Auto Ontology - データ定義を意味グラフに整理し、エージェントのSQL生成につなぐ基盤

GitHub Stars5.2k
Stars Today2k
Forks409
Trending1
観測: 2026年11月5日

Auto Ontologyは、データベースの業務用語、指標の計算式、テーブル間の結合関係を意味グラフとして保存し、エージェントのSQL生成に渡す基盤だ。スキーマ、列のプロファイル、サンプル値などから定義の初稿を作り、人が修正・認定する。質問時には関連する定義を埋め込み検索で取得し、SQLの生成、データベースに照らした検査・修復、実行へ進む。 狙うのは、SQLを実行できても業務上の意味が合っているとは限らないという問題だ。ただし、人による定義の確認を省ける仕組みではない。以下の動作説明は取得された公式READMEに基づき、実装や精度を独立検証したものではない。モデルが生成・検査に関与するため、同じSQLの生成や回答の意味的正しさが保証される条件も確認できていない。

ポッドキャスト形式で聴く

約4分

AI生成の会話音声です。記事の要点を短くまとめています。

なぜ注目されているか

11月5日の取得記録では、GitHub Trending日次1位、日次スター増加2,050、累計5,186スター・409フォーク。併記されたHacker Newsの指標は288ポイント・142コメントだった。11月8日当日の順位や増加を示す値ではなく、コメント本文は取得されていない。

なぜ重要なのか

設計上の要点は、質問のたびに業務知識をSQLへ変換する処理の前段へ、永続化した意味定義と人の認定を置くことにある。この境界が機能すれば、指標の計算式や列との対応を、複数のエージェントから共有する分析基盤として扱える。既存のセマンティックモデルも補完する位置付けであり、意味定義への投資を質問用のインターフェースへ接続する構成だ。その効果は、定義をレビューする担当者と、生成されたSQLを確認する運用を置けるかに左右される。

この記事に出てくる言葉(6語)
Term

説明と同義語を持ち、実データの列へ対応付けられる業務概念。CustomerやInvoice Lineなどを表す。

SQL attribute

Termに属するレビュー済みSQL式。利益率や移動合計などの計算定義を再利用する。

Relationship

テーブルをどう結合するかを表す関係。ブリッジテーブルを介する結合も含む。

セマンティックコンパイル

ソースのメタデータなどから、Term、Relationship、SQL attributeの初稿を生成する工程。

Certification

人が質問を試し、定義を修正したうえで、名前・説明・SQL属性を認定する工程。

Answerability

質問に必要な概念をオントロジーがカバーしているかという判定。MCPではcheck_answerableから確認できる。

1. 読む前に知っておきたいこと

SQLの成立と指標の正しさには距離がある

自然言語からSQLを書くとき、テーブル名と型が分かるだけでは足りない。売上という語がどの列を指し、どの計算式を使い、どのテーブルを結合するかまで対応付ける必要がある。クエリがデータベースで実行できても、その対応が業務上の定義と一致するかは別の問題として残る。

READMEは、エージェントへデータの所在、意味、使い方、来歴を渡す共通コンテキストが必要だと説明する。共有する意味情報がなければ、指標・列・結合の対応付けを質問処理の都度担う構成になる。同じ用語がシステム間で違う意味を持つ場合、質問からSQLへ進む途中で、どの定義を採ったかが曖昧になりやすい。Auto Ontologyが対象にするのは、この対応付けを保存し、確認可能にする工程だ。

意味を三つの定義へ分ける

中心となる定義はTerm、SQL attribute、Relationshipの三つだ。Termは、説明と同義語を持つ業務概念を実データの列へ結び付ける。SQL attributeはTermに属するレビュー済みのSQL式で、同じ指標を計算する方法を再利用する。Relationshipは、必要なテーブルをどう結合するかを表し、ブリッジテーブルも扱う。

この分解により、用語の意味、指標の計算、結合の経路を質問時に参照する材料として持てる。ここでいうオントロジーは、単なる用語一覧ではなく、業務概念を列やSQL式、テーブル間の関係へ接続する意味グラフである。ただし、保存した定義が正しいことと、生成SQLがその定義を正しく使うことは、それぞれ確認が必要になる。

既存の意味モデルを質問処理へつなぐ

READMEは既存のオントロジーやセマンティックモデルを補完する位置付けを示す。Apache Ossieのコンバーターを利用し、モデル定義をOssie YAMLとしてインポート・エクスポートする経路も説明されている。すでに整備した意味情報を、エージェントから検索・利用する共通コンテキストへつなぐ構想だ。

