Исследование сравнило эффективность ИИ-агентов при поиске данных в базе знаний с использованием языков SQL и SPARQL. В системе GraphRAG информация была представлена в виде 34 таблиц PostgreSQL и графа из 10 154 квадов в 37 графах, созданных на основе одной статьи.
В эксперименте задействовали модели DeepSeek V4.1 Flash, Gemma 4 31B и Qwen 3.8 27B. Агенты отвечали на 15 вопросов, имея доступ к SQL, SPARQL или обоим инструментам одновременно. Программа на Java через протокол MCP ограничивала цикл работы 16 вызовами LLM и 12 запросами к памяти.
Агенты выбирали SQL в 131 из 135 случаев при наличии выбора. SPARQL оказался дороже и сложнее в синтаксисе, однако модели прибегали к нему, когда схема базы не указывала на расположение данных. DeepSeek показал 100% точность ответов во всех 270 прогонах.
Общая стоимость 1389 прогонов через OpenRouter составила $12,80. На долю Gemma пришлось $7,46, тогда как DeepSeek обошелся в $0,28. Агенты успешно исправили 129 из 134 ошибок базы данных, самостоятельно переписывая запросы после получения сообщений об ошибках.
