NVIDIA Auto Ontology는 AI 에이전트가 사내 데이터의 뜻을 이해하고 검증된 SQL로 답하게 해 줍니다 | DAKER 커뮤니티

NVIDIA Auto Ontology(NVIDIA/auto-ontology)는 AI 에이전트가 사내 데이터베이스에 질문할 때 매출·고객·주문 같은 업무 용어가 어느 테이블과 컬럼을 뜻하는지 알려 주는 온톨로지(의미 계층)를 자동으로 만들어 주는 오픈소스 Python 프레임워크입니다. 2026년 11월 5일 GitHub 트렌딩(Daily) 1위에 올랐고, 같은 날 11:32(한국시간) 확인 기준 GitHub 스타는 5,241개, 포크는 412개, 트렌딩 페이지에 표시된 하루 증가 스타는 2,050개입니다.

NVIDIA Auto Ontology는 무엇인가

NVIDIA Auto Ontology는 기업 메타데이터에서 온톨로지를 생성하고, 여러 시스템에 흩어진 정의를 맞춘 뒤, 그 맥락을 MCP·CLI·API로 어떤 에이전트 환경에든 제공하는 라이브러리라고 README에서 소개합니다. 온톨로지에는 세 가지 정의가 들어갑니다.

• 용어(Terms): Customer, Invoice Line 같은 업무 개념과 설명·동의어, 그리고 이를 담은 컬럼 매핑
• SQL 속성(SQL attributes): 마진이나 누적 합계처럼 검토를 거친 SQL 식. 에이전트가 이를 재사용하므로 같은 지표를 늘 같은 방식으로 계산합니다
• 관계(Relationships): 키와 데이터에서 추론한 테이블 조인과 브리지 테이블

구성은 Next.js 16 웹 UI, FastAPI·LangChain 백엔드, 수집(ingestion) 서비스, FastMCP 기반 MCP 서버, PostgreSQL 17과 pgvector입니다. 추론은 NVIDIA NIM 엔드포인트를 쓰며, 기본 LLM은 nvidia/nemotron-3.5-lightning-30b-a3b, 임베딩은 nvidia/nemotron-3-embed-1b로 설정돼 있습니다. 저장소 주 언어는 Python, 라이선스는 Apache License 2.0이며, README에 따르면 현재 외부 기여는 받지 않습니다.

NVIDIA Auto Ontology가 왜 지금 뜨나

README는 에이전트가 문서를 검색하고 데이터베이스를 조회할 수는 있지만, 에이전트 기반 분석에서 진짜 관문은 신뢰성이라고 문제를 제기합니다.

매출 지표를 더 빨리 답해도 숫자가 틀리면 아무 가치가 없습니다. 에이전트에게는 데이터가 어디 있고 무엇을 뜻하며 어떻게 써야 하는지 알려 주는 맥락 계층이 필요합니다.

Text-to-SQL 에이전트가 늘면서 같은 매출이라도 시스템마다 정의가 다른 문제가 커졌고, Auto Ontology는 생성(Generate) → 사람의 인증(Certify) → 답변(Answer) 세 단계로 이를 다룹니다. README 예시에서는 Microsoft 샘플 DB인 Wide World Importers를 한 번 컴파일해 31개 용어를 만들었고, 답할 수 없는 질문(광고비 대비 수익 등)에는 check_answerable로 범위를 먼저 확인한 뒤 사용자에게 되묻는 흐름을 보여 줍니다. 시맨틱 모델 교환 표준인 Apache Ossie와 호환된다는 점도 눈에 띕니다.

NVIDIA Auto Ontology는 어떻게 써 보나

README 빠른 시작은 Docker Compose(v2), uv, build.nvidia.com에서 발급한 NVIDIA API 키를 요구합니다.

• git clone https://github.com/NVIDIA/auto-ontology.git 후 cp .env.example .env 로 설정 파일을 만들고 DEFAULT_MODELS_API_KEY, AUTH_SECRET, 각종 비밀번호를 채웁니다
• docker compose up -d --wait postgres 로 Postgres를 띄우고, auto-ontology-eval 저장소의 seed_wwi.py로 샘플 DB를 적재합니다
• docker compose up -d --build 로 나머지 스택을 올리고 http://localhost:3000 에 접속해 Settings → Semantic Compilation을 켭니다
• Chat에서 질문하면 답과 함께 생성된 SQL, 해석 단계가 표시되어 원본과 대조할 수 있습니다

MCP 서버는 uvx --from "git+https://github.com/NVIDIA/auto-ontology.git#subdirectory=mcp" auto-ontology-mcp 로 실행하며, search_terms, check_answerable, ask_question 등 읽기 전용 도구를 Cursor나 Claude Desktop에 연결할 수 있습니다. README는 3001·3002 포트를 사설 네트워크에 두라고 보안 주의도 함께 적어 두었습니다.

NVIDIA Auto Ontology는 어디에 쓰면 좋나

• 사내 데이터 웨어하우스에 자연어 질의 에이전트를 붙이되, 지표 정의를 사람이 인증한 것만 쓰게 하고 싶을 때
• PostgreSQL, MySQL, Databricks, Snowflake, ClickHouse, DuckDB 등 README가 밝힌 10개 엔진에 걸친 정의를 하나의 의미 계층으로 맞추고 싶을 때
• Claude Code나 Cursor 같은 코딩 에이전트가 MCP로 데이터 용어를 조회하며 분석 코드를 쓰게 하고 싶을 때
• BIRD 같은 Text-to-SQL 벤치마크로 온톨로지 유무의 차이를 실험해 보고 싶을 때(평가는 NVIDIA/ontology-sql-eval 저장소에 정리돼 있습니다)

여러분 팀에서는 매출이나 활성 사용자 같은 지표 정의가 시스템마다 달라 곤란했던 적이 있나요? 에이전트에게 데이터 질문을 맡길 때 어떤 장치를 쓰고 계신지 댓글로 나눠 주세요.

출처

• NVIDIA Auto Ontology 저장소(README·설명·라이선스·설치 예시): https://github.com/NVIDIA/auto-ontology
• GitHub 트렌딩(Daily, 2026-11-05 11:32 한국시간 확인): https://github.com/trending
• Text-to-SQL 평가 저장소: https://github.com/NVIDIA/ontology-sql-eval