🔥 В учебном центре Онто вышла новая статья:
«Онто-методология: от бизнес-функций и контекстов исполнения к C4-диаграммам»

📌 О чём статья?
Мы показываем, как карта контекстов (ситуаций: например, ИП мы услугу продаём одним способом, а РЖД — совершенно другим) может быть связана с архитектурными C4-диаграммами через capability map.
Это способ наглядно перейти от языка бизнеса к языку архитектуры — без потери смысла и с чёткой прослеживаемостью.

💡 Зачем я её написал?
• Это не теория «как правильно по ArchiMate», а рабочий опыт, проверенный в топовом банке. Такой подход позволил сократить время на встречи и согласования в 4–6 раз.
• Я беру не «мастхев-нотации», а то, что экономически оправдано и реально помогает. Здесь C4 — фаворит, потому что в него можно входить без подготовки.
• Главная цель — слышать бизнес и говорить с ним на одном языке. Понимать их лексикон, видеть их ситуации и предлагать решения, а не просто схемы ради схем.

📖 Читайте статью:
https://ontonet.ru/tpost/ckphtrreg1-onto-metodologiya-ot-biznes-funktsii-i-k

Сделали блог для сборки всех материалов которые мы публикуем в канале. Он доступен в центре обучения Онто (https://ontonet.ru/learning) внизу главного раздела блок "наши публикации". Туда же ссылки на видео соберем.

Коллеги, доброе утро

⚠️ при конфигурации MCP сервера для онто рекомендую вместо "cwd" использовать "PYTHONPATH"

Пример конфигурации

{
"mcpServers": {
"onto-mcp-server": {
"command": "python.exe",
"args": [
"-m",
"onto_mcp.server"
],
"env": {
"PYTHONPATH": "D:\\git\\onto\\mcp",
"KEYCLOAK_BASE_URL": "https://app.ontonet.ru",
"KEYCLOAK_REALM": "onto",
"KEYCLOAK_CLIENT_ID": "frontend-prod",
"KEYCLOAK_CLIENT_SECRET": "",
"MCP_TRANSPORT": "stdio",
"ONTO_API_BASE": "https://app.ontonet.ru/api/v2/core"
}
}
}
}

⚠️⚠️⚠️⚠️

Сегодня вечером на платформе запланированы технические работы
Сервис будет недоступен некоторое время (ориентировочно с 18:00 до 24:00). Просим прощения за неудобство

⚠️⚠️⚠️⚠️

🚥 Здоровье пространства знания в Онто

В Онто появился механизм оценки качества пространства — первый шаг к полноценному мониторингу "здоровья" живого графа знаний.

Мы интегрировали BI-аналитику прямо в онтологический граф: теперь можно визуализировать и отслеживать метрики качества шаблонов, связей, тегов, диаграмм, полей, объектов и их наполненности.

💡 Функция доступнаd в том числе и агентам ОнтоAI, так и через MCP — можно забирать данные напрямую в инструменты совместимые с MCP протоколом.

☁️ Важно:
• На SaaS-платформе (https://ontonet.ru) доступ будет ограничен.
• В private cloud и on-premise установках никаких ограничений — аналитика полностью в ваших руках.

📊 Превратите граф знаний в измеримую систему.
📈 Контролируйте рост, сложность и связность вашей модели.
🤖 Давайте знаниям возможность самооценки.

📝 Почему бизнес-моделирование становится обязательным навыком? Данные ВЭФ за 2025 год

Коллеги, в начале этого года Всемирный экономический форум (ВЭФ) опубликовал отчет «Future of Jobs 2025». Это результат масштабного исследования ведущих работодателей по всему миру, которые представляют более 14 миллионов сотрудников. Изучив данные, мы обнаружили, что ключевые тренды рынка труда идеально совпадают с принципами, которые лежат в основе нашего продукта.

Компании мира массово развивают моделирование бизнеса. Из чего это видно?

Работодатели обозначили навыки, которые будут определять успех сотрудников в ближайшие годы. Это те направления, в которые крупнейшие корпорации мира вкладывают свои силы и средства.

На изображении приведены ТОП-26 навыков. Мы обращаем внимание на 4 из них (выделили их зелеными точками):

— Аналитическое мышление — 69%
— Креативное мышление — 57%
— ИИ и большие данные — 45%
— Системное мышление — 42%

Они находятся вверху списка и связаны с бизнес-моделированием. Это именно те компетенции, которые целенаправленно развиваются и применяются при построении онтологических и бизнес-моделей.

