NVIDIA/auto-ontology

Auto Ontology is a Python framework for building semantic, graph-based reasoning layers over data. It enables deterministic query generation, better context retrieval, and more explainable AI for LLM and agent workflows.

해결하는 문제

에이전트는 문서를 검색하고 데이터베이스를 쿼리할 수 있지만, 신뢰성은 에이전트 분석의 관문입니다. 숫자가 틀리면 더 빨리 답변된 수익 지표는 가치가 없습니다. 에이전트는 데이터가 어디에 있는지, 무엇을 의미하는지, 사용할지 여부, 사용 방법, 출처, 유사한 것이 무엇인지 알려주는 컨텍스트 계층이 필요합니다. Auto Ontology는 엔터프라이즈 메타데이터에서 해당 계층을 구축하고, 시스템 간의 일관되지 않은 정의를 조정하며, MCP, CLI 및 API를 통해 모든 에이전트 하네스에 노출합니다. 이는 고객이 이미 보유한 의미론적 모델을 보완합니다.

작동 방식

Auto Ontology는 두 단계로 작동합니다. 사람들이 인증하는 온톨로지를 생성한 다음 에이전트가 그로부터 질문에 답변합니다.

생성. 수집 서비스는 소스 데이터베이스에서 테이블, 열, 키, 뷰 및 쿼리 기록을 읽고, 이를 pgvector에 임베딩하고, 모델을 사용하여 값 프로파일링, 외래 키 찾기, 비즈니스 용어 명명, SQL 속성 제안을 수행합니다. 스키마의 복사본을 용어 패밀리로 그룹화하고, 데이터가 확인할 때 외래 키를 연결하며, 초안 온톨로지를 생성합니다. 사람들은 UI 또는 API를 통해 용어, 설명 및 SQL 속성을 개선하고 인증합니다. 결과는 세 가지 유형의 정의를 가진 의미론적 그래프입니다: 용어(열에 매핑된 비즈니스 개념), SQL 속성(검토되어 일관되게 재사용되는 SQL 표현식), 관계(테이블이 조인되는 방식).

답변. 각 질문에 대해 에이전트는 의도를 분류하고, 임베딩 검색을 통해 후보 용어와 열을 검색하고, 온톨로지의 의미론적 외래 키에서 조인 경로를 계산하고(모델 없음), 추론 모델로 SQL을 작성한 다음, 정적 검사와 모델 판정기로 확인하고 수리합니다. 답변은 SQL, 수행된 단계 및 출처와 함께 반환되어 사용자가 검증할 수 있습니다. 유효한 쿼리를 구축할 수 없으면 에이전트는 이 데이터에서 질문에 답변할 수 없다고 보고합니다.

시스템은 스택으로 실행됩니다: Next.js 프론트엔드(웹 UI, 인증, API 게이트웨이), FastAPI 백엔드(텍스트-투-SQL 에이전트, 카탈로그 API), 수집 워커, 스토리지용 Postgres+pgvector, 자격 증명용 선택적 HashiCorp Vault, 그리고 모든 MCP 클라이언트에 읽기 전용 도구를 노출하는 FastMCP 기반 MCP 서버입니다. 모델은 환경 변수 트리플릿(엔드포인트, API 키, 모델)으로 구성되며 기본적으로 NVIDIA NIM 엔드포인트를 사용합니다.

대상 사용자

  • 엔터프라이즈 데이터베이스 위에 에이전트 분석 또는 채팅 인터페이스를 구축하는 개발자.
  • 시스템 전반에 걸쳐 비즈니스 정의와 쿼리 로직을 표준화하려는 데이터 팀.
  • 이미 의미론적 모델을 보유했거나 교환을 위해 Apache Ossie를 채택하려는 팀.
  • 구조화된 데이터에 대해 신뢰할 수 있고 출처가 보장된 자연어 질의응답이 필요한 모든 사람.

주요 기능

  • 구조화된 데이터의 자연어 쿼리를 SQL로 변환하여 연결된 데이터베이스에서 실행.
  • 메타데이터에서 자동 온톨로지 생성 및 인간 참여 인증.
  • 시스템 간 일관되지 않은 정의 조정.
  • 인증된 정의 및 계보에 대한 생성 쿼리 검증; 답변에는 출처가 포함됩니다.
  • MCP, CLI 및 API를 통해 모든 에이전트 하네스에 노출.
  • 채팅, 분석, 데이터 카탈로그, 분석 및 설정을 위한 웹 UI.
  • Helm(Kubernetes) 또는 Docker Compose를 통한 유연한 배포.
  • Apache Ossie와 호환되어 의미론적 모델을 YAML로 가져오기/내보내기 가능.
  • 폴백이 있는 트리플릿을 통한 모델 구성, NVIDIA NIM 또는 OpenAI 호환 엔드포인트 지원.
  • 선택적 PII 감지, KumoRFM을 통한 예측 쿼리, Vault의 연결 자격 증명 저장.

관련

  • 프로젝트
  • 프로젝트
  • Dispatch
  • 프로젝트
  • 프로젝트