version: "1.0.0" name: graph_ml_inference description: GraphML 推理参数构建、model_id 验证与结果解释流程。 metadata: version: 1.2.0 domain: graph_ml risk_level: medium igraph: requires_tools: [infer] any_tools: [infer, visualize_model_architecture] requires_graph_state: loaded activates_on_intents: [graph_ml_infer]
GraphML 推理
必要检查
- 依据
infer 工具 schema 准备参数。 - 验证
model_id 与任务的兼容性。 - 尽可能从 schema 展开完整的
infer 参数：即使用户未要求修改，也应显式列出所有适用字段及其默认值。
query 精确格式
- 节点分类：
{"nodes":["0","1","2"]}，或使用 split。 - 链路预测指定边：
{"edges":[["0","8"],["0","1"],["1","344"]]}。每条边必须是长度为 2 的字符串数组；不要使用 {"source":"0","target":"8"} 对象。 - 链路预测按源节点：
{"source_node":"0","candidate_nodes":["8","1"],"topk":10}。 - 图分类：
{"graph_indices":[0,1,2]}，索引必须是整数。 - MCP 运行时可能把整个
query 编码为 JSON 字符串；这是允许的，但字符串解码后的内部结构仍必须符合上述格式。
操作步骤
- 确认图状态和推理目标。
- 根据用户请求和上面的精确格式构建完整的
infer 参数集，包含所有适用的默认参数。 - 调用
infer。推理是只读操作，验证参数后直接执行，不重复请求用户确认；必须保留用户指定的 query，不得在表示形式报错后改为空查询重试。 - 解释推理结果及其边界。