NVIDIA Auto Ontologyとは？
Auto Ontologyはリレーショナルデータベースの上にビジネス上の意味のレイヤーを構築し、「売上」を尋ねるエージェントが毎回同じ列、結合、計算式を使うようにします。スキーマを読み、列をプロファイリングし、値をサンプリングしてから、3種類の定義を下書きします。列に対応付けた用語(CustomerやInvoice Lineなど)、マージンのようなレビュー済みのSQL属性、テーブル間のリレーションシップで、Postgresに保存され、埋め込みはpgvectorに入ります。人はWeb UIで下書きを修正し、認証します。
その後、エージェントは読み取り専用のMCPサーバー、REST API、組み込みのチャットで質問します。各回答はSQLとそれを導いた手順付きで返り、check_answerableツールはデータで答えられない質問をエージェントに知らせます。PostgreSQL、MySQL、Snowflake、Databricks、ClickHouse、Trino、DuckDBを含む10のエンジンに接続し、Apache Ossie形式でモデルをインポート・エクスポートできます。
Docker ComposeかHelmチャートで動きます。構成はBetter Authのログインとロールを備え たNext.jsのフロントエンド、2つのFastAPIサービス、Postgresです。モデルは初期設定でbuild.nvidia.comのNVIDIA NIMエンドポイントを使い、OpenAI互換のエンドポイントなら何でも置き換えられます。Apache-2.0で、NVIDIAは外部からのプルリクエストを受け付けていません。
NVIDIA Auto Ontologyは使う価値があるか？
Auto Ontologyは、エージェントによる分析で本当に問題になる失敗を狙っています。「売上」が別の意味だったために、クエリは動くのに誤った数字を返す失敗です。その手法は下書きと認証のループです。モデルがメタデータとクエリ履歴から用語、結合、SQL属性を下書きし、人がそれを修正・認証し、エージェントは認証済みのSQLを再利用するので、同じ指標は毎回同じ方法で計算されます。
READMEはMicrosoftのWide World Importersサンプルでの結果を示しています。1回のコンパイルで31の用語が生成され、ある製品の2015年6月のペンシルベニアでの売上を尋ねると、3件の請求明細から$588.80が返り、使われた6テーブルの結合も示されます。NVIDIAは別の評価リポジトリを公開しており、BIRD、BEAVER、FDABench-Lite、Wide World Importersを、スキーマのみの場合とオントロジー経由の場合の2回実行し、LLMジャッジなしで実行結果によって採点します。README自体は精度の数字を公開していないので、効果は自分のデータで測る必要があります。
注意点：重さと信頼境界です。ローカル導入はPostgresとpgvector、Next.jsアプリ、2つのFastAPIサービス、任意のVault、サンプルデータを投入したデータベースからなります。READMEは、バックエンドが転送されたユーザーヘッダーを信頼し、取り込みのエンドポイント(ingest、delete、reset、compile)に認証がないため、ポート3001と3002は非公開に保つよう警告しています。初期設定ではスキーマ、列のサンプル、質問がNVIDIAのホスト型APIに送られ、KumoRFMの予測を有効にすると接続したテーブルがKumoのサービスにアップロードされます。
若く、コントリビューションには閉じています。公の報道は2026年11月1日に始まり、リポジトリのスターは6,806、未解決のissueとプルリクエストは52件です。バージョンは11月5日に1.2.0に達しましたがGitHubのリリースはなく、統合の要望(BigQuery、Microsoft Fabric)はNVIDIAのチーム待ちです。すでにレビューしているコードで指標を定義するdbt MetricFlowやCubeと比べると、Auto Ontologyの利点は最初の下書きを生成し質問に直接答えることで、欠点は運用するシステムがもう1つ増えることです。
真価を発揮する場面
Snowflakeを使う従業員2,000人の小売企業のデータプラットフォームチーム
アナリストとエージェントが、それぞれ独自の定義を作らずに売上について質問できるようにする
Snowflakeを接続してオントロジーをコンパイルし、財務アナリストに売上とマージンのSQL属性を認証してもらい、読み取り専用のMCPサーバーをCursorとClaude Desktopに公開します。推論はNVIDIAのAPIかセルフホストのNIMで動きます。
社内アシスタント向けにtext-to-SQLを評価するMLエンジニア
自社のスキーマでセマンティックレイヤーが精度を上げるか測る
NVIDIAのontology-sql-evalリポジトリを使い、同じ質問をスキーマのみとオントロジー経由で実行して実行結果で採点し、改善した質問と悪化した質問の一覧を読みます。
規制下にある銀行の分析グループ
データベースの内容を外部のモデルAPIに出さない
すべてのモデルの役割をセルフホストのNIMか社内のOpenAI互換エンドポイントに向け、認証情報をVaultに保存し、Helmチャートでデプロイし、KumoRFMは無効のままにします。
