NVIDIA Auto Ontology의 개요
Auto Ontology는 관계형 데이터베이스 위에 비즈니스 의미의 레이어를 만들어, "매출"을 묻는 에이전트가 매번 같은 열, 조인, 공식을 쓰도록 합니다. 스키마를 읽고 열을 프로파일링하고 값을 샘플링한 뒤 세 종류의 정의 초안을 만듭니다. 열에 매핑된 용어(Customer나 Invoice Line 등), 마진 같은 검토된 SQL 속성, 테이블 간 관계이며, Postgres에 저장되고 임베딩은 pgvector에 들어갑니다. 사람은 웹 UI에서 초안을 다듬고 인증합니다.
그다음 에이전트는 읽기 전용 MCP 서버, REST API 또는 내장 채팅으로 질문합니다. 각 답변은 SQL과 그 답을 만든 단계와 함께 돌아오며, check_answerable 도구는 데이터로 답할 수 없는 질문을 에이전트에게 알려 줍니다. PostgreSQL, MySQL, Snowflake, Databricks, ClickHouse, Trino, DuckDB를 포함한 열 가지 엔진에 연결되고, Apache Ossie 형식으로 모델을 가져오고 내보냅니다.
Docker Compose나 Helm 차트로 실행됩니다. Better Auth 로그인과 역할을 갖춘 Next.js 프런트엔드, 두 개의 FastAPI 서비스, Postgres로 구성됩니다. 모델은 기본적으로 build.nvidia.com의 NVIDIA NIM 엔드포인트를 쓰며, OpenAI 호환 엔드포인트라면 무엇이든 대신 쓸 수 있습니다. Apache-2.0이며, NVIDIA는 외부 풀 리퀘스트를 받지 않습니다.
NVIDIA Auto Ontology, 쓸 만한 가치가 있습니까?
Auto Ontology는 에이전트 분석에서 정말 중요한 실패를 겨냥합니다. "매출"이 다른 뜻이었기 때문에 쿼리는 실행되지만 틀린 숫자를 돌려주는 실패입니다. 접근 방식은 초안 작성과 인증의 반복입니다. 모델이 메타데이터와 쿼리 기록에서 용어, 조인, SQL 속성의 초안을 만들고, 사람이 이를 고치고 인증하며, 에이전트는 인증된 SQL을 재사용하므로 같은 지표가 매번 같은 방식으로 계산됩니다.
README는 Microsoft의 Wide World Importers 샘플에서 결과를 보여 줍니다. 한 번의 컴파일로 31개의 용어가 만들어졌고, 한 제품의 2015년 6월 펜실베이니아 매출을 물으면 3개의 송장 항목에서 $588.80을 돌려주며 사용한 6개 테이블 조인도 함께 보여 줍니다. NVIDIA는 별도의 평가 저장소를 공개하는데, BIRD, BEAVER, FDABench-Lite, Wide World Importers를 스키마만으로 한 번, 온톨로지를 거쳐 한 번, 총 두 번 실행하고 LLM 심사 모델 없이 실행 결과로 채점합니다. README 자체에는 정확도 수치가 없으므로, 개선 효과는 자기 데이터로 측정해야 합니다.
주의할 점: 무게와 신뢰 경계입니다. 로컬 설치는 Postgres와 pgvector, Next.js 앱, 두 개의 FastAPI 서비스, 선택 사항인 Vault, 샘플 데이터가 들어간 데이터베이스로 이루어집니다. README는 백엔드가 전달된 사용자 헤더를 신뢰하고 수집 엔드포인트(ingest, delete, reset, compile)에 인증이 없으므로 포트 3001과 3002를 비공개로 유지해야 한다고 경고합니다. 기본 설정에서는 스키마, 열 샘플, 질문이 NVIDIA의 호스팅 API로 전송되고, KumoRFM 예측을 켜면 연결된 테이블이 Kumo의 서비스로 업로드됩니다.