スキーマから直接SQLを生成する構成と比べた設計上の違いは、永続化した意味定義と人の認定工程を挟む点にある。これによって精度がどれだけ上がるかを示す比較結果は取得資料にない。評価すべきなのは、モデルの生成能力だけでなく、既存定義を取り込み、レビューし、質問処理へ渡す一連の境界が自分たちの運用に合うかだ。

2. どう動くのか

取り込みから検索可能な定義を作る

READMEが示す処理は、生成、人による認定、定義に基づく回答の三段階に分かれる。生成を担うFastAPIの取り込みサービスは、接続先からスキーマを抽出し、列のプロファイルとサンプル値をカタログへ取り込む。そこからテーブルごとの業務用語を抽出して列へ対応付け、キーとデータから結合関係やブリッジテーブルを推定する。クエリ履歴からSQL属性を提案する処理も説明されている。

生成した用語・関係・SQL属性はPostgresへ、検索用の埋め込みはpgvectorへ保存する。PostgreSQL 17とpgvectorは、カタログやオントロジーに加え、アプリのメタデータも担う。意味グラフを作る工程と、質問から関連定義を探す工程はこの保存層でつながる。保存された定義と、その候補を検索するための埋め込みは、役割の異なる情報として理解すると流れを追いやすい。

人の認定とモデルの役割を分ける

生成結果は初稿として扱う。人が実際の質問を試し、UIまたはAPIから定義を直し、名前・説明・SQL属性を認定する。自動取り込みで完成する構成ではなく、業務知識を持つ人の判断を定義へ反映する工程が組み込まれている。

モデルの仕事も役割別に分かれる。READMEのModels節では、REASONINGを定義・SQL生成と回答可能性評価、NON_REASONINGを意図分類、抽出、候補選択、SQL検査・修復へ割り当てる。EMBEDは索引と照合を担い、RERANKはコンパイル時のブリッジテーブル候補の順位付けに使うとされる。したがって、LLMは最後にSQLを書くだけではない。定義の初稿を作る側にも、質問を解釈して候補を選ぶ側にも関わる。認定はその一部へ人の判断を入れる工程であり、処理全体を決定的にする根拠にはならない。

質問を定義へ接続し、SQLを検査する

質問時は、まず意図を分類し、質問に含まれるエンティティを抽出する。次に埋め込み検索で用語・列・SQL属性の候補を取得し、その候補からLLMがSQLを書く。自然言語から直接クエリへ飛ぶ前に、保存済みの意味情報を検索する段階がある。

生成後はフィルター値とクエリをデータベースに照らして検査し、失敗したSQLを修復する。クエリを実行した後、回答とSQL、そこに至る処理手順を返す。候補が質問を支えられない場合は回答不能と報告し、MCPのcheck_answerableからも定義のカバー範囲を確認できると説明されている。

ここでは、回答可能性の判定、データベースでの検査、業務上の正しさを分けて読む必要がある。定義に必要な概念があるかを判断できても、その判断自体にモデルが関与する。実行できるSQLへ修復されても、意図した指標を計算した証明にはならない。SQLと手順を返すことは確認の材料になるが、完全なデータ来歴や認定履歴まで回答に付くことは、取得資料から確認できない。

公開窓口と内部サービスの境界

構成上、Next.jsのWebアプリがUI、認証、公開APIゲートウェイを担う。PythonのFastAPIとLangChainによるバックエンドは、Text-to-SQL、カタログ、オントロジーAPIを担当し、取り込みサービスとは役割を分ける。配置方法としてDocker ComposeとKubernetes向けHelm chartが用意されている。

利用者はWeb UIのほか、MCPとREST APIから質問できる。FastMCPのMCPサーバーは公開APIを呼び出し、サインインした利用者の権限で読み取り専用ツールを提供するとされる。RESTではAPIトークンを使ってPOST /api/chat/completionsへ質問し、SSEで結果を受け取る。MCPを別の分析エンジンとして置く構成ではなく、共有する定義と質問処理へ既存エージェントを接続する入口として理解できる。

