Oleksandr Kuzmenko, РедакторОпубліковано 5 хв читанняЗа участі AI · перевірено редактором
TL;DR
- Відкритий код під ліцензією Apache 2.0 із підтримкою Snowflake, Databricks, Postgres та DuckDB.
- Надає доступ до реляційних семантичних метаданих агентам через MCP, REST API (SSE) та CLI.
- Зберігає облікові дані в HashiCorp Vault за наявності конфігурації, або у відкритому вигляді в базі без неї.
- Інтегрований з NVIDIA NIM для реранкінгу, вилучення сутностей та обчислення ембедингів.
Ключові факти
- Ліцензія
- Apache 2.0
- Реранкер за замовчуванням
- nvidia/llama-nemotron-rerank-vl-1b-v2
- Підтримувані бази даних
- Postgres, Databricks, Snowflake, DuckDB
- Інтерфейси доступу
- MCP, CLI, SSE REST API
Архітектура та підтримувані бази даних
Auto-Ontology виступає семантичним шаром між табличними базами даних і моделями штучного інтелекту. Відкритий фреймворк підтримує Databricks, PostgreSQL, Snowflake та DuckDB. Замість прямих неконтрольованих запитів text-to-SQL система зчитує метадані, формує граф сутностей і зв'язків та фіксує походження кожної метрики.
Облікові дані з'єднань можуть захищатися нативною інтеграцією з HashiCorp Vault (VAULT_ADDR, VAULT_NAMESPACE, VAULT_ROLE_ID, VAULT_SECRET_ID). Якщо конфігурація Vault відсутня, облікові дані, додані через UI, зберігаються у відкритому (незашифрованому) вигляді в рядках Postgres. Авторизація працює через Better Auth із підтримкою SSO, ролей (RBAC) та API-токенів із хешуванням SHA-256, які мають ті самі права доступу, що й профіль користувача.
Інтеграція моделей та NIM
Для інференсу система застосовує ендпоінти NVIDIA NIM. За замовчуванням конфігурація використовує nvidia/llama-nemotron-rerank-vl-1b-v2 для реранкінгу та окремі моделі ембедингів і екстракції через змінні оточення DEFAULT_MODELS_ENDPOINT та DEFAULT_MODELS_API_KEY. API надає інтерфейс стрімінгу подій через SSE на ендпоінті POST /api/chat/completions.
Локальний запуск через Docker
Розгортання реалізовано через Docker Compose v2 або Helm для Kubernetes. Стек підіймає інтерфейс на порту 3000, бекенд на 3001, сервіс індексації та базу Postgres для онтологій.
Спробуй за 2 хвилини
git clone <repo-url> auto_ontology && cd auto_ontology
# Fill in .env with AUTH_SECRET, APP_URL, and DEFAULT_MODELS_API_KEY
docker compose up -dКоли використовувати
- Для надання ШІ-агентам семантичного контексту при роботі з Snowflake, Databricks або Postgres.
- Коли потрібно транслювати бізнес-терміни та метадані в агенти через Model Context Protocol або REST API.
Коли НЕ варто
- Якщо завдання обмежується виключно неструктурованими документами без реляційних баз даних.
- Якщо політика безпеки суворо забороняє збереження незашифрованих паролів, а Vault не налаштовано.
Що зробити сьогодні
- Налаштуйте змінні оточення HashiCorp Vault перед продакшн-розгортанням Auto-Ontology для захисту облікових даних.
- Підключіть локальні агенти до семантичного каталогу через інтерфейс Model Context Protocol.
Назви кроків узяті з блоку «Що зробити сьогодні».
Назви кроків узяті з блоку «Що зробити сьогодні». Налаштуйте змінні оточення HashiCorp Vault перед продакшн-розгортанням Auto-Ontology для захисту облікових даних.. Підключіть локальні агенти до семантичного каталогу через інтерфейс Model Context Protocol.
- Налаштуйте змінні оточення HashiCorp Vault перед продакшн-розгортанням Auto-Ontology для захисту облікових даних.
- Підключіть локальні агенти до семантичного каталогу через інтерфейс Model Context Protocol.