Discoverable Agent Knowledge -- A Formal Framework for Agentic KG Affordances (Extended Version)

Two decades ago, the Semantic Web Services community was asked how agents with different ontological commitments could discover, compose, and invoke web services coherently. The response was OWL-S and WSMO: formally grounded capability descriptions specifying what a service could do, what the agent must already know for invocation to be epistemically sound, and how ontological mismatches could be formally bridged. Current Knowledge Graph (KG) metadata standards such as VoID and DCAT describe what a KG contains yet say nothing about what a specific agent can prove from it, what closure assumptions govern empty results, or whether the agent's task vocabulary is grounded in the schema. Furthermore, in deployed KGs the governing schema DL and the operative entailment regime can diverge: an epistemic failure mode invisible to current metadata. We revisit and extend these insights for the KG setting with a four-dimensional formal framework from which we derive the Agentic Affordance Profile (AAP): a semantic layer above VoID and DCAT enabling principled KG selection, composition, and failure diagnosis at agent planning time. A five-point research agenda identifies the formal, computational, and engineering work needed to realise AAP-based affordance matching at scale.

한 줄 요약

**[지식 그래프 / 에이전트 인식론]** 에이전트가 KG에서 무엇을 증명할 수 있는지·빈 결과의 폐쇄 가정·태스크 어휘 grounding을 명세하는 4차원 형식 프레임워크 AAP(Agentic Affordance Profile) 제안.

핵심 기여도

20년 전 Semantic Web Services(OWL-S, WSMO)가 답했던 "이질 온톨로지 에이전트의 발견·합성·호출" 문제를 현대 KG 환경에서 재정의: VoID·DCAT 같은 KG 메타데이터 표준이 "무엇이 들어있는가"만 말할 뿐 특정 에이전트가 "무엇을 증명할 수 있는가"는 침묵.
배포 KG에서 governing schema DL과 operative entailment regime이 서로 어긋날 수 있으며 이는 기존 메타데이터로는 보이지 않는 인식론적 실패 모드라는 점을 지적.
KG 설정에 맞춰 OWL-S/WSMO 통찰을 4차원 형식 프레임워크로 확장, 그로부터 VoID·DCAT 위에 얹는 의미 레이어 Agentic Affordance Profile(AAP) 도출.
AAP가 에이전트 계획 시점의 KG 선택·합성·실패 진단을 형식적으로 지원할 수 있음을 보이고, 대규모 affordance matching 실현을 위한 5가지 연구 의제(형식·계산·엔지니어링) 제시.

핵심 아이디어

"KG가 무엇을 담고 있는가"와 "에이전트가 그 KG에서 무엇을 안전하게 추론·계획할 수 있는가"는 다른 질문이며, 후자는 closure 가정·entailment regime·태스크 어휘 grounding을 명시한 별도의 affordance layer로만 답할 수 있다.

기술적 접근법

**모델/방법론**: 형식 4차원 프레임워크 → VoID/DCAT 위에 얹는 의미 계층 AAP.
**핵심 기법**: schema DL과 entailment regime의 분리 모델링, closed-world vs open-world 가정의 명시화, 에이전트 태스크 어휘와 KG schema의 grounding 관계 표현, planning-time affordance 매칭에 필요한 추론 의무 정의.

주요 결과

KG 위 에이전트 작동을 형식적으로 진단·기술하는 메타데이터 확장안 제시.
5가지 영역 연구 의제: 형식 정의, 추론·검증 도구, 엔지니어링 표준, KG 큐레이션 워크플로, planner 통합.
본 논문은 "확장판"으로 추가 형식적 디테일과 사례 분석을 포함.

의의 및 한계

**의의**: 에이전트가 데이터·지식 자산을 안전하게 활용하기 위한 메타데이터 표준 진화 방향을 제시, semantic web 유산을 LLM 에이전트 시대에 재해석. **한계**: 산업적 채택까지의 거리, 대규모 KG에 대한 AAP 작성 비용·자동화 도구 부재는 후속 작업의 핵심.

실용적 활용

기업 KG·LOD 데이터셋의 에이전트 친화적 메타데이터 확장.
KG 기반 RAG·planning 시스템의 실패 진단 표준.
멀티 KG 합성·연합 추론 시 affordance-aware 선택 정책.