NVIDIA Auto Ontology MCP è uno strumento rivoluzionario che permette agli agenti AI come Claude Desktop, Cursor o assistenti aziendali di interrogare database in linguaggio naturale. Questo server open source, con licenza Apache 2.0, fa parte di Auto Ontology, una libreria presentata da NVIDIA a fine ottobre 2026. Il suo obiettivo principale è risolvere un problema comune: le query SQL generate dagli agenti AI possono restituire risultati errati a causa di ambiguità nei termini utilizzati dai diversi sistemi.

Come funziona NVIDIA Auto Ontology MCP

Auto Ontology costruisce un livello semantico a partire dai metadati del database, come tabelle, colonne, chiavi e storico delle query. Questo livello viene poi revisionato dagli esperti del dominio e messo a disposizione degli agenti tramite MCP (Model Context Protocol), un protocollo aperto che consente ai modelli di collegarsi a strumenti e dati esterni. Il server MCP di Auto Ontology espone nove tool in sola lettura sul livello semantico.

Il processo di generazione del livello semantico avviene in due fasi. Inizialmente, il servizio di ingestione legge tabelle, colonne, chiavi, viste e storico delle query, profila i valori con SQL e chiede a un modello di individuare chiavi esterne candidate, tabelle ponte, descrizioni delle colonne e nomi dei termini. Successivamente, il risultato viene revisionato dagli esperti, che lo correggono e lo certificano.

Componenti dell'installazione

Auto Ontology non è un singolo script, ma un'applicazione web completa con autenticazione e ruoli. Il repository contiene diverse componenti, ognuna con una specifica tecnologia e porta:

    • Interfaccia web e gateway API: Next.js 16, Better Auth, Prisma (porta 3000)
    • Backend (agente text-to-SQL, catalogo): FastAPI, LangChain (porta 3001)
    • Ingestione e compilazione semantica: FastAPI (porta 3002)
    • Server MCP: FastMCP (porta 3003)
    • Dati, ontologia ed embedding: PostgreSQL 17 con pgvector (porta 5432)

Strumenti offerti dal server MCP

Il server MCP di Auto Ontology offre nove tool, tutti in sola lettura. Questi strumenti non modificano il glossario, il catalogo o i database sottostanti. Ecco una panoramica dei tool disponibili:

    • ask_question: Prende una domanda in linguaggio naturale e restituisce risposta, SQL eseguito e righe.
    • check_answerable: Verifica se il livello semantico copre la domanda, prima di spendere minuti di chiamate al modello.
    • check_readiness: Dice se l'installazione può rispondere a qualcosa, cioè se esistono sia un livello semantico compilato sia una connessione al database.
    • search_terms: Cerca nel glossario di business.
    • get_term: Restituisce un termine con descrizione, sinonimi e termini collegati.
    • gettermcolumns: Elenca le colonne fisiche a cui un termine corrisponde.
    • gettermsql_attributes: Elenca gli attributi SQL definiti sotto un termine.
    • getsqlattribute: Mostra un attributo SQL con la sua espressione e il suo scopo.
    • describe_table: Riunisce di una tabella colonne, termini collegati e attributi SQL.

Al momento della connessione, il server dichiara anche delle istruzioni su come sequenziare i tool, per evitare un difetto tipico dei modelli, che tendono a chiamare subito askquestion saltando i controlli. Il flusso corretto è checkreadiness per sapere se l'installazione risponde, checkanswerable per sapere se la domanda è coperta e solo in terzo luogo askquestion.

Per provare NVIDIA Auto Ontology MCP, è necessario avere Docker con Compose v2, uv e una chiave API nvapi- generata su build.nvidia.com. Il codice e le istruzioni sono pubblici su GitHub con licenza Apache 2.0. L'installazione gira sulla propria macchina o sul proprio cluster.