導入前に確認すること
- 導入
- Compose v2付きのDocker、uv、NVIDIAのAPIキーが必要です。.env.exampleをコピーしてパスワードとキーを設定し、auto-ontology-evalからサンプルデータベースを投入し、docker compose upを実行してから、SettingsでSemantic Compilationを有効にします。Kubernetes向けにHelmチャートがあります。
- 連携
- PostgreSQL、MySQL、Databricks、Snowflake、ClickHouse、Trino、Apache Kyuubi、HeavyDB、DuckDB、SQLite。check_answerableやask_questionなどのツールを備えたMCPサーバー(FastMCP)。ストリーミング回答とOpenAPI仕様付きのREST API。3つのエージェントスキル。Apache Ossie YAMLのインポートとエクスポート。
- データとプライバシー
- カタログ、オントロジー、アプリのデータは自分のPostgresに残ります。モデルの呼び出しは初期設定でintegrate.api.nvidia.comに送られ、KumoRFMを有効にすると最大20テーブルを受け取ります。ログインとロールはBetter Auth、認証情報には任意でVault。Apache-2.0。
- 大規模利用時のコスト
- セルフホストのサービスと推論の費用です。初期設定では推論にnemotron-3.5-lightning-30b-a3b、埋め込みとリランクに小型のNemotronモデルを使い、NVIDIAのホスティングか自前のGPUで動かします。
- 制限
- ポート3001と3002はプライベートネットワークにとどめる必要があります。未解決のissueとプルリクエストは52件。外部のコントリビューションは受け付けません。モデルは構造化出力に対応している必要があり、埋め込みモデルは取り込みと問い合わせの間で変更できません。
良い点
- メタデータから用語、結合、SQL属性を下書きし、人が認証する
- すべての回答がSQLとその背後の手順を返す
- 各ユーザーの権限で動く読み取り専用のMCPサーバー
- 10のデータベースエンジンとApache Ossieのインポート・エクスポート
- BIRDなどでのジャッジ不要の独立したベンチマーク環境
気になる点
- 重いスタック：Postgres、3つのサービス、任意のVault
- 内部ポート3001と3002は設計上認証なし
- 初期設定でスキーマとサンプルをNVIDIAのホスト型APIに送る
- READMEに精度の数字がなく、外部のプルリクエストも不可
- 認証には継続的な人のレビューが必要
おすすめの人
自社インフラ上で、認証済みのビジネス定義に基づいてエージェントに回答させたく、複数サービスのスタックを運用できるデータプラットフォームチーム。
NVIDIA Auto Ontologyの代替
NVIDIA Auto Ontology：よくある質問
- NVIDIA Auto Ontologyは使う価値があるか？
- 正しい構文のSQLを誤ったビジネス上の意味で書いてしまうエージェントへの、本格的なセルフホスト型の答えです。ただしスタック全体を運用でき、下書きの認証に時間を割けることが前提です。 評価は5点満点中3.9点です。
- NVIDIA Auto Ontologyの料金は？
- Apache-2.0で無料です。モデルの推論(初期設定はNVIDIAのホスト型APIカタログ、または自前のNIMやOpenAI互換エンドポイント)と、Postgresおよび3つのサービスのホスティングの費用がかかります。
- NVIDIA Auto Ontologyの欠点は？
- 重いスタック：Postgres、3つのサービス、任意のVault; 内部ポート3001と3002は設計上認証なし; 初期設定でスキーマとサンプルをNVIDIAのホスト型APIに送る; READMEに精度の数字がなく、外部のプルリクエストも不可; 認証には継続的な人のレビューが必要.
- NVIDIA Auto Ontologyは誰に向いているか？
- 自社インフラ上で、認証済みのビジネス定義に基づいてエージェントに回答させたく、複数サービスのスタックを運用できるデータプラットフォームチーム。
- チームや本番環境でNVIDIA Auto Ontologyを使うと費用はいくらか？
- セルフホストのサービスと推論の費用です。初期設定では推論にnemotron-3.5-lightning-30b-a3b、埋め込みとリランクに小型のNemotronモデルを使い、NVIDIAのホスティングか自前のGPUで動かします。
- NVIDIA Auto Ontologyは企業データを扱っても安全か？
- カタログ、オントロジー、アプリのデータは自分のPostgresに残ります。モデルの呼び出しは初期設定でintegrate.api.nvidia.comに送られ、KumoRFMを有効にすると最大20テーブルを受け取ります。ログインとロールはBetter Auth、認証情報には任意でVault。Apache-2.0。
- NVIDIA Auto Ontologyの代わりになるものは？
- 当サイトでレビューした中で最も近い代替はGraphRAG, Open Ontologies 、 LlamaIndexです。
回答確認日：2026年11月5日