NVIDIA는 에이전트가 질의하기 전에 숫자의 의미부터 알기를 원해요

text-to-SQL의 세일즈 포인트는 늘 속도였어요. 영어로 질문하면 몇 초 만에 숫자가 나오고, 분석가 대기열은 건너뛸 수 있죠. 그런데 이 문장에는 구멍이 있어요. 이런 시스템을 실제로 출시해 본 사람이라면 다 아는 구멍이에요. 빠른 오답은 느린 정답보다 나빠요. 빠른 쪽은 아무도 검산하지 않으니까요.
NVIDIA의 Auto-Ontology는 그 구멍에서 시작해요. GitHub 첫 주에 약 4,100 스타를 받았고 지금은 12,500을 넘었어요. README는 논지를 한 줄로 정리해요. 에이전트는 문서를 검색하고 데이터베이스에 질의할 수 있지만 신뢰성이 에이전트 분석을 가로막고, 매출 지표를 아무리 빨리 답해도 숫자가 틀리면 가치가 없다고요.
이 라이브러리가 만드는 것은 에이전트와 데이터 사이에 끼는 컨텍스트 계층이에요. 벡터 인덱스도 아니고 더 큰 프롬프트도 아니에요. 온톨로지예요. 어떤 데이터가 있고, 무슨 뜻이며, 써야 하는지, 어떻게 써야 하는지, 어디서 왔는지, 무엇과 비슷한지를 담아요.
다섯 개의 동사
이 라이브러리는 다섯 가지 능력으로 구성돼 있고, 이름이 드물게도 정직해요. 각각이 무슨 일을 하는지 이름만 봐도 알 수 있어요.
Discover는 메타데이터에서 기업 온톨로지를 생성하고, 이미 가진 온톨로지와 시맨틱 모델을 연결하며, 지식 그래프를 만들어요. 현실을 상대해야 하는 부분이 여기예요. 대부분의 회사는 "활성 고객"에 대한 정의를 세 개 갖고 있고, 대시보드가 어느 것을 쓰는지 기록해 두지 않아요.
Ground는 지표, 엔티티, 관계에 대해 에이전트에게 신뢰할 수 있는 업무적 의미를 주고, 시스템마다 어긋난 정의를 맞춰요. 실제로는 다섯 개 중 가장 어렵고 가장 눈에 안 띄는 부분이에요. 재무 정의를 채택한다고 누군가 결정해야 하고, 도구의 일은 그 결정을 눈에 보이게 만들고 실행 가능하게 만드는 거예요.
Validate는 생성된 쿼리를 인증된 정의와 리니지에 비추어 검사하고, 모든 답에 출처를 붙여요. 그 출처 한 줄이 사실상 제품이에요. 정의와 리니지가 붙은 숫자는 논쟁할 수 있어요. 없는 숫자는 믿거나 무시하거나 둘 중 하나예요.
Expose는 MCP, CLI, API를 통해 이 컨텍스트를 어떤 에이전트 하네스에도 넘겨요. Learn은 인증된 수정과 사용 기록을 온톨로지로 되돌려서, 공유되는 컨텍스트가 질문마다 나아지게 해요.
마지막 하나만이 이 순환 구조에서 정말 새로운 부분이에요. 대부분의 시맨틱 계층은 썩어 가는 문서예요. 이 프로젝트는 사람이 한 수정을 그 계층 자신의 학습 데이터로 다뤄요.
스택은 어떻게 생겼나
이 정도 야심을 가진 프로젝트치고는 배포 이야기가 놀랄 만큼 평범해요. 직접 돌려야 하는 사람이라면 이게 중요해요.
프런트엔드는 Next.js 16에 React 19, TypeScript, Tailwind 4를 쓰고 Better Auth와 Prisma가 붙어요. 시맨틱 카탈로그와 온톨로지는 그것들이 설명하는 카탈로그와 같은 Postgres에 들어가요. 자연어 질의는 NVIDIA NIM을 거쳐요. UI에는 채팅, 분석, 데이터 카탈로그, 리포트, 설정 화면이 있어요.
로컬에서 가장 빠른 길은 Microsoft의 판매 샘플 데이터베이스인 Wide World Importers에 Docker Compose를 돌리는 거예요. Compose v2가 있는 Docker, `uv`, build.nvidia.com에서 받은 NVIDIA API key가 필요해요. 순서는 이래요. 저장소를 clone하고, `.env`를 만들고, Postgres를 띄우고, 별도 평가 저장소에서 샘플 데이터베이스를 넣고, `docker compose up -d --build`를 실행해요. `localhost:3000`을 열고 `.env`에 있는 관리자 계정으로 로그인한 뒤 Settings → Semantic Compilation으로 가서 켜요. 수집은 시작할 때 돌고, 컴파일은 바로 시작되며, 끝나면 "Semantic compilation is ready"라고 표시돼요.
Kubernetes용 Helm chart도 있어요. 라이선스는 Apache 2.0이고, README에는 외부 기여를 받지 않는다고 분명히 적혀 있어요. fork해서 패치를 얹는 전략을 세우기 전에 알아 둘 만해요.
설계에서 불편한 부분
온톨로지는 회사 안에서 무엇이 참인지에 대한 주장이에요. 메타데이터로 자동 생성하는 것은 빠르고, 나오는 결과물은 그 주장의 초안이지 주장 자체가 아니에요.
