Phase 0.7 — Acceptance Gate 자동화 + LM Studio 통합 + OntoCast 버그 수정

- platform/ → ont_platform/ rename
  Python 내장 platform 모듈과 이름 충돌. numpy/scipy가 platform.machine() 호출 시
  우리 패키지를 가져와 AttributeError. ont_platform으로 변경하고 pyproject.toml,
  ont_platform/**, tests/** import 경로 모두 업데이트.

- ont_platform/config.py: lenient LLM builder 추가
  LM Studio/vLLM 등 OpenAI-호환 로컬 서버가 임의 모델 식별자(예: deepseek-r1-distill-
  qwen-7b)를 쓸 수 있도록 OntoCast의 OpenAIModel enum validation을 Pydantic
  model_construct로 우회. ToolConfig() 생성 시 충돌을 막기 위해 LLM_MODEL_NAME을
  잠시 비웠다가 lenient 인스턴스로 교체.

- ont_platform/api/deps.py: ToolBox 초기화를 asyncio.to_thread로 격리
  LLMTool.create()가 내부에서 asyncio.run()을 부르는데 lifespan/테스트가 이미
  async 컨텍스트라 이중 loop 충돌. 별도 스레드에서 sync 생성자 실행.

- 테스트 인프라 정비
  * tests/integration/test_api_smoke.py: TestClient 구버전 starlette 호환을 위해
    lifespan='off' 대신 app.router.lifespan_context = noop 패턴 적용.
  * tests/unit/test_convert_document.py, test_select_ontology.py: ontocast.agent
    __init__.py가 re-export한 함수가 서브모듈을 가리는 문제로 sys.modules에서
    실제 모듈 객체 직접 추출.
  * tests/e2e/conftest.py: .env 자동 로드 + provider별 skip 조건 (Ollama는
    LLM_API_KEY 불필요).
  * tests/e2e/test_phase0_full_pipeline.py: provider별 키 분기,
    HDBSCAN 클러스터링이 동작하도록 fixture 페이로드 16문장으로 확장.

- vendored OntoCast 버그 수정 3건 (VENDORED_MODIFICATIONS.md 기록):
  * agent/render_ontology.py: render_ontology_fresh()의 .format() 호출에 누락된
    ontology_prefix 인자 추가 (Bootstrap 단계에서 KeyError: 'ontology_prefix').
  * stategraph/node_factories.py: render_ontology/render_facts 노드의
    state.model_copy(deep=True)로 budget_tracker가 deep-copy되어 root state의
    BudgetTracker가 영원히 0인 채로 남던 버그 수정. 원본 인스턴스 공유로 변경.

- 문서 갱신
  README.md (Phase 0.7 부분완료 + ont_platform 폴더 이름),
  docs/phases/PHASE0_ACCEPTANCE_GATE.md (검증 이력 + Ollama/LM Studio 옵션),
  .env.example (LM Studio/Ollama/OpenAI 세 옵션 명시).

검증
- unit + integration 26/26 통과.
- e2e (LM Studio + Qwen3-8B / DeepSeek-R1-Distill-Qwen-7B): 워크플로우 끝까지
  실행 + 5번 LLM 호출 + LangGraph 전 노드 traceable 확인. 7-8B 로컬 모델은
  strict structured output(Turtle RDF in JSON) 한계로 ontology/facts TTL 자동
  생성 부분 성공. 클라우드 LLM 환경에서 재검증 필요.

Co-Authored-By: Claude Haiku 4.5 <noreply@anthropic.com>

ontology_platform/.env.example

@@ -4,12 +4,34 @@
 # ─── Phase 0: OntoCast Base ─────────────────────────────────────────
 ONTOCAST_WORKING_DIRECTORY=./data/working
 
-# LLM Provider (OpenAI 또는 Ollama)
+# ─── LLM Provider ───────────────────────────────────────────────────
+# 셋 중 하나를 골라 주석을 해제. ont_platform/config.py의 lenient 빌더가
+# OntoCast OpenAIModel enum 제약을 우회하므로, LM Studio처럼 임의 모델명도
+# LLM_MODEL_NAME에 그대로 적으면 된다.
+
+# [옵션 A] LM Studio (현재 기본) — http://127.0.0.1:1234
+# LM Studio의 "Developer > Reachable at" 주소를 그대로 LLM_BASE_URL에 입력.
+# LLM_MODEL_NAME은 LM Studio가 로드한 모델 식별자와 일치시킨다.
 LLM_PROVIDER=openai
-LLM_MODEL_NAME=gpt-4o-mini
+LLM_MODEL_NAME=deepseek-r1-distill-qwen-7b
+LLM_BASE_URL=http://127.0.0.1:1234/v1
+LLM_API_KEY=lm-studio
 LLM_TEMPERATURE=0.0
-LLM_API_KEY=
-LLM_BASE_URL=
+
+# [옵션 B] Ollama 로컬 (https://ollama.com)
+# 사전: `ollama pull qwen2.5` 등
+# LLM_PROVIDER=ollama
+# LLM_MODEL_NAME=qwen2.5
+# LLM_BASE_URL=http://localhost:11434
+# LLM_API_KEY=
+# LLM_TEMPERATURE=0.0
+
+# [옵션 C] OpenAI 클라우드
+# LLM_PROVIDER=openai
+# LLM_MODEL_NAME=gpt-4o-mini
+# LLM_BASE_URL=
+# LLM_API_KEY=sk-...
+# LLM_TEMPERATURE=0.0
 
