NVIDIA Auto Ontology: Open-Source Semantic Layer for Agents
It treats correctness, not speed, as the bottleneck for agent-driven analytics, requiring answers to carry verifiable business meaning and lineage. Data and platform teams can layer it on existing semantic models instead of rebuilding them, and expose certified metrics to any MCP-capable agent. Deployment is self-hosted via NGC Helm charts or Docker Compose, with self-service registration disabled and a bootstrap admin required for governance.
NVIDIA released Auto Ontology, an open-source semantic layer for enterprise analytics that builds ontologies from metadata and exposes them to agents via MCP, API and CLI. It grounds metrics and entities with trusted business definitions, validates generated queries against certified definitions and lineage, and returns answers with provenance. The MCP server is read-only, lets users query through a Text-to-SQL agent via ask_question, and offers pre-checks like check_answerable before querying. Deployment is through Helm charts on NGC or Docker Compose locally, with three skills for coding agents covering setup, management and querying.
NVIDIA Auto Ontology：给 Agent 用的企业语义层与可控 Text-to-SQL NVIDIA 开源的一套面向企业分析场景的开源语义层：从元数据生成并调和本体，再通过 Web、API、MCP 把「指标/实体到底什么意思、能不能用、怎么查」交给任意 Agent；主打的不是更快出数，而是先有可校验的业务含义与出处。 github.com/NVIDIA/auto-on… 它要解决什么问题？ Agent 已经能检索文档、查库，但分析场景的门槛是答案对不对，收入指标答得再快，错了也没用。Agent 需要一层上下文：数据在哪、含义是什么、该不该用、怎么用、从哪来、还有什么相近概念。Auto Ontology 从企业元数据搭这层，调和各系统里不一致的定义，并声明可以叠在客户已有的语义模型之上，而不是要求推倒重来。 官方把能力收成五条：Discover（从元数据生成本体、接入已有本体、做成 AI 可用的知识图）、Ground（给指标/实体/关系可信业务含义）、Validate（对照认证定义与血缘检查生成查询，答案带回出处）、Expose（MCP / CLI / API 对任意 Agent 外壳开放）、Learn（把认证修正与使用反馈折回本体）。 给 Agent 的接口：MCP 与 Skills MCP 服务是 Auto Ontology 公开 API 的 HTTP 客户端，自己不持库凭据和模型配置；用户在客户端里走部署侧登录，权限跟本人一致。工具刻意做成只读，且只走语义层，不直接逛裸 schema： · ask_question：跑 Text-to-SQL Agent，返回答案、SQL、行结果 · search_terms / get_term / get_term_columns / get_term_sql_attributes 等：先摸清业务词与映射 · describe_table、check_answerable：表级视图与「问之前先估覆盖」的廉价预检 改术语、发布语义模型等写入走 Next.js /api/...。仓库根还有三份面向编码 Agent 的 skill（nvidia-ontology-setup / management / query），生命周期是安装接通 → 建模 → 暂存校验 → 查询验证 → 受控发布；并同步到 nvidia/skills 与 build.nvidia. com/skills。维护者文档与面向外部 Agent 的 skill 刻意分开（CLAUDE.md vs AGENTS.md）。 部署与治理边界 官方安装路径是 NGC 上的 Helm chart 与镜像（nvcr. io/nvidia/auto-ontology 等）；本机可用 Docker Compose。自助注册关闭，Helm 必须配引导管理员。连接可来自 UI，或部署时的 CONNECTION_STRINGS（仅当没有 UI 连接时作后备）。未配齐 Vault 时，UI 写入的连接密码会以明文 JSON 存在 Postgres，这是文档写明的默认风险，不是隐含细节。 BIRD 一类 Text-to-SQL 评测指向独立仓库 ontology-sql-eval。许可证 Apache-2.0，但目前不接受外部贡献；安全问题走 SECURITY.md。MCP 文档里仍有一句「今天对内、uvx 需有仓库权限的 GitHub 凭据、上 PyPI 后才可裸装」，与公开仓库并存，用的人要按实际发布状态核对，不要默认 pip install 已经通了。 💬 1 🔄 1 ❤️ 3 👀 372 📊 3 ⚡
