NVIDIA 开源 Auto Ontology：为 AI 智能体 SQL 提供语义层
NVIDIA 以 Apache 2.0 许可证开源 Auto Ontology，这是一个从企业元数据构建语义层的框架，智能体通过它按已认证的业务定义生成 SQL。
MarkTechPost· Asif Razzaq·2026-11-02 15:47· 3 小时前AI 评分59
NVIDIA 发布 Auto Ontology：一个为 AI 智能体 SQL 提供依据的开放语义层
AI 导读
NVIDIA 以 Apache 2.0 许可证开源 Auto Ontology，一个从企业元数据构建语义层的框架，供智能体按认证业务定义生成 SQL。
正文 · 原文
NVIDIA 发布了 Auto Ontology，这是一个采用 Apache 2.0 许可证的开放库。NVIDIA Auto Ontology 是一个语义层框架，可从企业元数据构建上下文层。智能体使用该层，依据经过认证的业务定义编写 SQL。代码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。
TL;DR
- 库：默认 LLM 为
nvidia/nemotron-3-nano-30b-a3b，并搭配 Nemotron 嵌入与重排序模型。 - 运行方式：使用 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 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。评估仓库只提供了测试框架，没有结果。
- 结论：一个开放、支持 MCP 的上下文层，任何智能体框架都可以查询。但你必须自己运行基准测试才能信任它。
NVIDIA Auto Ontology 是什么？
它是一个位于智能体和数据仓库之间的上下文层。它告诉智能体数据存放在哪里、字段的含义是什么。它还会说明是否应使用某个字段、如何使用，以及该字段来自何处。
以下是五项职责：
- 发现：从元数据生成本体，并连接现有的语义模型。
- 依据：为智能体提供指标、实体和关系的可信含义。
- 验证：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：将经过认证的修正反馈回本体。
NVIDIA 的开发者页面将输出定位为一个起始本体。业务专家仍需对其进行测试、完善和认证。
Auto Ontology 如何工作？
该技术栈包含 4 个核心服务。Next.js 16 前端在 3000 端口处理 Web UI 和身份验证。基于 LangChain 的 FastAPI 后端在 3001 端口运行聊天、NL-to-SQL 和目录 API。摄取工作进程在 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”环境变量进行设置。推理、非推理、嵌入和重排序分别设有独立角色。任何兼容 OpenAI 的端点均可使用。
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。结果上限为 100 行。check_readiness 确认已编译的语义层和实时数据库连接存在。
没有用于浏览原始模式的工具。NVIDIA 有意如此选择，以便智能体通过语义层访问数据。底层 OpenAPI 规范发布了 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。
如何对其进行基准测试？
NVIDIA 发布了一个独立的测试工具 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（ontology）的智能体。评分采用确定性的执行匹配，不使用 LLM 评判。
捆绑数据集包括 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。
该测试工具仓库补充了 2 项限制。可选的少样本示例和值锚点仅提供给本体实验组。使用它们测得的差值涵盖这些输入，而不仅仅是 grounding 本身。其测试配置还将两个实验组都通过 NVIDIA 推理网关上的 Claude 模型进行路由。
它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+） |
| 该层如何构建 | 从元数据生成，然后进行认证 | Git 中由智能体辅助生成的上下文文件 | 在代码中定义 | 在 dbt 项目的代码中定义 |
| 智能体接口 | 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
填写 .env 后，本地设置为 docker compose up -d --build。Kubernetes 用户可获得 Helm chart 和 DEPLOYMENT.md 指南。NVIDIA 团队还将后端作为 NGC 容器发布。来自 build.nvidia.com 的 NVIDIA API 密钥可覆盖默认模型。
关键要点
- Auto Ontology 从企业元数据生成初始语义层。
- 智能体通过 9 个只读 MCP 工具以及 CLI 和 API 查询它。
- NVIDIA 报告称在其自身测试中本体创建速度提升了 90%。
- 尚未发布 text-to-SQL 准确率分数。
- 默认在 NIM 上使用 Nemotron，但接受任何 OpenAI 兼容端点。
查看 GitHub 仓库、 评估工具 和 MCP 文档。另外，欢迎在 Twitter 上关注我们，别忘了加入我们的 150k+ ML SubReddit 并订阅 我们的新闻通讯。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您的 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 首次出现在 MarkTechPost。
来源：MarkTechPost · marktechpost.com
来源：RadarAI · aihot.news