아직 초기 단계이며 기여를 받지 않습니다. 공개 보도는 2026년 11월 1일에 시작되었고, 저장소에는 스타 6,806개와 열린 이슈 및 풀 리퀘스트 52건이 있으며, 버전은 11월 5일 1.2.0에 이르렀 지만 GitHub 릴리스는 없고, 통합 요청(BigQuery, Microsoft Fabric)은 NVIDIA 팀의 처리를 기다리고 있습니다. 이미 검토하고 있는 코드로 지표를 정의하는 dbt MetricFlow나 Cube와 비교하면, Auto Ontology의 장점은 첫 초안을 만들고 질문에 바로 답한다는 것이고, 단점은 운영할 시스템이 하나 더 생긴다는 것입니다.
제 역할을 하는 곳
Snowflake를 쓰는 직원 2,000명 규모 소매 기업의 데이터 플랫폼 팀
분석가와 에이전트가 각자 정의를 만들어 내지 않고 매출에 관해 질문하게 하기
Snowflake를 연결하고 온톨로지를 컴파일한 뒤, 재무 분석가에게 매출과 마진 SQL 속성을 인증하게 하고, 읽기 전용 MCP 서버를 Cursor와 Claude Desktop에 노출합니다. 추론은 NVIDIA의 API나 직접 호스팅한 NIM에서 실행됩니다.
사내 어시스턴트용 text-to-SQL을 평가하는 ML 엔지니어
우리 스키마에서 시맨틱 레이어가 정확도를 높이는지 측정
NVIDIA의 ontology-sql-eval 저장소로 같은 질문을 스키마만으로, 그리고 온톨로지를 거쳐 실행하고 실행 결과로 채점한 뒤, 고쳐진 질문과 망가진 질문 목록을 확인합니다.
규제를 받는 은행의 분석 그룹
데이터베이스 내용을 외부 모델 API로 내보내지 않기
모든 모델 역할을 직접 호스팅한 NIM이나 사내 OpenAI 호환 엔드포인트로 지정하고, 자격 증명은 Vault에 저장하고, Helm 차트로 배포하며, KumoRFM은 꺼 둡니다.
도입 전 확인할 점
- 설정
- Compose v2가 있는 Docker, uv, NVIDIA API 키가 필요합니다. .env.example을 복사해 비밀번호와 키를 설정하고, auto-ontology-eval에서 샘플 데이터베이스를 채우고, docker compose up을 실행한 뒤 Settings에서 Semantic Compilation을 켭니다. Kubernetes용 Helm 차트가 있습니다.
- 연동
- PostgreSQL, MySQL, Databricks, Snowflake, ClickHouse, Trino, Apache Kyuubi, HeavyDB, DuckDB, SQLite. check_answerable, ask_question 같은 도구를 갖춘 MCP 서버(FastMCP). 스트리밍 답변과 OpenAPI 명세를 갖춘 REST API. 세 가지 에이전트 스킬. Apache Ossie YAML 가져오기와 내보내기.
- 데이터와 개인정보
- 카탈로그, 온톨로지, 앱 데이터는 내 Postgres에 남습니다. 모델 호출은 기본적으로 integrate.api.nvidia.com으로 가며, KumoRFM을 켜면 최대 20개 테이블을 받습니다. 로그인과 역할은 Better Auth, 자격 증명에는 선택 사항인 Vault. Apache-2.0.
- 대규 모 사용 시 비용
- 직접 호스팅하는 서비스와 추론 비용입니다. 기본 설정은 추론에 nemotron-3.5-lightning-30b-a3b, 임베딩과 재순위에 작은 Nemotron 모델을 쓰며, NVIDIA가 호스팅하거나 자체 GPU에서 실행합니다.
- 제한
- 포트 3001과 3002는 사설 네트워크에 두어야 합니다. 열린 이슈와 풀 리퀘스트 52건. 외부 기여를 받지 않습니다. 모델은 구조화된 출력을 지원해야 하며, 임베딩 모델은 수집과 질의 사이에 바꿀 수 없습니다.