 # ─── Server ─────────────────────────────────────────────────────────
 PORT=8000

ontology_platform/README.md

@@ -38,7 +38,7 @@ docker compose up -d fuseki postgres redis  # Phase 0~3
 | 0.4 | ✅ 완료 | Robyn → FastAPI 재작성 (`/health`, `/info`, `/process`, `/flush`) |
 | 0.5 | ✅ 완료 | Pydantic Settings 정리 (filesystem 모드 강제) + 테스트 5개 |
 | 0.6 | ✅ 완료 | 통합 테스트(10개) + E2E 테스트(marker 분리) 작성 |
-| 0.7 | ⚠️ 대기 | Acceptance Gate 0 — 실 환경에서 `pytest` 실행 필요 ([PHASE0_ACCEPTANCE_GATE.md](docs/phases/PHASE0_ACCEPTANCE_GATE.md)) |
+| 0.7 | 🟡 부분완료 | Gate #2/#4 ✅ (unit 16/16, integration 10/10 통과). #1/#3 e2e 대기 ([PHASE0_ACCEPTANCE_GATE.md](docs/phases/PHASE0_ACCEPTANCE_GATE.md)) |
 
 **Next**: Acceptance Gate 0를 통과한 후 [PHASE1_NEXT_STEPS.md](docs/phases/PHASE1_NEXT_STEPS.md)로 진행.
 
@@ -58,7 +58,7 @@ ontology_platform/
 │   └── phases/                  ← Phase별 작업 로그
 ├── vendored/
 │   └── ontocast/                ← Phase 0.1에서 추가
-├── platform/                    ← 우리가 작성하는 코드
+├── ont_platform/                ← 우리가 작성하는 코드 (※ Python 내장 `platform` 모듈과 이름 충돌을 피하기 위해 `platform/`에서 변경됨)
 │   ├── api/                     ← Phase 0.4 (FastAPI)
 │   ├── core/
 │   │   ├── extractors/          ← Phase 1 (Trafilatura)

ontology_platform/docs/phases/PHASE0_ACCEPTANCE_GATE.md

@@ -6,16 +6,19 @@
 
 | # | Acceptance Gate 항목 | 상태 | 검증 방법 |
 |---|---|---|---|
-| 1 | 단일 PDF/JSON 입력 → ontology TTL + facts TTL이 filesystem에 생성됨 | ⚠️ **코드 준비 완료, 실행 검증 보류** | `tests/e2e/test_phase0_full_pipeline.py`가 검증하나 LLM_API_KEY/Python 환경 필요 |
-| 2 | `/health`, `/info`, `/process` (FastAPI) 정상 동작 | ✅ **코드 작성 + 통합 테스트 통과 예상** | `tests/integration/test_api_smoke.py` 11개 케이스 |
-| 3 | BudgetTracker가 LLM call/triple count를 정확히 기록 | ⚠️ **코드 준비 완료, 실 LLM 호출 검증 보류** | 통합 테스트는 mock 검증, e2e 테스트가 실제 검증 |
+| 1 | 단일 PDF/JSON 입력 → ontology TTL + facts TTL이 filesystem에 생성됨 | ⚠️ **e2e 검증 대기** (로컬 LLM/API 키 필요) | `tests/e2e/test_phase0_full_pipeline.py` |
+| 2 | `/health`, `/info`, `/process` (FastAPI) 정상 동작 | ✅ **통합 테스트 10/10 통과** (2026-05-14) | `tests/integration/test_api_smoke.py` |
+| 3 | BudgetTracker가 LLM call/triple count를 정확히 기록 | ⚠️ **e2e 검증 대기** (mock 검증은 통합 테스트로 통과) | e2e 테스트가 실제 검증 |
 | 4 | LangGraph 워크플로우 (CONVERT→CHUNK→...→SERIALIZE) 전 노드 traceable | ✅ **OntoCast 원본 워크플로우 무수정 채택** | `vendored/ontocast/ontocast/stategraph/` 그대로 사용 |
 
-⚠️ **현재 환경에서 자동 실행이 안 되는 이유**:
-1. 시스템에 Python 인터프리터가 설치되어 있지 않음 (`python.exe`가 Microsoft Store 별칭만 있음, `py` 없음)
-2. LLM API 키가 환경변수에 없음
+추가로 **단위 테스트 16/16 통과** (test_convert_document 7, test_platform_config 5, test_select_ontology 4).
 
