Nvidia випустила Auto Ontology, бібліотеку під Apache 2.0, яка будує семантичний шар над корпоративними базами для SQL-агентів. Підключення з UI без Vault зберігаються в Postgres без шифрування.

Для білдера це головний підводний камінь: за даними репозиторію Auto Ontology на GitHub, повний об'єкт підключення разом із паролем серіалізується в JSON і лежить у рядку каталогу.

Що саме робить Auto Ontology?

Auto Ontology генерує онтологію з метаданих підприємства й віддає її агентам через MCP, CLI та API. Навіщо це потрібно, пояснено в репозиторії: швидка відповідь про виручку нічого не варта, якщо цифра неправильна, тому агентові потрібен шар, який знає, де лежать дані, що вони означають і звідки взялися.

Бібліотека працює в п'ять кроків: знаходить онтологію, прив'язує метрики до погоджених визначень, перевіряє згенеровані запити за сертифікованими визначеннями та lineage, віддає контекст агентам і вчиться на підтверджених виправленнях. До кожної відповіді вона додає provenance. Джерела даних: Databricks, Postgres, Snowflake і DuckDB.

Видання AlphaSignal описує проблему так: SQL може бути синтаксично правильним, але брати не те поле виручки або змішувати несумісні метрики. Шар між агентом і сховищем має закривати саме такі помилки. Серед клієнтів AlphaSignal називає Cursor і Claude Desktop.

Де Auto Ontology зберігає паролі до баз?

Без Vault пароль лежить у Postgres відкритим текстом, а Vault вимкнено за замовчуванням. Він вмикається, лише коли задано всі чотири змінні: VAULT_ADDR, VAULT_NAMESPACE, VAULT_ROLE_ID і VAULT_SECRET_ID.

Якщо задати лише частину, конфігурацію ігнорують із попередженням, а паролі знову йдуть у Postgres без шифрування.

З Vault у каталозі облікових даних немає, вони зберігаються у Vault за назвою бази. Окремого поля-посилання немає, тож назва бази і є ключем пошуку.

На яких моделях працює і що відомо про якість?

За замовчуванням Auto Ontology працює на моделях Nvidia NIM: nvidia/nemotron-3-nano-30b-a3b для LLM, nvidia/nemotron-3-embed-1b для ембедингів і nvidia/llama-nemotron-rerank-vl-1b-v2 для реранкінгу. Кожну роль задають трійкою змінних: ENDPOINT, API_KEY і MODEL, а незадані поля беруться з DEFAULT_MODELS_*. AlphaSignal пише, що підійде будь-який OpenAI-сумісний endpoint.

Цифр точності у джерелах немає. Бенчмарк, наприклад BIRD, запускають окремо, через репозиторій ontology SQL evaluation. Контейнер бекенду версії 1.1.0 у каталозі NGC підписаний і просканований на шкідливе ПЗ, дата оновлення там 13 жовтня 2026. Зовнішні контриб'юції проєкт поки не приймає.

Що робити зараз