gogoymh/auto-ontology-mcp

auto-ontology-mcp intègre la couche sémantique de NVIDIA Auto Ontology dans n'importe quel client MCP et remplit deux fonctions : premièrement, il établit des termes métier et vérifie les relations entre les tables de votre base de données, le modèle du client générant le SQL, tandis que le serveur effectue une exécution en lecture seule après validation selon l'ontologie et les données réelles ; deuxièmement, il constitue une base de connaissances personnelle, en enregistrant les faits issus des reçus, factures, articles et notes de lecture sous forme d'enregistrements comparables et additionnables, et les opinions sous forme de pages conceptuelles avec liens typés, chaque entrée conservant sa source et pouvant être exportée vers une bibliothèque Obsidian. Toutes les étapes nécessitant des capacités linguistiques sont déléguées au modèle que vous utilisez, le serveur n'ayant besoin ni d'interface de modèle ni de clé API.

auto-ontology-mcp intègre la couche sémantique de NVIDIA Auto Ontology dans n'importe quel client MCP et remplit deux fonctions : premièrement, il établit des termes métier et vérifie les relations entre les tables de votre base de données, le modèle du client générant le SQL, tandis que le serveur effectue une exécution en lecture seule après validation selon l'ontologie et les données réelles ; deuxièmement, il constitue une base de connaissances personnelle, en enregistrant les faits issus des reçus, factures, articles et notes de lecture sous forme d'enregistrements comparables et additionnables, et les opinions sous forme de pages conceptuelles avec liens typés, chaque entrée conservant sa source et pouvant être exportée vers une bibliothèque Obsidian. Toutes les étapes nécessitant des capacités linguistiques sont déléguées au modèle que vous utilisez, le serveur n'ayant besoin ni d'interface de modèle ni de clé API.

Pourquoi c'est important La conversion de texte en SQL entraîne souvent des erreurs de calcul silencieuses ; ici, le système bloque les associations erronées, signale les problèmes de casse des valeurs énumérées et les doubles comptages liés aux relations un-à-plusieurs.

Nombre d'étoiles 316 (+51 / 24h)

Raison

  • 24 heures ont ajouté 51 étoiles (indiquant uniquement l'attention portée)
  • Le README utilise un tableau comparatif pour lister les erreurs typiques lorsque le modèle lit directement la structure de la table, ainsi que la manière dont elles sont bloquées respectivement après l'ajout de l'ontologie

Utilisation

  • Après avoir installé uv, exécutez uvx --from git+https://github.com/gogoymh/auto-ontology-mcp auto-ontology-mcp demo pour créer une base de démonstration, puis intégrez-la à Cursor, VS Code ou l'application Claude selon le README

Risques

  • Projet personnel, le README déclare qu'il n'y a aucun lien avec NVIDIA
  • L'efficacité dépend des capacités du modèle client ; vérifiez les autorisations en lecture seule avant de vous connecter à une base de données de production

Ouvrir

GitHub

Parcourir les dernières actualités IA