auto-ontology-mcp(语义层)

作者 提示词工坊

让 AI 查数据库,它经常猜字段、拼错 join,给出的 SQL 看着对跑出来是错的。这个 MCP 把英伟达 Auto Ontology 的语义层接给 Claude、Cursor 等客户端:先建业务术语再写 SQL,服务端拿本体和真实数据双向校验。

Github
Skill 编程开发 v1.0.0 热度 275

将提示词发送给你的 AI 安装该 Skill

复制下方提示词,粘贴到 Cursor / Claude Code / WorkBuddy 等本地 Agent,按说明安装。

请根据 https://www.cweto.cn/?ai_hub=skill_install ,安装本站 Skill @ai_hub/work-86(auto-ontology-mcp(语义层))。
详情页:https://www.cweto.cn/work-86.html
GitHub:https://github.com/gogoymh/auto-ontology-mcp
请装到当前 Agent 的 skills 目录(见安装说明中的路径表),完成后重启或刷新 Agent。
安装说明 GitHub
支持的本地 Agent 目录
  • Claude Code → ~/.claude/skills/
  • Cursor → ~/.cursor/skills/
  • Windsurf → ~/.codeium/windsurf/skills/
  • Codex → ~/.codex/skills/
  • Gemini CLI → ~/.gemini/skills/
  • WorkBuddy → ~/.workbuddy/skills/
  • OpenClaw 变体 → 各自 skills 目录

Skill 说明

auto-ontology-mcp 是什么

auto-ontology-mcp 把 NVIDIA Auto Ontology 的语义层带给任何 MCP 客户端,做两件事:问你的数据库,以及管你的个人知识库。

第一件事解决的是「AI 写 SQL 靠猜」:把它指向一个数据库,你已经在用的模型(Claude Code、Codex、OpenClaw、Hermes Agent、Cursor、VS Code,或 Claude/ChatGPT 客户端)会先构建业务术语(Terms)、复核 join 关系,然后给出 SQL——而这条 SQL 会被服务端拿本体(ontology)和真实数据双向检查,不通过就返工。

场景做法
结构化数据指向数据库,建业务术语、复核 join,SQL 由服务端校验
非结构化数据票据、对账单、论文、书籍入库成可检索的知识
两者结合用同一套实体把文档和数据库连起来问
存储结构实体(带类型列与引用)、概念(markdown 主体 + 类型关系)、段落摘录、来源(定位 + 原文引用)
可迁移索引、变更日志、Obsidian 导出,能当 LLM Wiki 用

每条记录都带来源、定位和原文引用,不是凭空生成的「摘要」。

auto-ontology-mcp 怎么安装

用 uvx 直接从 git 安装运行:

uvx --from git+https://github.com/gogoymh/auto-ontology-mcp auto-ontology-mcp

它会需要一个可写的数据存储(knowledge store)来放实体、概念和段落。

auto-ontology-mcp 怎么使用

  1. 先把 MCP 服务接到你的客户端,确认工具列表能发现。
  2. 接入一个数据库,让它先建业务术语和 join 关系——这一步别跳,直接问问题质量会很差。
  3. 问业务问题时看它返回的 SQL 和校验结论,而不是只看答案。
  4. 把票据、论文、书籍丢进知识库,每份都保留来源和定位。
  5. 源文件变更后按它的变更处理流程更新,别让库里留着过期数据。
  6. 需要和笔记软件打通就用 Obsidian 导出。

auto-ontology-mcp 适合谁用

  • 要给业务方做「用自然语言查数仓」、又必须保证 SQL 不出错的数据团队。
  • 有大量票据、对账单、论文需要可溯源检索的个人和公司。
  • 已经在用 Claude Code / Cursor / VS Code,想把这些接成个人知识库的技术用户。
  • 在意「每个结论都要有出处」而不是让模型自由发挥的场景。
  • 只是偶尔查几条数据、不需要语义层的轻量需求,直接用客户端查更快。

auto-ontology-mcp 项目地址

  • GitHub 仓库:https://github.com/gogoymh/auto-ontology-mcp
  • NVIDIA Auto Ontology:https://github.com/NVIDIA/auto-ontology
  • 演示:https://github.com/gogoymh/auto-ontology-mcp#see-it-in-action