Что это значит для нас?

Тот факт, что крупнейшие игроки рынка фокусируются на этих компетенциях, означает, что потребность в инструментах для структурного описания и анализа бизнеса становится массовой. Они осознают, что нельзя развивать аналитику или внедрять ИИ без целостной модели, которая является "единым источником правды" о компании.

А как вам кажется, какой из этих навыков станет самым дефицитным товаром на рынке в ближайшие годы?

#Онто_Интересно #Онто_Информация

🎁 Подарок к выходным: HTTP MCP сервер Онто

Мы открыли HTTP MCP сервер — теперь, чтобы подключить Онто к вашей ИИ среде, ничего не нужно ставить: ни Python, ни Node, ни локальные плагины и конфиги.
Достаточно любого MCP клиента, который умеет работать с HTTP, — и вы используете Онто там, где вам действительно удобно.

Зачем это вам
• Ноль установки: подключение по URL, без локальных зависимостей.
• Где угодно: IDE, чат клиенты, ноутбуки, даже Excel надстройки — всё, что поддерживает MCP по HTTP.
• Любая модель: используйте GPT, Claude, DeepSeek, GigaChat, Qwen и др. — MCP не ограничивает выбор.

Рекомендуемые клиенты
• Cherry Studio — работает без VPN, поддерживает Qwen: https://www.cherry-ai.com/
• Для тех, кто привык к коду:
1. Qoder (нужен VPN): https://qoder.com/
2. Cursor (нужен VPN): http://cursor.com/

Что уже умеет наш MCP сервер Онто
• 🔐 Авторизация личным access token’ом Онто.
• 📂 Список ваших пространств (realms).
• 🔎 Поиск шаблонов и объектов по части названия.
• ➕ Создание: нового пространства, шаблона и объекта (с комментарием и привязкой к шаблону).

Подключение к HTTP серверу (минимальная схема)
В большинстве клиентов достаточно указать URL и заголовок авторизации. Пример базовой конфигурации в JSON виде (адаптируйте под формат вашего клиента):

{
"mcpServers": {
"onto": {
"url": "https://app.ontonet.ru/mcp"
}
}
}

3–5 ярких кейсов — начните прямо сегодня
• Быстрый старт проекта: за минуту создайте пустой realm, базовые шаблоны (“Сущность”, “Справочник”) и первые объекты — без входа в веб интерфейс.
• Онтологизация текста: в чат клиенте попросите «найти по части имени» и «создать объект» — новые сущности сразу появляются в нужном пространстве.
• Разработчикам: держите справочник доменных типов из Онто под рукой — находите шаблоны/объекты по префиксу и создавайте недостающие прямо из IDE.
• Аналитикам: поднимайте временные песочницы (новые realms) под эксперименты, создавайте шаблоны “Термин”, “Определение” и собирайте модель из черновиков.
• Командам: единый доступ к данным — кто бы ни был у вас в стеке (GPT/Claude/DeepSeek/GigaChat/Qwen), MCP даёт одинаковые команды и поведение.

Быстрый smoke тест (что сказать ассистенту в клиенте)
1. «Авторизуйся моим токеном Онто».
2. «Покажи мои пространства».
3. «Создай пространство “R&D песочница”».
4. «Создай шаблон “Инцидент”».
5. «Создай объект “INC 123” по шаблону “Инцидент”, добавь комментарий “пилот”».

Если у вас уже есть любимый MCP клиент — просто добавьте URL и начните работать с Онто там, где вам удобно. Если нет — попробуйте Cherry Studio (без VPN) или, если вы разработчик, Qoder / Cursor.
Вопросы и идеи — в ответы к посту или в GitHub issues. А за рекомендации любимых MCP клиентов поддерживающих доступные всем нейросети отдельный плюс в карму.

Когда мы говорим о «галлюцинациях» LLM, то на самом деле речь идёт не о сбое кода или неком «бреде машины», а о фундаментальном свойстве архитектуры. Модель генерирует смысл прямо в момент ответа и всегда выбирает то продолжение, которое лучше всего поддерживает связность текста. Если в запросе нет опоры на проверяемые факты, то результат будет смесью знаний и реконструкции: иногда верно, иногда выдумано. Поэтому лечить здесь нужно не саму модель убеждениями «не фантазируй», а сам канал фактов, который она получает.