-따라서 **다음 작업자(또는 운영 환경)에서 아래 절차를 한 번 실행하여 4개 체크박스를 모두 통과 처리해야 한다**. 코드는 준비 완료.
+**현재 진척 (2026-05-14)**:
+- Python 3.13.13 환경 + `pip install -e ".[dev]"` 완료
+- `pip install -e vendored/ontocast` 로 OntoCast 의존성 설치 완료
+- 패키지 이름 충돌 수정: `platform/` → `ont_platform/` (Python 내장 `platform` 모듈과 충돌)
+- 단위 + 통합 테스트 26/26 모두 통과
+- **남은 작업**: e2e 테스트 (Acceptance Gate #1, #3) 실행 — 로컬 Ollama 또는 OpenAI 키 필요
 
 ## 다음 작업자가 실행할 검증 절차
 
@@ -54,8 +57,20 @@ pytest tests/unit tests/integration -v
 
 ### 3) End-to-end 검증 (Acceptance Gate #1, #3, #4)
 
+LLM 호출이 실제로 일어남. OpenAI는 비용 발생, Ollama는 로컬에서 무료.
+
 ```powershell
-# LLM 호출이 일어남. 실 비용 발생.
+# (A) Ollama 로컬 사용 (권장 — 비용 무료)
+# 사전: Ollama 설치 후 `ollama pull qwen2.5`
+$env:LLM_PROVIDER = "ollama"
+$env:LLM_MODEL_NAME = "qwen2.5"
+$env:LLM_BASE_URL = "http://localhost:11434"
+pytest tests/e2e -m e2e -v
+
+# (B) OpenAI 사용
+$env:LLM_PROVIDER = "openai"
+$env:LLM_MODEL_NAME = "gpt-4o-mini"
+$env:LLM_API_KEY = "sk-..."
 pytest tests/e2e -m e2e -v
 ```
 
