologies tiene un almacén Oxigraph integrado, llega a otros almacenes de tripletas solo mediante endpoints SPARQL y guarda su estado en SQLite local. Las asperezas son las de un proyecto de menos de ocho meses con una larga cola de funciones de investigación: el almacenamiento es en memoria salvo que se defina OPEN_ONTOLOGIES_STORAGE_MODE=persistent, así que un load seguido de una llamada reason aparte no certifica nada, y los binarios publicados omiten las herramientas que necesitan features opcionales de Cargo. Para un equipo cuyo problema real es demostrar que la edición del martes pasado hizo lo que decía el ticket, el certificado compensa la configuración: un archivo que un auditor puede comprobar sin fiarse del proveedor, del motor ni del modelo que redactó la ontología.
Dónde se gana su sitio
Un ingeniero de grafos de conocimiento en un banco que mantiene una ontología de sanciones y proveedores
Frenar los pull requests de la ontología según lo que significa un cambio, no solo según su diff
Ejecuta open-ontologies batch con load y plan en la CI contra el Turtle propuesto, haz fallar el job ante un risk_score alto o defectos lógicos nuevos y archiva el directorio del certificado con el merge. Gratis; la CI tiene que frenar de forma explícita, porque apply no rechaza por sí solo un plan de alto riesgo.
Una responsable de cumplimiento que prepara una auditoría externa de modelos
Entregar al auditor pruebas de las conclusiones derivadas que pueda volver a comprobar por sí mismo
Entrega asserted.tsv, derivations.tsv y asserted.sha256 de una ejecución de reason --certificate; el auditor compila el verificador Lean con lake build y ejecuta oo-cert sin conexión, y obtiene exit 0 o la línea y la regla rechazadas. Los resultados de insatisfacibilidad de OWL DL no están cubiertos y necesitan una explicación aparte.
Un ingeniero de datos en una agencia pública que mapea hojas de cálculo a un vocabulario publicado
Convertir registros CSV y XLSX en RDF validado y ver qué se rompe
Pide a Claude, a través del servidor MCP, que llame a onto_map, onto_ingest y onto_shacl, y luego a onto_reason, con el perfil de herramientas validation seleccionado. La ingesta desde PostgreSQL y DuckDB requiere una compilación desde el código fuente con las features sql.
Antes de decidirte
- Puesta en marcha
- Descarga el binario de la release para macOS, Linux o Windows, o docker pull ghcr.io/fabio-rovai/open-ontologies:latest, ejecuta open-ontologies init y añade open-ontologies serve a la configuración del cliente MCP; la guía rápida promete una ontología validada y consultable en menos de 2 minutos. Los auditores necesitan una toolchain de Lean 4 o el binario oo-cert, que solo se distribuye precompilado para Linux x86_64.
- Integraciones
- 124 herramientas MCP por stdio o HTTP en streaming, también disponibles como subcomandos de la CLI; lee y escribe Turtle, N-Triples, RDF/XML, N-Quads y TriG y exporta la sintaxis funcional de OWL; ingiere CSV, JSON, NDJSON, XML, YAML, XLSX y Parquet, además de PostgreSQL y DuckDB en compilaciones desde el código fuente; trae y envía datos a endpoints SPARQL remotos; un catálogo de 33 ontologías estándar.
- Datos y privacidad
- Todo es local por defecto: los grafos en Oxigraph y los planes, versiones y linaje en SQLite bajo ~/.open-ontologies. Ningún LLM ni llamadas salientes en una compilación por defecto; lo que un agente lee a través de las herramientas va al proveedor del modelo de ese agente. serve-http escucha en 127.0.0.1 con un token bearer opcional y sin TLS; en 0.0.0.0 sin token, cualquiera en la red obtiene acceso completo de lectura y escritura. Los plugins WASM se ejecutan dentro del proceso y no están aislados más allá de los límites de fuel.
- Coste a escala
- El motor es gratuito y funciona en un portátil; el coste del razonamiento es tiempo de CPU, acotado por un tiempo límite por fase. La compilación con embeddings añade un modelo ONNX de 448 MB. La plataforma alojada y el soporte de Tesseract Semantics tienen precio bajo consulta.
- Límites
- El almacenamiento es en memoria salvo que se defina OPEN_ONTOLOGIES_STORAGE_MODE=persistent; --data-dir es un flag, no una variable de entorno. Los binarios publicados y la imagen de GHCR omiten ocho herramientas que necesitan las features embeddings, plugins, postgres o duckdb. El tableau DL admite SHIQ sin nominales, y los certificados se vinculan a bytes, no al historial de un almacén.
Lo bueno
- Los planes informan de consecuencias semánticas, no solo de un diff de texto
- Los certificados se vuelven a comprobar sin conexión con un verificador Lean demostrado correcto
- Un único binario en Rust, sin JVM, sin LLM dentro y sin telemetría por defecto
- Bloqueos, vigilantes, reversión automática y un registro de linaje de solo anexado
Lo malo
- Apply ignora la puntuación de riesgo salvo que la CI o un monitor lo frenen
- Las respuestas de OWL DL no llevan certificado
- El almacenamiento en memoria por defecto sorprende a quien usa la CLI
- 124 herramientas mezclan lectura y escritura; hacen falta perfiles para acotarlas
Ideal para
Equipos de grafos de conocimiento que cambian a menudo una ontología OWL o RDF en producción y deben mostrar a un revisor o auditor qué implicaba cada cambio.
Open Ontologies: preguntas frecuentes
- ¿Merece la pena Open Ontologies?
- Open Ontologies lleva planes al estilo Terraform y pruebas verificables a los cambios de ontología, y es inusualmente honesto sobre dónde terminan sus garantías. Le damos un 4.1 sobre 5.
- ¿Cuánto cuesta Open Ontologies?
- Gratuito y de código abierto (MIT). Tesseract Semantics vende una plataforma alojada y soporte empresarial a precios no publicados, y ofrece una evaluación de un mes sin coste a sus próximos diez equipos empresariales.
- ¿Qué inconvenientes tiene Open Ontologies?
- Apply ignora la puntuación de riesgo salvo que la CI o un monitor lo frenen; las respuestas de OWL DL no llevan certificado; el almacenamiento en memoria por defecto sorprende a quien usa la CLI; 124 herramientas mezclan lectura y escritura; hacen falta perfiles para acotarlas.
- ¿Para quién es Open Ontologies?
- Equipos de grafos de conocimiento que cambian a menudo una ontología OWL o RDF en producción y deben mostrar a un revisor o auditor qué implicaba cada cambio.
- ¿Cuánto cuesta Open Ontologies para un equipo o en producción?
- El motor es gratuito y funciona en un portátil; el coste del razonamiento es tiempo de CPU, acotado por un tiempo límite por fase. La compilación con embeddings añade un modelo ONNX de 448 MB. La plataforma alojada y el soporte de Tesseract Semantics tienen precio bajo consulta.
- ¿Es Open Ontologies seguro para los datos de la empresa?
- Todo es local por defecto: los grafos en Oxigraph y los planes, versiones y linaje en SQLite bajo ~/.open-ontologies. Ningún LLM ni llamadas salientes en una compilación por defecto; lo que un agente lee a través de las herramientas va al proveedor del modelo de ese agente. serve-http escucha en 127.0.0.1 con un token bearer opcional y sin TLS; en 0.0.0.0 sin token, cualquiera en la red obtiene acceso completo de lectura y escritura. Los plugins WASM se ejecutan dentro del proceso y no están aislados más allá de los límites de fuel.
Respuestas comprobadas el 31 oct 2026.