실제 기업 데이터베이스를 대상으로 하는 자연어-SQL 변환 (NL2SQL)은 학술적 벤치마크에서보다 훨씬 더 까다로운 과제로 남아 있습니다. 기업 스키마 (Schema)는 종종 암호 같은 컬럼 이름, 이기종 SQL 방언 (SQL dialects), 그리고 중첩 집계 (nested aggregations), 시계열 추론 (temporal reasoning), 다중 테이블 조인 (multi-table joins)을 요구하는 복잡한 분석 워크로드를 포함하는 수백 개의 물리적 테이블을 포함합니다. 본 논문에서는 시맨틱 의도 (semantic intent)를 물리적 SQL 실행으로부터 분리하는 시맨틱 레이어 매개 (semantic-layer-mediated) NL2SQL 에이전트를 제시합니다. 에이전트는 원시 스키마 (raw schemas) 상에서 직접 SQL을 생성하는 대신, 시맨틱 모델 쿼리 (Semantic Model Query, SMQ)라고 불리는 압축된 중간 표현 (intermediate representation)을 통해 정제된 시맨틱 레이어 (semantic layer) 상에서 추론합니다. 결정론적 컴파일러 (deterministic compiler)는 각 SMQ를 특정 방언에 맞는 SQL로 변환하여, 에이전트가 최종 쿼리로 조합할 수 있는 검증된 빌딩 블록 (building blocks)을 제공합니다. 이 시스템은 제약된 사고-행동 루프 (constrained think-act loop)를 채택하며, SQLite, BigQuery, Snowflake 백엔드를 지원하고, 엔드-투-엔드 (end-to-end) 평가 프레임워크에 통합되어 있습니다. Gemini 3 Pro를 사용하여, 이 시스템은 547개 태스크로 구성된 Spider2-snow 벤치마크에서 94.15%의 실행 정확도 (execution accuracy)를 달성하였으며, 공식 리더보드에서 3위를 기록하였고 스키마 전용 (schema-only) 방식들을 크게 능가했습니다. 본 논문에서는 시스템 아키텍처, SMQ 표현, 에이전트 워크플로우, 평가 결과에 대해 설명하며, 시맨틱 레이어의 품질과 향상된 그라운딩 (grounding) 및 과적합 (overfitting) 사이의 트레이드오프 (trade-off)에 대해 논의합니다.