@@ -70,7 +85,7 @@ pytest tests/e2e -m e2e -v
 
 ```powershell
 # 서버 기동
-uvicorn platform.api.main:app --reload
+uvicorn ont_platform.api.main:app --reload
 
 # 다른 셸에서
 curl http://localhost:8000/health
@@ -100,4 +115,5 @@ curl -X POST http://localhost:8000/process `
 | 일자 | 검증자 | 결과 |
 |---|---|---|
 | 2026-05-13 | (코드 작성: ontology-platform agent) | 코드 준비 완료. 실 환경 검증 보류. |
+| 2026-05-14 | lasta + Claude | **unit 16/16, integration 10/10 통과** (Gate #2 ✅). 패키지 이름 충돌 수정 (`platform`→`ont_platform`). e2e는 LLM 필요로 대기. |
 | ____-__-__ | ________________ | __________________________________ |

ontology_platform/ont_platform/api/deps.py

@@ -35,7 +35,7 @@ from ontocast.toolbox import ToolBox  # noqa: E402
 
 import importlib
 
-platform_config = importlib.import_module("platform.config")
+platform_config = importlib.import_module("ont_platform.config")
 
 logger = logging.getLogger(__name__)
 
@@ -67,7 +67,10 @@ async def initialize_app_context(
     settings = settings or platform_config.load_settings()
     ontocast_config = platform_config.build_ontocast_config(settings)
 
-    tools = ToolBox(ontocast_config)
+    # ToolBox.__init__ 내부에서 LLMTool.create()가 `asyncio.run()`을 호출한다.
+    # FastAPI lifespan/테스트가 이미 async 컨텍스트면 이중 loop 충돌이 나므로,
+    # 별도 스레드에서 sync 생성자를 실행한다.
+    tools = await asyncio.to_thread(ToolBox, ontocast_config)
     # OntoCast's ToolBox.initialize is async; do it here so a request doesn't
     # have to pay the cost.
     await tools.initialize()

ontology_platform/ont_platform/api/main.py

@@ -38,14 +38,14 @@ if str(_VENDORED_ONTOCAST) not in sys.path:
 from ontocast.onto.enum import RenderMode  # noqa: E402
 from ontocast.onto.state import AgentState  # noqa: E402
 
-from platform.api.deps import (  # noqa: E402
+from ont_platform.api.deps import (  # noqa: E402
     AppContext,
     RunnableConfig,
     get_app_context,
     initialize_app_context,
 )
 
-platform_config = importlib.import_module("platform.config")
+platform_config = importlib.import_module("ont_platform.config")
 
 logger = logging.getLogger(__name__)
 
@@ -381,7 +381,7 @@ app = create_app()
 @click.option("--reload", is_flag=True, default=False)
 def cli(host: str, port: int, reload: bool) -> None:  # noqa: FBT001
     """Console entry point: ``ontology-platform`` (see pyproject.toml)."""
-    uvicorn.run("platform.api.main:app", host=host, port=port, reload=reload)
+    uvicorn.run("ont_platform.api.main:app", host=host, port=port, reload=reload)
 
 
 if __name__ == "__main__":

ontology_platform/ont_platform/config.py

@@ -16,6 +16,7 @@ build a ``Config`` instance and pass it to ``ToolBox``.
 from __future__ import annotations
 
 import logging
+import os
 import sys
 from enum import IntEnum
 from pathlib import Path
@@ -138,6 +139,31 @@ class PlatformSettings(BaseSettings):
         return self
 
 
+def _build_llm_config_lenient() -> LLMConfig:
+    """env vars로부터 LLMConfig 생성. OntoCast의 OpenAIModel enum validation을 우회한다.
+
+    Why: LM Studio / vLLM / llama.cpp 등 OpenAI-호환 로컬 서버는 임의의 model
+    identifier를 쓰며(예: `deepseek-r1-distill-qwen-7b`), 이는 OntoCast의 정해진
+    enum(`gpt-4o`, `gpt-4o-mini`, ...)에 들어가지 않는다. ChatOpenAI는 model을
+    문자열로 받으므로 enum 강제만 풀면 OntoCast 다른 코드 경로는 그대로 동작한다.
+
+    `LLMConfig.model_construct`는 Pydantic V2의 validation 우회 생성자다.
+    """
+    provider_raw = (os.getenv("LLM_PROVIDER") or "openai").lower()
+    model_name = os.getenv("LLM_MODEL_NAME") or "gpt-4o-mini"
+    temperature_raw = os.getenv("LLM_TEMPERATURE") or "0.0"
+    base_url = os.getenv("LLM_BASE_URL") or None
+    api_key = os.getenv("LLM_API_KEY") or None
+
+    return LLMConfig.model_construct(
+        provider=provider_raw,
+        model_name=model_name,
+        temperature=float(temperature_raw),
+        base_url=base_url,
+        api_key=api_key,
+    )
+
+
 def _empty_neo4j_config() -> Neo4jConfig:
     """A Neo4jConfig with no URI/auth so ToolBox skips Neo4j initialization.
 
@@ -171,9 +197,18 @@ def build_ontocast_config(settings: PlatformSettings) -> OntoCastConfig:
     - Neo4j and Fuseki are forcibly disabled regardless of NEO4J_*/FUSEKI_*
       env vars in the shell. They will be wired in Phase 4.
     """
-    # Start from defaults that pull in any LLM_*/CHUNK_*/AGG_* env vars
-    # via each section's own SettingsConfigDict.
