Développement · Serveur MCP local
Orionbelt Semantic Layer
API-first semantic layer MCP server compiling YAML models into dialect-specific SQL.
Ce qu’indique le MCP Registry
L’entrée telle que publiée dans le MCP Registry officiel (consultée le 4 octobre 2026), dernière version.
- Nom dans le registre
io.github.ralfbecher/orionbelt-semantic-layer- Version
- 0.3.0
- Statut
- Actif
- Catégorie
- développement
- Transport
- stdio (processus local)
- Paquet
- PyPI
- Publié
- 19 février 2026
- Mis à jour
- 19 février 2026
- Éditeur
- ralfbecher (GitHub) · 2 serveurs avec une page ici
- Espace de noms
- Espace de noms vérifié par le MCP Registry via GitHub (github.com/ralfbecher) · comment
- Dépôt
- github.com/ralfbecher/orionbelt-semantic-layer
- Source
- Entrée dans l’API du registre
Paquets
| Registre | Paquet | Version | Transport |
|---|---|---|---|
| PyPI | orionbelt-semantic-layer | 0.3.0 | stdio |
Comment connecter Orionbelt Semantic Layer
Orionbelt Semantic Layer s’exécute en local depuis un paquet Python publié sur PyPI : orionbelt-semantic-layer, version 0.3.0. Il communique en MCP via stdio : le client le lance comme un programme et échange avec lui par l’entrée et la sortie standard. Il nécessite Python ; les clients le lancent généralement avec uvx (fourni par uv) ou après pip install - la commande habituelle est uvx orionbelt-semantic-layer.
Au format JSON mcpServers, que lisent de nombreux clients MCP de bureau et éditeurs de code, l’entrée se présente ainsi (espaces réservés entre chevrons) :
{
"mcpServers": {
"orionbelt-semantic-layer": {
"command": "uvx",
"args": [
"orionbelt-semantic-layer"
]
}
}
}Déduit de l’entrée du registre, non testé ici. Ce que fait le serveur, et à quelles conditions, relève de son éditeur ; consultez son dépôt ou son site web avant de lui donner accès à vos comptes ou à vos fichiers. Comment ajouter un serveur MCP à un assistant · Avant de connecter un serveur
Du même éditeur : ralfbecher (GitHub)
| Serveur | Exécution |
|---|---|
| Orionbelt AnalyticsOntology-based MCP server for database schema analysis and RDF/OWL ontology generation. | Local · stdio |
Autres serveurs : développement
| Serveur | Exécution |
|---|---|
| OrchestrUIDeterministic UI policy, discovery and audits for coding agents across seven ecosystems. | Local · stdio |
| OrchexAutopilot AI orchestration - auto-plan, parallelize, self-heal, and route across 6 LLMs. | Local · stdio |
| Ori MemoryPersistent memory infrastructure for AI agents. Identity, knowledge graph, and search. | Local · stdio |
| Oriora RouterAI model routing on your own vendor keys: pick model per prompt, or route and run it. | Distant · HTTPVérification en direct : connexion requise |
| Orm MCPMCP server for @mostajs/orm: generate, lint (24 rules) & migrate EntitySchemas. | Local · stdio |
| orm-preflightChecks TypeORM migrations for data loss, table locks, and deploy problems before they run. | Local · stdio |
| Orq.aiBuild and monitor LLM apps on Orq.ai: AI gateway, agents, prompts, evals, traces. | Distant · HTTPVérification en direct : connexion requise |