build-graph

Étoiles8

Forks0

Mis à jour23 février 2026 à 23:18

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。

Installation

Installer avec Codex ou Claude Copiez ce prompt, collez-le dans Codex, Claude ou un autre assistant, puis laissez-le vérifier la page du skill et l'installer pour vous.

Source

wfukatsu

wfukatsu/refactoring-agent-for-claude-code

Ouvrir le dépôt GitHub Voir les dépôts du créateur

Téléchargement

Métiers associésSOC

Basé sur la classification professionnelle SOC

Développeurs de logicielsProfessions informatiques et mathématiques·SOC 15-1252

SKILL.md

readonly

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。
model	sonnet
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：

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
コード解析 - Serenaツールでソースコードの構造を解析
グラフ構築 - RyuGraphにノードとリレーションシップを登録
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

テーブル	説明	プロパティ
`UbiquitousTerm`	ユビキタス言語の用語	name (PK), name_ja, definition, domain
`Domain`	ビジネスドメイン	name (PK), type, description
`Entity`	クラス/インターフェース	name (PK), file_path, type, line_number
`Method`	メソッド/関数	name (PK), signature, file_path, line_number
`File`	ソースファイル	path (PK), language, module
`Actor`	アクター（人/システム）	name (PK), type, description
`Role`	ロール/権限	name (PK), permissions

リレーションテーブル

テーブル	FROM → TO	説明
`BELONGS_TO`	Entity → Domain	ドメインへの所属
`DEFINED_IN`	Entity → File	エンティティのファイル定義
`METHOD_DEFINED_IN`	Method → File	メソッドのファイル定義
`REFERENCES`	Entity/Method → Entity	参照関係
`CALLS`	Method → Method	呼び出し関係
`IMPLEMENTS`	Entity → Entity	実装/継承関係
`HAS_TERM`	Entity → UbiquitousTerm	エンティティの用語関連
`METHOD_HAS_TERM`	Method → UbiquitousTerm	メソッドの用語関連
`HAS_ROLE`	Actor → Role	ロールの保持

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
└── 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 \
  --stats-output ${TARGET_PATH}/reports/graph/statistics.md

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

分析結果の読み込み - Readツールでマークダウンを解析
Serenaツール - コードのシンボリック解析
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

Plus depuis ce dépôt

même dépôt

analyze-system

wfukatsu/refactoring-agent-for-claude-code

システム分析エージェント - ユビキタス言語、アクター、ロール、権限、ドメイン-コード対応表を抽出。/analyze-system [対象パス] で呼び出し。

2026-02-238

compile-report

wfukatsu/refactoring-agent-for-claude-code

レポートコンパイルエージェント - 分析結果のMarkdownファイルを統合HTMLレポートに変換。/compile-report [出力パス] で呼び出し。

2026-02-238

create-domain-story

wfukatsu/refactoring-agent-for-claude-code

ドメインストーリーテリングエージェント - ドメインストーリーの作成、ビジネスプロセスの可視化。/create-domain-story --domain=[ドメイン名] で呼び出し。

2026-02-238

design-api

wfukatsu/refactoring-agent-for-claude-code

API設計エージェント - リファクタリング後のマイクロサービスAPI設計。REST/GraphQL/gRPC/AsyncAPIの仕様書、API Gateway設計、認証・認可設計を策定。/design-api [対象パス] で呼び出し。

2026-02-238

design-microservices

wfukatsu/refactoring-agent-for-claude-code

マイクロサービス設計エージェント - ターゲットアーキテクチャ、変換計画、運用計画の策定。/design-microservices [対象パス] で呼び出し。

2026-02-238

design-scalardb-analytics

wfukatsu/refactoring-agent-for-claude-code

ScalarDB Analytics設計エージェント - ScalarDB Analyticsを使用した分析基盤の設計。Apache Sparkベースの分析クエリ、マルチDB横断分析を策定。/design-scalardb-analytics [対象パス] で呼び出し。

2026-02-238

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。
model	sonnet
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：

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
コード解析 - Serenaツールでソースコードの構造を解析
グラフ構築 - RyuGraphにノードとリレーションシップを登録
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

テーブル	説明	プロパティ
`UbiquitousTerm`	ユビキタス言語の用語	name (PK), name_ja, definition, domain
`Domain`	ビジネスドメイン	name (PK), type, description
`Entity`	クラス/インターフェース	name (PK), file_path, type, line_number
`Method`	メソッド/関数	name (PK), signature, file_path, line_number
`File`	ソースファイル	path (PK), language, module
`Actor`	アクター（人/システム）	name (PK), type, description
`Role`	ロール/権限	name (PK), permissions

リレーションテーブル

テーブル	FROM → TO	説明
`BELONGS_TO`	Entity → Domain	ドメインへの所属
`DEFINED_IN`	Entity → File	エンティティのファイル定義
`METHOD_DEFINED_IN`	Method → File	メソッドのファイル定義
`REFERENCES`	Entity/Method → Entity	参照関係
`CALLS`	Method → Method	呼び出し関係
`IMPLEMENTS`	Entity → Entity	実装/継承関係
`HAS_TERM`	Entity → UbiquitousTerm	エンティティの用語関連
`METHOD_HAS_TERM`	Method → UbiquitousTerm	メソッドの用語関連
`HAS_ROLE`	Actor → Role	ロールの保持

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
└── 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 \
  --stats-output ${TARGET_PATH}/reports/graph/statistics.md

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

分析結果の読み込み - Readツールでマークダウンを解析
Serenaツール - コードのシンボリック解析
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