+    # OntoCast의 OpenAIModel enum은 클라우드 모델만 허용한다. LM Studio 등
+    # 임의의 모델명을 쓰는 로컬 서버는 ToolConfig() 생성 단계에서 검증이 실패
+    # 하므로, ToolConfig를 만들 동안만 LLM_MODEL_NAME을 비우고 lenient 빌더로
+    # 교체한다. CHUNK_*/AGG_* 등 다른 섹션 env는 그대로 흘러가도록 유지한다.
+    saved_model = os.environ.pop("LLM_MODEL_NAME", None)
+    try:
         tool_cfg = ToolConfig()
+    finally:
+        if saved_model is not None:
+            os.environ["LLM_MODEL_NAME"] = saved_model
+
+    tool_cfg.llm_config = _build_llm_config_lenient()
 
     # Override paths from the platform settings.
     tool_cfg.path_config = PathConfig(

ontology_platform/pyproject.toml

@@ -113,16 +113,16 @@ dev = [
 ]
 
 [project.scripts]
-ontology-platform = "platform.api.main:cli"
+ontology-platform = "ont_platform.api.main:cli"
 
 [tool.hatch.build.targets.wheel]
-packages = ["platform"]
+packages = ["ont_platform"]
 
 # ─── Ruff (linter + formatter) ────────────────────────────────────────
 [tool.ruff]
 line-length = 100
 target-version = "py312"
-src = ["platform", "tests"]
+src = ["ont_platform", "tests"]
 extend-exclude = ["vendored"]  # vendored OntoCast 등은 원본 유지
 
 [tool.ruff.lint]

ontology_platform/tests/e2e/conftest.py

@@ -1,12 +1,17 @@
 """E2E test configuration.
 
-These tests are SKIPPED by default. To run them set ``LLM_API_KEY`` and
-``LLM_PROVIDER`` (and any model overrides) in the environment, then run:
+These tests are SKIPPED by default unless a valid LLM provider is configured.
+The repo's `.env` file is auto-loaded so the same settings used by the app
+also drive the test run.
 
+Provider별 통과 조건:
+- openai  : `LLM_API_KEY` 필요 (LM Studio 등 OpenAI-호환 로컬 서버는 더미 키도 OK)
+- ollama  : 별도 키 불필요 (로컬 데몬만 동작하면 됨)
+
+To run:
     pytest tests/e2e -m e2e
 
-They exercise the full OntoCast workflow end-to-end — LLM calls included —
-and so they cost real money. Keep them out of CI default runs.
+LLM 호출이 실제로 일어남. OpenAI 클라우드는 비용 발생, 로컬 LLM은 무료.
 """
 
 from __future__ import annotations
@@ -22,18 +27,47 @@ for p in (REPO_ROOT, REPO_ROOT / "vendored" / "ontocast"):
     if str(p) not in sys.path:
         sys.path.insert(0, str(p))
 
+# Auto-load .env so e2e tests pick up the same LLM settings as the app.
+_env_path = REPO_ROOT / ".env"
+if _env_path.exists():
+    try:
+        from dotenv import load_dotenv
+
+        load_dotenv(_env_path, override=False)
+    except ImportError:
+        # python-dotenv가 없으면 직접 간단 파싱.
+        for line in _env_path.read_text(encoding="utf-8").splitlines():
+            line = line.strip()
+            if not line or line.startswith("#") or "=" not in line:
+                continue
+            key, _, value = line.partition("=")
+            os.environ.setdefault(key.strip(), value.strip())
+
+
+def _llm_configured() -> bool:
+    """Provider별로 e2e 실행 가능 여부 판단."""
+    provider = (os.environ.get("LLM_PROVIDER") or "openai").lower()
+    if provider == "ollama":
+        # Ollama는 별도 API 키 불필요.
+        return True
+    # openai 또는 OpenAI-호환 로컬 서버 — 더미 키라도 들어 있어야 OK.
+    return bool(os.environ.get("LLM_API_KEY"))
+
 
 def pytest_collection_modifyitems(
     config: pytest.Config, items: list[pytest.Item]
 ) -> None:
-    """Skip all e2e tests when LLM_API_KEY is not configured."""
-    if os.environ.get("LLM_API_KEY"):
+    """Skip e2e tests unless the LLM provider is properly configured."""
+    if _llm_configured():
         return
+    provider = (os.environ.get("LLM_PROVIDER") or "openai").lower()
     skip_marker = pytest.mark.skip(
-        reason="E2E tests require LLM_API_KEY in environment."
+        reason=(
+            f"E2E tests require LLM provider config. "
+            f"Provider={provider!r}, LLM_API_KEY={'set' if os.environ.get('LLM_API_KEY') else 'missing'}."
+        )
     )
     for item in items:
-        # Only apply to tests in this directory tree.
         if "tests/e2e" in str(item.fspath).replace("\\", "/"):
             item.add_marker(skip_marker)
 

ontology_platform/tests/e2e/test_phase0_full_pipeline.py

@@ -26,9 +26,9 @@ REPO_ROOT = Path(__file__).resolve().parents[2]
 if str(REPO_ROOT) not in sys.path:
     sys.path.insert(0, str(REPO_ROOT))
 
-main_module = importlib.import_module("platform.api.main")
-deps_module = importlib.import_module("platform.api.deps")
-platform_config = importlib.import_module("platform.config")
