NVIDIA 发布 Auto Ontology 开源语义层，为 AI Agent 的 SQL 查询提供依据

NVIDIA 发布了 Auto Ontology，这是一个基于 Apache 2.0 许可证的开源库。NVIDIA Auto Ontology 是一个语义层框架，可从企业元数据构建上下文层。Agent 借助该层，基于经过认证的业务定义来编写 SQL。该仓库直白地指出了问题所在：如果数字是错的，再快的营收答案也毫无价值。

摘要

• 库：默认 LLM 为 nvidia/nemotron-3-nano-30b-a3b，并搭配 Nemotron 嵌入和重排序模型。
• 运行方式：用 Docker Compose 搭建本地栈，或通过 Helm 部署到 Kubernetes。推理使用托管的 NVIDIA NIM 端点或自托管 NIM。
• 性能：工程实现扎实，公开证据薄弱。
• 最佳：在 NVIDIA 自己的测试中，本体创建时间缩短了 90%（自报数据）。
• 最差：未公布任何 text-to-SQL 准确率分数。评估仓库只提供测试框架，不提供结果。
• 结论：一个开放、支持 MCP 的上下文层，任何 agent 框架都可以查询。但你必须自己跑基准测试才能信任它。

什么是 NVIDIA Auto Ontology？

它是一个位于 agent 和数据仓库之间的上下文层。它告诉 agent 数据在哪里、字段是什么意思。它还会说明是否应使用某个字段、如何使用，以及该字段来自哪里。

以下是它的五项职责：

• 发现：从元数据生成本体，并连接已有的语义模型。
• grounding：为 agent 提供指标、实体和关系的可信含义。
• 校验：依据经过认证的定义和血缘关系检查生成的查询。
• 暴露：通过 MCP、CLI 和 API 提供上下文。
• 学习：将经过认证的修正回流到本体中。

NVIDIA 的开发者页面将输出定位为一个起步本体。业务专家仍需对其进行测试、完善和认证。

Auto Ontology 如何工作？

该栈包含 4 个核心服务。一个 Next.js 16 前端在 3000 端口处理 Web UI 和认证。一个基于 FastAPI、使用 LangChain 的后端在 3001 端口运行聊天、NL-to-SQL 和目录 API。一个摄取 worker 在 3002 端口写入嵌入。带 pgvector 的 Postgres 存储目录、本体和向量。

源数据库可以是 Databricks、Postgres、Snowflake 或 DuckDB。模型通过端点、密钥和模型组成的“三元组”环境变量来设置。推理、非推理、嵌入和重排序分别有独立的角色。任何兼容 OpenAI 的端点都可以使用。

MCP 服务器暴露了什么？

MCP 服务器文档描述了 9 个只读工具。ask_question 将答案、SQL 和行数据作为独立字段返回。结果最多 100 行。check_readiness 用于确认已编译的语义层和实时数据库连接存在。

没有用于浏览原始 schema 的工具。NVIDIA 有意如此设计，以便 agent 通过语义层访问数据。底层的 OpenAPI 规范公布了 87 个操作。登录通过 OAuth 进行，每次调用都携带登录用户的权限。

如何做基准测试？

NVIDIA 单独发布了一个测试框架 auto-ontology-eval。它在 NeMo Gym 中运行 2 个实验组：一个仅使用 schema 的 LLM 对照组，以及一个基于本体 grounding 的 agent。评分采用确定性的执行匹配，不使用 LLM 评判。

内置数据集包括 BIRD Dev（1,534 个问题，11 个数据库）和 Mini-Dev（500 个问题）。FDABench-Lite 增加了 169 个问题，BEAVER 默认使用 100 个问题的样本。

该测试框架仓库补充了 2 项限制。可选的 few-shot 示例和值锚点仅提供给本体实验组。使用这些输入测得的差值涵盖的是这些输入的影响，而非仅由 grounding 带来的影响。其测试配置还将两个实验组都通过 NVIDIA 推理网关上的 Claude 模型路由。

与其他语义层相比如何？

功能 | NVIDIA Auto Ontology | Wren AI | Cube Core | dbt MetricFlow 许可证 | Apache 2.0 | Apache 2.0 核心（开放核心） | Apache 2.0 后端，MIT 客户端 | Apache 2.0（v0.209.0+） 层的构建方式 | 从元数据生成，然后认证 | Agent 辅助的 Git 上下文文件 | 在代码中定义 | 在 dbt 项目的代码中定义 Agent 接口 | MCP、CLI、REST API | MCP、CLI、SDK | SQL、REST、GraphQL API | Python 库和 CLI 数据源 | Databricks、Postgres、Snowflake、DuckDB | 22+ | 所有 SQL 数据源 | 通过 dbt 适配器 默认模型 | 通过 NVIDIA NIM 使用 Nemotron | 未披露 | 不适用 | 不适用

部署与可用性

本地设置在填写 .env 后执行 docker compose up -d --build。Kubernetes 用户可使用 Helm chart 和 DEPLOYMENT.md 指南。NVIDIA 团队还将后端发布为 NGC 容器。来自 build.nvidia.com 的 NVIDIA API key 可用于默认模型。

关键要点

• Auto Ontology 从企业元数据生成起步语义层。
• Agent 通过 9 个只读 MCP 工具以及 CLI 和 API 查询它。
• NVIDIA 报告在其自己的测试中本体创建速度提升了 90%。
• 尚未公布 text-to-SQL 准确率分数。
• 默认在 NIM 上使用 Nemotron，但接受任何兼容 OpenAI 的端点。

查看 GitHub 仓库、评估框架和 MCP 文档。也欢迎在 Twitter 上关注我们，别忘了加入我们 15 万+ 的 ML SubReddit 并订阅我们的 Newsletter。等等！你在 Telegram 上吗？现在你也可以在 Telegram 上加入我们。

需要与我们合作推广你的 GitHub 仓库、Hugging Face 页面、产品发布或网络研讨会等？联系我们。

文章 NVIDIA Releases Auto Ontology: An Open Semantic Layer That Grounds AI Agent SQL 首发于 MarkTechPost。