README는 고객이 이미 가진 시맨틱 모델을 대체하지 않고 보완한다고 말하고, 정의를 조정한다고 말해요. 조정은 정치적인 행위예요. 마케팅과 재무가 신규 고객의 기준을 두고 다투면 그래프를 아무리 만들어도 정리되지 않아요. 도구는 갈등을 드러내고 결정을 기록할 수 있어요. 결정 자체는 못 해요.
일은 사실 여기에 있어요. 이 라이브러리가 마법 지팡이 대신 조정 단계를 넣어 둔 이유도 그래요. 에이전트 분석이 계속 실망스러운 이유는 지루해요. 모델은 SQL을 쓸 수 있는데, 어떤 SQL이 맞는지 적어 둔 사람이 없었던 거예요.
대시보드 밖에서도 중요한 이유
같은 문제가 크리에이티브 운영에서도 나타나요. 이미지와 영상 파이프라인을 돌리는 사람에게는 여기서 연결돼요.
에이전트에게 "지난달 생성에 얼마 썼어?"라고 물어보고 무슨 일이 벌어지는지 보세요. 재시도도 포함인가요? 버린 초안도 세나요? 실패한 생성도 과금되나요? 숫자는 자산당인가요, 요청당인가요? 세 팀이 이 네 가지 질문에 서로 다르게 답하고, 각자 내부적으로는 일관되지만 밖에서는 틀린 대시보드를 만들어요.
온톨로지가 모호함을 없애 주지는 않아요. 모호함을 드러내요. 드러내는 것이 해결의 전제 조건이에요. 다른 길은 대부분의 회사가 지금 택한 길이에요. 대시보드마다 말하지 않는 정의 묶음을 들고 있게 하고, 아무도 비교하지 않기를 바라는 거죠.
필요한지 판단하는 법
솔직한 기준은 "우리 데이터가 지저분한가"가 아니에요. 모든 회사의 데이터가 지저분하니까요. 봐야 할 것은 두 팀이 지금 서로 다르게 답하는 질문에 대해, 누군가 이미 정답을 적어 두었는지예요.
회사에서 가장 많이 싸우는 지표를 하나 골라요. 세 부서의 세 사람에게 그 정의를 적어 달라고 해요. 정의가 맞으면 온톨로지 문제가 아니라 문서 문제이고, wiki로 충분해요. 맞지 않으면 모델 성능을 아무리 올려도 구제되지 않아요. 에이전트의 쿼리는 한 정의에는 맞고 다른 두 개에는 틀리며, 자기가 어느 쪽을 따르는지 모르니까요.
두 번째 기준은 인증 절차가 있는지예요. Auto-Ontology의 가치는 Validate 단계에서 나오고, Validate는 대조할 대상이 필요해요. 회사 안에 "이것이 재무가 승인한 매출총이익률 정의다"라고 말할 권한을 가진 사람이 없으면, 이 라이브러리는 세 가지 경쟁하는 진실이 담긴 그래프를 충실히 건네줘요.
솔직하게 말하면
Auto-Ontology는 눈에 안 띄는 논지를 가진 인프라 프로젝트예요. 에이전트를 묶는 것은 추론 능력이 아니에요. 질문에 나오는 단어가 이 회사 안에서 무엇을 가리키는지 모르는 것이 발목을 잡아요.
일주일에 만 이천 개가 넘는 스타는 수요의 신호이고 도입의 신호는 아니에요. 스타를 누른 사람들은 자신 있는 오답에 이미 한 번 데인 사람들이에요. 맞는 독자층이에요. 그들이 도구를 쓸 만하게 만드는 조정 작업을 할지는 별개의 질문이고, 이 프로젝트가 인프라가 될지 북마크 폴더 속 저장소 하나가 될지를 가르는 질문이에요.
관련 글
서버 한 대, AI 스트리머 한 명: 야간 라이브를 돌리는 코드
open-yoki는 매일 밤 Binance Square에서 방송하는 AI 진행자의 프로덕션 코드로, 성격과 목소리, 돈에 닿는 기능은 걷어냈습니다. headless Chrome이 프레임을 그리고 ffmpeg이 RTMP를 밀며, Markdown 폴더가 그녀의 기분과 올릴 글을 정합니다.
Pinky는 agent에게 당신의 폰을 맡기고, 당신이 허용을 누를 때까지 전송 버튼을 붙잡고 있습니다
Pinky는 어떤 MCP agent든 실제 iPhone이나 Android 폰에 연결하고, 승인을 프롬프트가 아닌 자체 게이트웨이에서 강제합니다. 은행 앱은 보이지 않고 비밀번호 입력란은 손댈 수 없으며, Android 13에서는 agent가 숨겨진 두 번째 화면을 받습니다.
인터페이스의 AI 티를 잡아내고 9단계로 고치는 Claude skill
unslop은 Claude Code, Codex, Antigravity에서 도는 skill로, vibecoded 화면이 어디서 싸구려처럼 보이는지를 먼저 이름 붙여 줍니다. 제품에서 방향을 잡고 나면 디자이너가 redline review를 하듯 패스를 겹쳐 고칩니다. star는 19,413개이고, slop이 무엇인지에 대한 답도 분명합니다.
세계의 법을 git에 넣은 사람들, 이제 법조문도 blame할 수 있다
global-law는 각국 법령을 git 저장소로 보관하고, 커밋 하나가 특정 날짜에 시행된 법 하나에 대응한다. 조문에 log, blame, show, diff를 돌릴 수 있고, 어느 날 각국에서 시행 중이던 법을 확인하고, 코퍼스 전체를 MCP로 어시스턴트에 넘길 수 있다.