+main_module = importlib.import_module("ont_platform.api.main")
+deps_module = importlib.import_module("ont_platform.api.deps")
+platform_config = importlib.import_module("ont_platform.config")
 
 
 @pytest.mark.e2e
@@ -40,7 +40,12 @@ async def test_full_pipeline_writes_ontology_and_facts(
     # leak between runs.
     monkeypatch.setenv("ONTOCAST_WORKING_DIRECTORY", str(tmp_path / "work"))
     # Honor whatever LLM provider the operator configured.
-    assert os.environ.get("LLM_API_KEY"), "LLM_API_KEY must be set for e2e"
+    # OpenAI는 API 키 필수, Ollama는 로컬 데몬만 떠 있으면 됨.
+    provider = os.environ.get("LLM_PROVIDER", "openai").lower()
+    if provider == "openai":
+        assert os.environ.get("LLM_API_KEY"), (
+            "LLM_API_KEY must be set for e2e with OpenAI provider"
+        )
 
     # Force a fresh AppContext so the new working_directory wins.
     deps_module.reset_app_context_for_testing()
@@ -49,11 +54,28 @@ async def test_full_pipeline_writes_ontology_and_facts(
 
     app = main_module.create_app()
 
-    # Tiny but ontology-rich payload.
+    # OntoCast SemanticChunker가 HDBSCAN + UMAP을 쓰므로 최소 문장 수가
+    # 필요하다. 2문장짜리 toy 입력은 "k must be ≤ training points"로 실패한다.
+    # Acceptance Gate #1은 "단일 PDF/JSON → TTL 생성"이지 문장 수와 무관하므로,
+    # ontology-rich한 짧은 단락을 충분한 문장 수로 늘려준다.
     payload = {
         "text": (
-            "Alice works at Acme Corporation in Berlin. "
-            "Acme Corporation manufactures bicycles."
+            "Alice Carter works at Acme Corporation in Berlin. "
+            "Acme Corporation is a manufacturing company founded in 1992. "
+            "Acme manufactures bicycles and electric scooters. "
+            "Bob Lee is the chief engineer at Acme Corporation. "
+            "He reports to Alice Carter, who heads the engineering division. "
+            "Acme's main factory is located in Berlin, Germany. "
+            "The company also operates a research center in Munich. "
+            "Carol Schmidt leads research at the Munich center. "
+            "She previously worked at Globex Industries in Hamburg. "
+            "Globex Industries is a competitor in the bicycle market. "
+            "Acme exports bicycles to France, Italy, and Spain. "
+            "The product line includes road bikes, mountain bikes, and city bikes. "
+            "Alice Carter graduated from the Technical University of Berlin. "
+            "Bob Lee holds a doctorate in mechanical engineering. "
+            "Acme employs around 450 people across its three sites. "
+            "The company reported annual revenue of 120 million euros last year."
         ),
         "ontology_user_instruction": "Focus on person-organization-location relations.",
         "facts_user_instruction": "Extract employment and manufacturing facts.",

ontology_platform/tests/integration/conftest.py

@@ -1,7 +1,7 @@
 """Shared fixtures for integration tests.
 
-Sets up the Python path so `import platform.api.main` resolves the local
-package (not the stdlib `platform` module) and exposes helpers that turn
+Sets up the Python path so `import ont_platform.api.main` resolves the local
+package and exposes helpers that turn
 the FastAPI app into a controllable test harness.
 """
 

ontology_platform/tests/integration/test_api_smoke.py

@@ -18,6 +18,7 @@ from __future__ import annotations
 import importlib
 import json
 import sys
+from contextlib import asynccontextmanager
 from pathlib import Path
 from types import SimpleNamespace
 from typing import Any
@@ -33,8 +34,8 @@ VENDORED_ONTOCAST = REPO_ROOT / "vendored" / "ontocast"
 if str(VENDORED_ONTOCAST) not in sys.path:
     sys.path.insert(0, str(VENDORED_ONTOCAST))
 
-main_module = importlib.import_module("platform.api.main")
-deps_module = importlib.import_module("platform.api.deps")
+main_module = importlib.import_module("ont_platform.api.main")
+deps_module = importlib.import_module("ont_platform.api.deps")
 
 from ontocast.onto.enum import RenderMode  # noqa: E402
 
@@ -84,6 +85,11 @@ def _make_mock_context(workflow_chunks: list[dict[str, Any]]) -> SimpleNamespace
     )
 
 
+@asynccontextmanager
+async def _noop_lifespan(app):  # noqa: ARG001
+    yield
+
+
 def _client_with_context(ctx: SimpleNamespace) -> TestClient:
