SPARQL Agente: Evaluación de Agentes Inteligentes que Utilizan SPARQL-MCP en el Benchmark FKGQA

Los avances recientes en IA han dado lugar a aplicaciones 'agentes', especialmente aquellas que utilizan el Protocolo de Contexto de Modelo (MCP) para permitir que los modelos de lenguaje de gran tamaño (LLMs) interactúen con diversas herramientas. Esta integración permite resolver problemas complejos accediendo a fuentes de datos externas. Los puntos finales SPARQL, que son accesibles públicamente, sirven como un medio ideal para combinar conjuntos de datos diversos a través del MCP. Esto se logra mediante la implementación de un protocolo y un lenguaje de consulta estandarizados, el uso de formatos de metadatos consistentes y la capacidad nativa de federar consultas. En este estudio, exploramos la efectividad de los agentes inteligentes basados en SPARQL-MCP para ejecutar consultas SPARQL federadas. Primero, discutimos cómo adaptar un benchmark existente de Preguntas y Respuestas sobre Grafos de Conocimiento (KGQA) para incluir la KGQA federada agente (FKGQA). Luego, implementamos y evaluamos la integración de la federación SPARQL con agentes LLM a través del MCP, centrándonos en aspectos como el descubrimiento de puntos finales, la selección de fuentes, la exploración de esquemas y la formulación de consultas. Nuestros hallazgos ofrecen información valiosa sobre las alternativas arquitectónicas y enriquecen las metodologías existentes para la federación automatizada de consultas SPARQL junto con la IA agente.