NVIDIA випустила Auto Ontology: відкритий семантичний шар, що забезпечує основу для SQL-запитів ШІ-агентів

NVIDIA випустила Auto Ontology — відкриту бібліотеку за ліцензією Apache 2.0. NVIDIA Auto Ontology — це фреймворк семантичного шару, який створює контекстний шар на основі корпоративних метаданих. Агенти використовують цей шар для написання SQL-запитів на основі сертифікованих бізнес-визначень. У репозиторії проблему сформульовано просто: швидка відповідь про дохід нічого не варта, якщо число неправильне.

Коротко

• Бібліотека: стандартна LLM — nvidia/nemotron-3-nano-30b-a3b, а також моделі Nemotron для вбудовування та повторного ранжування.
• Запускається на: Docker Compose для локального стеку або Kubernetes через Helm. Для інференсу використовуються розміщені кінцеві точки NVIDIA NIM або власні NIM.
• Продуктивність: сильна інженерна реалізація, але мало публічних доказів.
• Найкраще: час створення онтології скорочено на 90% під час тестування NVIDIA (за власними даними компанії).
• Найгірше: опубліковано 0 показників точності перетворення тексту на SQL. Репозиторій оцінювання містить інструментарій, але не результати.
• Підсумок: відкритий контекстний шар із підтримкою MCP, який може опитувати будь-який агентський рушій. Але щоб довіряти йому, ви маєте самостійно провести бенчмарки.

Що таке NVIDIA Auto Ontology?

Це контекстний шар, розташований між агентом і сховищем даних. Він повідомляє агенту, де зберігаються дані та що означають поля. Він також визначає, чи слід використовувати поле, як його використовувати та звідки воно походить.

Ось п’ять завдань:

• Виявлення: генерувати онтології з метаданих і підключати наявні семантичні моделі.
• Контекстуалізація: надавати агентам надійне значення метрик, сутностей і зв’язків.
• Перевірка: перевіряти згенеровані запити за сертифікованими визначеннями та походженням даних.
• Надання доступу: надавати контекст через MCP, CLI та API.
• Навчання: повертати сертифіковані виправлення до онтології.

На сторінці для розробників NVIDIA представляє результат як початкову онтологію. Бізнес-експерти все одно мають протестувати, уточнити й сертифікувати її.

Як працює Auto Ontology?

Стек має 4 основні сервіси. Фронтенд на Next.js 16 обробляє вебінтерфейс і автентифікацію на порту 3000. Бекенд на FastAPI з LangChain запускає чат, NL-to-SQL і API каталогу на порту 3001. Воркер інжестії записує вбудовування на порту 3002. Postgres із pgvector зберігає каталог, онтологію та вектори.

Вихідними базами даних можуть бути Databricks, Postgres, Snowflake або DuckDB. Моделі налаштовуються через змінні середовища — «трійки» з кінцевої точки, ключа та моделі. Окремі ролі передбачені для міркування, неміркування, вбудовування та повторного ранжування. Працює будь-яка кінцева точка, сумісна з OpenAI.

Що надає MCP-сервер?

У документації MCP-сервера описано 9 інструментів лише для читання. ask_question повертає відповідь, SQL-запит і рядки як окремі поля. Результати обмежені 100 рядками. check_readiness підтверджує наявність скомпільованого семантичного шару та активного підключення до бази даних.

Інструмента для перегляду необроблених схем немає. NVIDIA свідомо обрала такий підхід, щоб агенти отримували доступ до даних через семантичний шар. Базова специфікація OpenAPI публікує 87 операцій. Вхід виконується через OAuth, а кожен виклик містить дозволи авторизованого користувача.

Як проводиться бенчмаркінг?

NVIDIA постачає окремий інструментарій — auto-ontology-eval. Він запускає 2 варіанти в NeMo Gym: контрольну LLM лише зі схемою та агента, заземленого на онтології. Оцінювання здійснюється за детермінованою відповідністю виконання, без використання LLM-судді.

До комплекту наборів даних входять BIRD Dev (1 534 запитання, 11 баз даних) і Mini-Dev (500 запитань). FDABench-Lite додає 169 запитань, а BEAVER за замовчуванням використовує вибірку зі 100 запитань.

Репозиторій інструментарію додає 2 обмеження. Необов’язкові приклади з кількома варіантами та якорі значень передаються лише варіанту з онтологією. Виміряна з ними різниця охоплює ці вхідні дані, а не лише заземлення. Його протестована конфігурація також спрямовує обидва варіанти через модель Claude на інференс-шлюзі NVIDIA.

Як він порівнюється з іншими семантичними шарами?

Функція	NVIDIA Auto Ontology	Wren AI	Cube Core	dbt MetricFlow
Ліцензія	Apache 2.0	Ядро Apache 2.0 (відкрите ядро)	Бекенд Apache 2.0, клієнт MIT	Apache 2.0 (v0.209.0+)
Як створюється шар	Генерується з метаданих, потім сертифікується	Контекстні файли в Git за допомогою агента	Визначається в коді	Визначається в коді в проєкті dbt
Інтерфейс агента	MCP, CLI, REST API	MCP, CLI, SDK	SQL, REST, GraphQL API	Бібліотека Python і CLI
Джерела даних	Databricks, Postgres, Snowflake, DuckDB	22+	Усі джерела даних SQL	Через адаптери dbt
Моделі за замовчуванням	Nemotron через NVIDIA NIM	Не розкрито	Не застосовується	Не застосовується

Розгортання та доступність

Для локального налаштування після заповнення .env потрібно виконати docker compose up -d --build. Користувачі Kubernetes отримують Helm-чарт і посібник DEPLOYMENT.md. Команда NVIDIA також публікує бекенд як контейнер NGC. Ключ API NVIDIA з build.nvidia.com забезпечує роботу моделей за замовчуванням.

Головні висновки

• Auto Ontology генерує початковий семантичний шар на основі корпоративних метаданих.
• Агенти запитують його через 9 інструментів MCP лише для читання, а також через CLI та API.
• NVIDIA повідомляє про на 90% швидше створення онтології під час власного тестування.
• Показники точності перетворення тексту на SQL поки не опубліковані.
• За замовчуванням використовується Nemotron на NIM, але приймається будь-яка кінцева точка, сумісна з OpenAI.

---

Перегляньте репозиторій на GitHub, інструментарій оцінювання і документацію MCP. Також підписуйтеся на нас у Twitter і не забудьте приєднатися до нашого сабреддіту про машинне навчання з понад 150 тисячами учасників та підписатися на нашу розсилку. Стривайте! Ви є в Telegram? тепер ви також можете приєднатися до нас у Telegram.

Потрібно співпрацювати з нами для просування вашого репозиторію на GitHub, сторінки на Hugging Face, релізу продукту, вебінару тощо? Зв’яжіться з нами