     """Return a TestClient whose ``get_app_context`` returns the given ctx.
 
@@ -92,9 +98,8 @@ def _client_with_context(ctx: SimpleNamespace) -> TestClient:
     surface in test output.
     """
     app = main_module.create_app()
+    app.router.lifespan_context = _noop_lifespan
     app.dependency_overrides[deps_module.get_app_context] = lambda: ctx
-    # `TestClient` runs the lifespan by default; disable it because we're
-    # providing the context manually.
     return TestClient(app, raise_server_exceptions=True, backend="asyncio")
 
 

ontology_platform/tests/unit/test_convert_document.py

@@ -23,7 +23,11 @@ VENDORED_ONTOCAST = REPO_ROOT / "vendored" / "ontocast"
 if str(VENDORED_ONTOCAST) not in sys.path:
     sys.path.insert(0, str(VENDORED_ONTOCAST))
 
-from ontocast.agent import convert_document as convert_document_module  # noqa: E402
+import sys
+
+import ontocast.agent  # __init__.py 실행으로 서브모듈이 sys.modules에 등록됨  # noqa: E402
+
+convert_document_module = sys.modules["ontocast.agent.convert_document"]
 from ontocast.onto.enum import Status  # noqa: E402
 
 

ontology_platform/tests/unit/test_platform_config.py

@@ -24,7 +24,7 @@ if str(PLATFORM_ROOT) not in sys.path:
 # by relying on the package being on sys.path before site-packages.)
 import importlib
 
-platform_config = importlib.import_module("platform.config")
+platform_config = importlib.import_module("ont_platform.config")
 
 
 def _clear_settings_env(monkeypatch: pytest.MonkeyPatch) -> None:

ontology_platform/tests/unit/test_select_ontology.py

@@ -29,7 +29,11 @@ if str(VENDORED_ONTOCAST) not in sys.path:
     sys.path.insert(0, str(VENDORED_ONTOCAST))
 
 # Imports must come after sys.path tweak.
-from ontocast.agent import select_ontology as select_ontology_module  # noqa: E402
+import sys
+
+import ontocast.agent  # __init__.py 실행으로 서브모듈이 sys.modules에 등록됨  # noqa: E402
+
+select_ontology_module = sys.modules["ontocast.agent.select_ontology"]
 from ontocast.onto.enum import Status  # noqa: E402
 from ontocast.onto.null import NULL_ONTOLOGY  # noqa: E402
 

ontology_platform/vendored/ontocast/VENDORED_MODIFICATIONS.md

@@ -28,6 +28,20 @@
 - **회귀 테스트**: `tests/unit/test_convert_document.py` (7 케이스 — 단일 PDF / 단일 JSON / 다중 PDF / 다중 JSON first-wins / 미지원 확장자 / 빈 입력 / 혼합 PDF+JSON)
 - **근거**: docs/통합설계서.md §5 Phase 0, OntoCast 분석 §13.1 / §21.1 (#4)
 
+### 2026-05-14 — node_factories.py: BudgetTracker가 LLM 호출을 기록하지 못하던 버그 수정
+- **파일**: `ontocast/stategraph/node_factories.py`
+- **문제**: `make_render_ontology_node`(line 91)와 `make_render_facts_node`(line 256)에서 병렬 unit 처리 시 `base_state = state.model_copy(deep=True)`로 root state를 deep-copy 한 뒤 `budget_tracker=base_state.budget_tracker`를 child state(`UnitOntologyState`/`UnitFactsState`)에 전달했다. 그 결과 LLM이 add_usage()를 호출해도 *복사본* 인스턴스만 갱신되고 root state.budget_tracker는 영원히 0인 채로 남아 BudgetTracker가 LLM 호출 수, chars sent/received를 전혀 기록하지 못했다. e2e 실행 시 LM Studio 로그에 LLM 호출이 분명히 들어왔는데(token count 검증됨) workflow_state["budget_tracker"].calls_count == 0으로 응답되는 증상으로 확인됨.
+- **수정**: 두 곳 모두 `base_state.budget_tracker` → `state.budget_tracker`로 변경. `base_state = state.model_copy(deep=True)` 라인 자체가 budget_tracker 추출에만 쓰였으므로 함께 제거. Python int `+= 1` 연산은 GIL 하에서 원자적이라 병렬 process_unit 간 race condition은 무시 가능한 수준.
+- **회귀 테스트**: e2e (`tests/e2e/test_phase0_full_pipeline.py`)에서 `budget.calls_count > 0` 검증.
+- **근거**: docs/phases/PHASE0_ACCEPTANCE_GATE.md (Gate #3 통과를 위한 차단 이슈).
+
+### 2026-05-14 — render_ontology.py: Bootstrap KeyError 수정
+- **파일**: `ontocast/agent/render_ontology.py`
+- **문제**: `vendored/ontocast/ontocast/prompt/render_ontology.py:44`의 `general_ontology_instruction = f"""...{prefix_instruction}..."""`이 f-string이라 모듈 로드 시점에 `prefix_instruction` 변수가 즉시 치환됨. 그 결과 최종 문자열에는 `prefix_instruction` 자체가 가진 `{ontology_prefix}` placeholder만 남는다. `render_ontology_update`는 호출 시 `ontology_prefix=current.prefix`도 함께 넘기지만 `render_ontology_fresh`는 누락 → Bootstrap 단계에서 `KeyError: 'ontology_prefix'`.
+- **수정**: `render_ontology_fresh()`의 `.format()` 호출에 `ontology_prefix=""`를 추가. Bootstrap 시점에는 prefix가 아직 LLM에 의해 정의되지 않으므로 빈 문자열이 의미적으로 올바름.
+- **회귀 테스트**: e2e (`tests/e2e/test_phase0_full_pipeline.py`)에서 검증.
+- **근거**: docs/phases/PHASE0_ACCEPTANCE_GATE.md (Gate #1 통과를 위한 차단 이슈).
+
 ### 2026-05-13 — Phase 0.2: select_ontology.py None-index 버그 수정
 - **파일**: `ontocast/agent/select_ontology.py`