3. 使いどころと限界

定義を管理できる分析基盤に合う

適合が見込めるのは、複数の関係データソースで業務用語や指標を共有し、データ担当者がレビュー・認定できる社内分析だ。列や結合の意味をエージェントへ渡しつつ、利用者が回答のSQLと手順を確認する運用にも合う。既存の意味モデルを活用し、MCPやRESTを共通窓口にしたい場合にも検討余地がある。

接続先としてPostgreSQL、MySQL、Databricks、Snowflake、ClickHouse、Trinoなどが挙げられている。ただし、接続先の広さだけで運用への適合は決まらない。取り込み後の定義を実際の質問で確認する工程が必要であり、その担当を置けない用途には向きにくい。導入時に引き受ける仕事には、サービスの配置に加えて、生成された意味情報を業務定義として確かめる作業がある。

認定と決定性の保証を混同しない

同一SQLの決定的生成や、業務上の意味の正しさの保証が必須なら、取得資料だけで要件を満たすとは判断できない。生成・回答可能性判定・検査修復はモデルに依存する。認定済み定義をどのように強制するか、認定権限、承認フロー、定義間の矛盾解消、版管理の具体的な範囲も確認が必要だ。

また、取得資料には精度、速度、比較対象、試験条件の数値がなく、直接SQLを生成する構成に対する優位性は評価できない。公開版番号を示す資料も取得されておらず、APIの安定性は別途確かめる必要がある。これらは不安定だと断定する材料ではないが、導入判断に必要な未確認事項として残る。外部からのプルリクエストは受け付けず、連携要望や不具合報告はIssueで受け付ける方針も、自社で拡張を維持する前に把握したい。

認証はゲートウェイの配置に依存する

バックエンドの3001番と取り込みサービスの3002番は私設ネットワークに置く必要がある。バックエンドは転送されたユーザーIDヘッダーを信頼し、取り込み・削除・リセット・コンパイルの操作エンドポイントには独自の認証がないとREADMEに明記されている。公開ゲートウェイを通る構成と、内部サービスへ直接到達できる構成では、守るべき境界が異なる。

ComposeのクイックスタートはPostgres、pgAdmin、Webアプリをホストへ公開するため、起動前に既定パスワードを変更する必要もある。また、MCPツールが読み取り専用という説明から、接続先DBの資格情報まで読み取り専用だとは判断できない。ソースDB側の権限範囲や行・列レベルの制御は取得資料だけでは確定できず、データ接続の設計として確認が残る。

モデルと外部送信も運用範囲に入る

標準構成の接続先には外部のNVIDIA API catalogが含まれる。自前ホストのNIMやOpenAI互換エンドポイントも役割別に設定できるが、機密データを扱うなら、モデルへ何を送るかの確認が必要だ。構造化出力への対応が前提で、取り込み時と質問時には同じ埋め込みモデルを使う必要がある。モデルは交換可能な設定項目であると同時に、定義生成と検索を成立させる構成要素でもある。

任意のKumoRFM連携はさらに別の送信境界を持つ。APIキーを設定すると予測質問を外部サービスへ送り、接続テーブルをアップロードする。既定の上限は20テーブルで、行数は設定しなければ無制限だ。外部送信を許可できず、自前モデルの構成や送信範囲の確認にも対応できない環境では導入に摩擦が生じる。運用負担を見積もる際には、複数サービスの配置、人の認定、モデル設定、送信先の確認を一緒に考える必要がある。

このツールから考える

ここからは、一次情報と限界を踏まえた編集上の考察です。

Auto Ontologyから考えたいのは、エージェントへ渡す業務知識を、レビュー可能な共有定義として管理する責任である。Termが列を指し、SQL attributeが計算式を保持する仕組みは、質問ごとに担っていた意味の対応付けを、分析基盤へ移す可能性を示す。複数の利用窓口が同じ定義を使えれば、指標を確認する仕事も共通化しやすくなるだろう。

ただし、その移動先で定義の正しさを引き受ける人は必要だ。自動生成は初稿であり、認定後のSQL生成にもモデルが関与する。今後確かめたいのは、認定した意味を生成SQLまでどの程度一貫して保てるか、そして定義の矛盾や変更をどの運用で扱えるかである。SQLを返せることから、組織で共有できる分析へ進むには、この責任の所在まで設計する必要がある。

検証に使用した一次情報

DevTool Lensでは、第三者の二次情報やREADMEの宣伝文句に依存せず、以下の公式リポジトリ・ドキュメント・リリース情報を精査して記事を作成しています。