좋은 점
- 메타데이터로 용어, 조인, SQL 속성의 초안을 만들고 사람이 인증
- 모든 답변이 SQL과 그 뒤의 단계를 함께 반환
- 사용자별 권한으로 실행되는 읽기 전용 MCP 서버
- 열 가지 데이터베이스 엔진과 Apache Ossie 가져오기 및 내보내기
- BIRD 등에서 심사 모델 없이 돌아가는 별도 벤치마크 도구
아쉬운 점
- 무거운 스택: Postgres, 세 개의 서비스, 선택 사항인 Vault
- 내부 포트 3001과 3002는 설계상 인증 없음
- 기본 설정에서 스키마와 샘플을 NVIDIA 호스팅 API로 전송
- README에 정확도 수치가 없고 외부 풀 리퀘스트도 받지 않음
- 인증에는 지속적인 사람의 검토가 필요
추천 대상
자체 인프라에서 인증된 비즈니스 정의를 바탕으로 에이전트가 답하게 하고 싶고, 여러 서비스로 된 스택을 운영할 수 있는 데이터 플랫폼 팀.
NVIDIA Auto Ontology 대안
NVIDIA Auto Ontology: 자주 묻는 질문
- NVIDIA Auto Ontology, 쓸 만한 가치가 있습니까?
- 문법은 맞지만 비즈니스 의미가 틀린 SQL을 쓰는 에이전트에 대한 진지한 직접 호스팅형 해법입니다. 단, 전체 스택을 운영할 수 있고 초안을 인증하는 데 시간을 쓸 수 있어야 합니다. 평점은 5점 만점에 3.9점입니다.
- NVIDIA Auto Ontology의 가격은 얼마입니까?
- Apache-2.0으로 무료입니다. 모델 추론(기본은 NVIDIA의 호스팅 API 카탈로그, 또는 자체 NIM이나 OpenAI 호환 엔드포인트)과 Postgres 및 세 서비스의 호스팅 비용을 부담합니다.
- NVIDIA Auto Ontology 의 단점은 무엇입니까?
- 무거운 스택: Postgres, 세 개의 서비스, 선택 사항인 Vault; 내부 포트 3001과 3002는 설계상 인증 없음; 기본 설정에서 스키마와 샘플을 NVIDIA 호스팅 API로 전송; README에 정확도 수치가 없고 외부 풀 리퀘스트도 받지 않음; 인증에는 지속적인 사람의 검토가 필요.
- NVIDIA Auto Ontology에 적합한 사람은 누구입니까?
- 자체 인프라에서 인증된 비즈니스 정의를 바탕으로 에이전트가 답하게 하고 싶고, 여러 서비스로 된 스택을 운영할 수 있는 데이터 플랫폼 팀.
- 팀이나 프로덕션 환경에서 NVIDIA Auto Ontology의 비용은 얼마입니까?
- 직접 호스팅하는 서비스와 추론 비용입니다. 기본 설정은 추론에 nemotron-3.5-lightning-30b-a3b, 임베딩과 재순위에 작은 Nemotron 모델을 쓰며, NVIDIA가 호스팅하거나 자체 GPU에서 실행합니다.
- NVIDIA Auto Ontology에 회사 데이터를 맡겨도 안전합니까?
- 카탈로그, 온톨로지, 앱 데이터는 내 Postgres에 남습니다. 모델 호출은 기본적으로 integrate.api.nvidia.com으로 가며, KumoRFM을 켜면 최대 20개 테이블을 받습니다. 로그인과 역할은 Better Auth, 자격 증명에는 선택 사항인 Vault. Apache-2.0.
- NVIDIA Auto Ontology의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 GraphRAG, Open Ontologies 및 LlamaIndex입니다.
답변 확인일: 2026년 11월 5일.