Именно здесь работает связка RAG и графа знаний. В отличие от классического RAG, где в модель подаются куски текста, мы даём подграф связанных сущностей и отношений. Это позволяет удерживать контекст целостным, поддерживать многошаговые рассуждения и не терять связи на стыках. Каждое утверждение, которое возвращает модель, можно «распаковать» до узлов графа и источника, то есть ответ по умолчанию становится проверяемым. Дополнительно мы совмещаем графовый и векторный поиск, а также умеем сжимать подсказку на основе структуры графа, чтобы в контексте оставались только действительно значимые факты.

Практика подтверждает эффективность подхода. В индустрии уже есть результаты о них подробно рассказал в статье "Интеграция RAG(Retrieval-Augmented Generation) и графов знаний в генеративных ИИ". Все эти проекты демонстрируют одно и то же: как только модель опирается не на вероятности текста, а на структурированное знание, она перестаёт «придумывать» и начинает говорить по делу.

В Онто мы пошли тем же путём. Наш граф знаний хранит курируемые факты и связи, позволяет строить многошаговые ответы без разрыва логики и всегда возвращает вместе с ответом путь к источнику. Так мы превращаем генеративную модель из «мастера догадок» в собеседника, который работает с проверяемыми знаниями. И в итоге снижаем не только количество галлюцинаций, но и общий когнитивный шум, делая диалог с ИИ прозрачным и доверенным.

🚀 Контекст-карты — это истории в картинках

Читаем новую публикацию от Онтонет:
https://ontonet.ru/learning/tpost/4xstgpct51-kontekstkarti-eto-istorii-v-kartinkah

🧩 Что внутри
Контекст-карта — это не просто схема, а сюжет: есть акторы, сцена, цель, взаимодействия, ограничения.

Формула-ядро:

Когда [Актор] в [Сцене] хочет [Цель], он взаимодействует с [Актор/Система] через [Интерфейс/Событие], соблюдая [Ограничение].

Как из истории нарисовать диаграмму:
1. Существительные → узлы (акторы, контексты)
2. Глаголы и объекты → связи / потоки
3. Цель → бейдж узла (метрика)

Мини-шаблон для OntoNet:
o [CTX] Контекст: цель, метрика, границы
o [ROLE] Актор: мотивация, тип
o [EVT] Взаимодействие: команда / событие / запрос + артефакт, SLA
o [RULE] Ограничение: правило, ресурс, политика

Пример-однофраза:
«Когда Менеджер закупок … хочет снизить дефицит до <2 % …»

Как связать с архитектурой (уровень C4 / компоненты):
o Контекст → система или контейнер
o Взаимодействия → интерфейсы / API / события
o Ограничения → нефункциональные требования
o Цели / метрики → бейджи качества на узлах

⏱️ Практика за 15 минут
1. Напишите 3–5 «историй» по шаблону (одна цель — один контекст)
2. Выделите акторов и потоки → перенесите в карту
3. Добавьте цель и ограничения как бейджи
4. Привяжите интерфейсы к реальным системам (для C4)

🎥 В эту пятницу, 10 октября, в 18:00
проведу вебинар «Контексты вместо регламентов: новая логика оцифровки процессов»
Покажу, как использовать HTTP MCP сервер Онто для оцифровки —
на примере обработки двух связанных контекст-карт.
Разберём, как MCP помогает связывать действия, акторов и данные в живую модель,
а также посмотрим возможные клиенты, с которыми мы работаем:
• Cherry Studio — удобный интерфейс для работы с HTTP MCP
• Qorder — вариант для тех, кто привык к коду

📅 10 октября, пятница
🕕 Начало в 18:00 (МСК)
🔗ссылка для подключения ZOOM

Хотим немного рассказать, над чем работаем помимо агентов для прикладных задач 👇

На диаграммах Онто скоро появится новый тип объекта.
Зачем он нам понадобился? Есть догадки? 🤔

А ещё — сейчас на базе Онто строим модель обслуживания крупного научного комплекса: сотни тысяч узлов, характеристик и взаимосвязей.
Мы экспериментируем с идеей «живых онтологий» — не статических RDF-графов, а изменяемого, развивающегося мира.

