gogoymh/auto-ontology-mcp

NVIDIA Auto Ontology's semantic layer and a personal knowledge base as an MCP server for Claude, ChatGPT and other MCP clients. No LLM API key needed.

Auto Ontology MCP — AIアシスタントが構築・クエリするセマンティックレイヤー

一言で言うと: Auto Ontology MCPは、AIコーディングアシスタント(Claude Code, Codex, Cursor, VS Codeなど)に、データベースやドキュメントに対する信頼性の高い「セマンティックレイヤー」を提供するツールです。これにより、平易な英語で質問した際に、アシスタントがテーブル名や結合ロジックを推測するのではなく、レビュー・検証済みのデータモデルに基づいて作業できるようになります。

解決する問題

Text-to-SQL(AIに平易な英語からデータベースクエリを書かせること)は、静かに失敗します。クエリは実行され、数値が返されますが、それが間違っていることを知らせるものは何もありません。READMEには具体的な例が挙げられています:

  • モデルが billing_city_id と delivery_city_id のどちらが「顧客の州」を意味するのかを推測する
  • 整数値が偶然一致しているだけで実際には関連のない列で2つのテーブルを結合する
  • 保存されている値が 'Pennsylvania' であるのに state_name = 'pennsylvania' でフィルタリングする
  • 注文明細に結合した後に製品価格を合計し、合計を膨らませる(「ファンアウト」エラー)

Auto Ontology MCPは、セマンティックレイヤー(レビュー済みのビジネス用語、テーブル関係、検証ルールのセット)を構築・維持することでこれを修正し、アシスタントがSQLを書く前および書いている最中にこれを参照するようにします。

仕組み

2つのコンポーネントが連携します:

  1. MCPクライアント内のモデル(Claude, Codexなど)が言語処理を行います:スキーマの読み取り、ドキュメントからの事実抽出、概念の命名、回答の判断、SQLの記述。
  2. サーバーが決定論的な作業を行います:スキーマ抽出、データプロファイリング、キー推論、検証、保存、および読み取り専用のクエリ実行。これらはすべてローカルのSQLiteファイル内で行われます。

これは、Next.js/FastAPI/Postgresスタックの背後で独自のLLMを実行するNVIDIAのオリジナルのAuto Ontologyとは対照的です。このプロジェクトは、すべての言語ステップを既存のモデルに委ねるため、ホストすべきモデルエンドポイントも、設定すべきAPIキーもありません。

2つの主な役割

1. データベースへの問い合わせ

データベースを指定すると、アシスタントは以下のことを行います:

  • ビジネス用語を構築する(例:「収益」 = order_lines.line_total)
  • テーブル間の結合をレビューし、正しいパスを記録する
  • サーバーがオントロジーと実際のデータに対して検証したSQLで質問に回答する

検証では、未知の列、オントロジーが知らない結合、惜しいリテラル('pennsylvania' 対 'Pennsylvania' など)、パーセント対分数のしきい値、1対多のファンアウトエラーをキャッチします。

2. 個人用知識ベースの保持

領収書、明細書、論文、読書メモ、スクリーンショットをアシスタントと共有します。アシスタントはそれらを読み取り、以下を保存します:

  • 事実を型付きレコードとして
  • アイデアを型付き関係(例:「原因」、「一部」)を持つリンクされた概念として
  • パッセージを全文検索インデックスで再検索可能に
  • ソース — すべてのレコードがその起源と背後にある引用を保持

オリジナルの全文はObsidianボルトに残ります。後の質問では、正確な数値、検索可能な引用、元のドキュメントへのリンクが得られます。

これは、「LLM Wiki」パターン(モデルにソースをコンパイルさせてマークダウンページにするというKarpathyのアイデア)のドロップイン代替として位置付けられています。バラバラのページではなく、SQLで合計/フィルタリング/比較できる型付きテーブル、型付きリンクを持つ概念ページ、そしてすべてを [[links]] とグラフビューを持つObsidianボルトとして書き出す export_wiki コマンドが得られます。

主な機能(READMEより)

機能 内容
カタログとプロファイリング テーブル/列/キーを読み取り、行をサンプリングして上位値、一意性、NULL率、範囲、日付形式、小さな列挙型の完全な値セット、リストを格納するテキスト列を記録
キー推論 名前から未宣言の主キー/外部キーを見つけ、値の包含関係で確認;役割(billing_ 対 delivery_)、自己参照、ブリッジテーブルを検出
モデルによるモデリング サンプルとキーを含むテーブルを一度に1つずつモデルに渡し、提案された用語と列マッピングを検証・保存
SQL属性 実行されたクエリから再利用可能なフィルタ、メジャー、結合パターンをマイニング;保存前にデータベースに対して各候補をテスト
回答可能性 質問のエンティティが用語、属性、または保存された値でカバーされているかを確認;一致したテーブルがどのようにリンクしているか(行対行、共有親、またはリンクなし)を検証
検証 未知の列、未知の結合、惜しいリテラル、リスト列の等価性、パーセント対分数の間違い、ファンアウトエラーをキャッチし、ドライランを実行
ガバナンス 用語のドラフト/認定/非推奨ステータス;認定された定義を編集するとドラフトに戻る
知識ストア エンティティ、概念、パッセージ、ソースの書き込み可能なストア。すべてのレコードにロケーター/引用付き
全文検索 bm25ランキング付きのFTS5インデックス;プレフィックスマッチングが韓国語の助詞(기억 → 기억을)を処理;スニペットと [[links]] を返す
SQL内の概念グラフ 用語、関係、パッセージはクエリ可能なテーブルであるため、1つの検証済みクエリでテキスト検索、再帰的な関係探索、レコードを組み合わせることが可能
Obsidian内のオリジナル 各ソースの全文はボルトに残る;ストアは要約と見出しへのリンクを保持
インプレース更新 再スキャンにより用語、認定、レビュー済み結合を保持;変更されたドキュメントはすべてを再構築することなく自身のパッセージを置き換える
ポータブル セマンティックレイヤー全体を1つのYAMLまたはJSONドキュメントとしてエクスポート/インポート

デモ

READMEには、架空の小売店を使用したデモ(auto-ontology-mcp demo)が含まれています:11のテーブル、3,200の注文、知識ストア内の3つのドキュメント、および両方を必要とする質問。以下を示しています:

  • SQLを書く前に回答可能性をチェックするアシスタント
  • 間違った結合と間違ったリテラルをキャッチする検証
  • 質問に答えられない場合(例:「広告費に対する収益」 — データベースには売上はあるが広告費データがない)の説明
  • 構造化データ(収益数値)と非構造化ドキュメント(収益が減少した理由)の組み合わせ
  • 全文検索 + 型付き関係探索 + パッセージ結合を1つのSQL文で実行

はじめに

uv が必要です。

  1. デモのセットアップ: uvx --from git+https://github.com/gogoymh/auto-ontology-mcp auto-ontology-mcp demo
  2. クライアントの接続: Cursor または VS Code はワンクリックインストール;他のクライアントは設定スニペットを使用(config コマンドで絶対パス付きで出力されます)。

安全上の注意

すべてのSQL実行は読み取り専用です — サーバーはローカルのSQLiteファイルに対してクエリを実行し、実行前にオントロジーに対して検証を行います。

ライセンス

Apache-2.0。Python 3.12+。

関連

  • プロジェクト
  • プロジェクト
  • プロジェクト
  • プロジェクト