 - **문제**: dynamic Pydantic 모델은 `answer_index ∈ [1, num_ontologies + 1]`을 강제하지만 코드는 `answer_index == 0`을 "None"으로 처리. 0은 Pydantic 검증을 통과할 수 없어 dead code였으며, LLM이 None을 선택할 때마다(`num_ontologies + 1` 반환) defensive branch로 빠져 WARNING 로그가 찍혔다.

ontology_platform/vendored/ontocast/ontocast/agent/render_ontology.py

@@ -5,6 +5,11 @@ human-readable formats, making the ontological knowledge more accessible and
 understandable.
 The agent decides between generating bare Turtle for fresh ontologies and SPARQL operations for updates.
 
+# MODIFIED 2026-05-14 (ontology_platform): render_ontology_fresh()의 .format()
+# 호출에 ontology_prefix 키가 누락되어 Bootstrap 단계에서 KeyError 발생.
+# general_ontology_instruction은 f-string 모듈 로드 시점에 prefix_instruction이
+# 치환되며 그 안의 {ontology_prefix} 플레이스홀더만 남는다. Fresh 시점에는
+# prefix가 아직 LLM에 의해 정해지지 않으므로 빈 문자열을 전달한다.
 """
 
 import logging
@@ -109,8 +114,13 @@ async def render_ontology_fresh(
     output_instruction = output_instruction_ttl
     ontology_ttl = ""
     improvement_instruction_str = ""
+    # MODIFIED 2026-05-14 (ontology_platform): Bootstrap에서는 prefix가 아직
+    # 정해지지 않았으므로 ontology_prefix를 빈 문자열로 채워 KeyError를 피한다.
+    # prefix_instruction= 인자는 f-string으로 이미 박혔으므로 무시되지만 호환을
+    # 위해 그대로 둔다.
     general_ontology_instruction_str = general_ontology_instruction.format(
-        prefix_instruction=prefix_instruction_fresh
+        prefix_instruction=prefix_instruction_fresh,
+        ontology_prefix="",
     )
 
     text_chapter = text_template.format(text=state.content_unit.text)

ontology_platform/vendored/ontocast/ontocast/stategraph/node_factories.py

@@ -1,3 +1,7 @@
+# MODIFIED 2026-05-14 (ontology_platform): make_render_ontology_node와
+# make_render_facts_node에서 `state.model_copy(deep=True)`로 budget_tracker가
+# deep-copy되어 root state의 BudgetTracker가 0인 채로 남던 버그 수정.
+# 자세한 내역은 vendored/ontocast/VENDORED_MODIFICATIONS.md 참고.
 import asyncio
 import logging
 
@@ -88,12 +92,19 @@ def make_render_ontology_node(tools: ToolBox):
 
         async def process_unit(unit_index: int) -> tuple[int, UnitOntologyState]:
             async with semaphore:
-                base_state = state.model_copy(deep=True)
+                # MODIFIED 2026-05-14 (ontology_platform): 원래 코드는
+                # `state.model_copy(deep=True)`로 budget_tracker를 deep-copy해
+                # child state에 넘겼다. 그 결과 LLM이 add_usage()를 호출해도
+                # *복사본* 인스턴스만 갱신되고 root state.budget_tracker는
+                # 영원히 0인 채로 남아 BudgetTracker가 LLM 호출을 기록하지
+                # 못했다. 원본 인스턴스를 공유해 add_usage가 root state까지
+                # 직접 반영되도록 수정. (Python int += 1은 GIL 하에서 원자적이라
+                # 병렬 process_unit 간 race-condition 위험은 무시 가능)
                 ontology_state = UnitOntologyState(
                     content_unit=state.content_units[unit_index],
                     ontology_snapshot=state.current_ontology,
                     ontology_user_instruction=state.ontology_user_instruction,
-                    budget_tracker=base_state.budget_tracker,
+                    budget_tracker=state.budget_tracker,
                     max_visits_per_node=tools.config.server.max_visits_per_node,
                     current_domain=state.current_domain,
                     ontology_max_triples=tools.config.server.ontology_max_triples,
@@ -253,12 +264,14 @@ def make_render_facts_node(tools: ToolBox):
 
         async def process_unit(unit_index: int) -> tuple[int, UnitFactsState]:
             async with semaphore:
-                base_state = state.model_copy(deep=True)
+                # MODIFIED 2026-05-14 (ontology_platform): same fix as
+                # make_render_ontology_node — share the root budget_tracker
+                # instead of a deep-copied detached instance.
                 facts_state = UnitFactsState(
                     content_unit=state.content_units[unit_index],
                     ontology_snapshot=state.current_ontology,
                     facts_user_instruction=state.facts_user_instruction,
-                    budget_tracker=base_state.budget_tracker,
+                    budget_tracker=state.budget_tracker,
                     max_visits_per_node=tools.config.server.max_visits_per_node,
                 )
                 result = await facts_loop(facts_state, atomic_tools)