🧩 Практика Онто: шаблон командной работы для спринтов

❓Что это такое
Этот шаблон помогает визуализировать работу команды внутри спринта. Он показывает, кто над чем работает, какие задачи связаны между собой, и как всё это приближает команду к цели.
Шаблон можно использовать как самостоятельный инструмент или встроить его в существующее пространство Онто — например, в проект продукта или исследовательскую лабораторию.

🔧 Как использовать
1. Импортируй шаблон
1. Создай новую диаграмму в своём пространстве Онто.
2. Нажми Поделиться → Импорт → RDF/XML.
3. Выбери файл Шаблон спринта.rdf.
4. После импорта появятся все объекты и связи, как на примере.

2. Разберись со структурой
На диаграмме три уровня:
• Цель спринта — например: «Выпустить новый продукт».
• Спринт — объединяет все задачи, входящие в текущий цикл.
• Исполнители и задачи — каждый участник связан со своими задачами через связь Исполнитель, а задачи — со спринтом через Делаем и Зависит от.
Это позволяет видеть не только кто что делает, но и логическую зависимость задач внутри спринта.

3. Настрой под свою команду
• Переименуй исполнителей на реальные имена.
• Замени задачи на актуальные для вашего спринта.
• Удали или добавь связи по необходимости (скрытые связи можно вернуть позже).
• Настрой цвета и иконки блоков, чтобы отличать роли и статусы.

4. Используй в работе
Теперь команда может:
• Визуально отслеживать прогресс по спринту;
• Добавлять комментарии к задачам и участникам;
• Расширять модель — например, добавить артефакты, результаты или метрики.

5. Расширь шаблон
Шаблон можно встроить в любую существующую модель — просто импортируй его в нужное пространство. Он добавит структуру управления задачами поверх текущей онтологии: будь то исследовательский проект, продуктовая разработка или обучение.

💡 Зачем это нужно
• Помогает связать людей, задачи и цели в одной модели.
• Делает командную работу прозрачной без использования сторонних досок.
• Становится частью общей «живой онтологии» проекта — не отдельным инструментом, а частью общей картины.

💬 Как рождаются практики Онто

Иногда развитие платформы начинается не с больших планов, а с простого вопроса.

Буквально вчера вечером наш амбассадор Мадина Хооке, автор канала Минтол, предложила создать шаблон командной работы в Онто — способ, как команда может управлять задачами и целями прямо внутри своей онтологической модели.

Из этой идеи родился шаблон «Спринт» — универсальная структура для организации совместной работы:
спринт, цель, исполнители, задачи и зависимости между ними.
Теперь этот шаблон доступен всем пользователям: его можно импортировать в любое пространство Онто и адаптировать под свои процессы.

Такие запросы от амбассадоров — не просто пожелания.
Они становятся точками роста: заставляют нас пересматривать саму философию Онто, где знание — это не данные и не заметки, а живая система взаимодействий между людьми, задачами и смыслом.

Мадина, спасибо тебе за энергию, внимание к деталям и умение видеть смысл в каждом действии.
Благодаря таким людям Онто развивается на практике и постепенно завоёвывает своё место в культуре технологий, где знание становится живым.

Напоминаем

🎥 В эту пятницу, 10 октября, в 18:00
проведу вебинар «Контексты вместо регламентов: новая логика оцифровки процессов»
Покажу, как использовать HTTP MCP сервер Онто для оцифровки —
на примере обработки двух связанных контекст-карт.
Разберём, как MCP помогает связывать действия, акторов и данные в живую модель,
а также посмотрим возможные клиенты, с которыми мы работаем:
• Cherry Studio — удобный интерфейс для работы с HTTP MCP
• Qorder — вариант для тех, кто привык к коду

📅 10 октября, пятница
🕕 Начало в 18:00 (МСК)

запись вебинара «Контексты вместо регламентов: новая логика оцифровки процессов»

Разобрали, как использовать HTTP MCP сервер Онто для оцифровки —
на примере обработки двух связанных контекст-карт.

Обсудили, как MCP помогает связывать действия, акторов и данные в живую модель,
а также посмотрим возможные клиенты, с которыми мы работаем:
• Cherry Studio — удобный интерфейс для работы с HTTP MCP
• Qorder — вариант для тех, кто привык к коду